Informative Simultaneous Confidence Intervals for Graphical Test Procedures
针对传统同时置信区间缺乏信息性的问题，本文将信息性SCI拓展至图形检验过程，通过对偶图和投影法定义新区间，给出迭代算法，实现信息增益与拒假设数目的折中，且信息量随反原假设证据增加而增长。
2024-06-24 stat.ME
A procedure for multiple testing of partial conjunction hypotheses based on a hazard rate inequality
本文提出CoFilter两步法，先筛选PC p值再对条件PC p值做多重检验，并以风险率序不等式证明其有效性。
2024-06-13 stat.ME
Statistical testing procedure for the interaction effects of several controllable factors in two-valued input-output systems
假设通过设定几个可控因素的水平，设计了几个二值输入输出系统。针对这种情况，田口方法提出了将可控因素分配到正交表中，并使用ANOVA模型进行标准化SN比，这是评估每个输入输出系统性能的自然措施。虽然该方法简单实用，但当标准信噪比的估计标准误不平衡时，其结果可能不可靠。本文将多个可控因子的完全析因或部分析因设计的数据处理为高维列联表的频数，并提出了一种通用的可控因子主效应或交互效应检验方法。
2007-06-20 stat.ME
A Factor-Adjusted Multiple Testing Procedure with Application to Mutual Fund Selection
在这篇文章中，我们提出了一个因素调整的多重检验（FAT）程序的基础上，因素调整的p值的线性因子模型，涉及一些可观察和不可观察的因素，选择熟练的基金在实证金融的目的。通过主成分法提取潜在的共同因素后，获得因子调整的p值。在一定的条件下，即使允许特殊错误在单位间弱相关，也可以一致地估计错误发现比例。此外，通过适当地设置一系列接近零的阈值，所提出的FAT过程享有模型选择的一致性。广泛的模拟研究和真实的数据分析，在美国金融市场上选择熟练的资金来说明所提出的方法的实际效用。本文的补充材料可在网上查阅。
2019-03-01 stat.ME
Informative Simultaneous Confidence Intervals for Graphical Group Sequential Test Procedures
Competence Center for Clinical Trials Bremen（不来梅临床试验能力中心）；University of Bremen（不来梅大学）；Institute for Statistics（统计研究所）
本文提出了一种控制家族错误率的组序列检验策略，通过利用先前阶段的证据提高显著性水平，优于现有方法，并引入了具有小功率损失的 informative 同时置信区间。
2026-05-12 stat.ME
Multiple Testing for Exploratory Research
受探索性研究实践的启发，我们制定了一种多重检验方法，该方法颠倒了用户和多重检验程序的传统角色。传统上，用户选择错误准则，并且过程产生被拒绝的集合。相反，我们建议让用户自由选择被拒绝的集合，并让多重检验过程返回一个关于错误拒绝数量的置信度声明。在我们的方法中，这样的信心声明是同时为所有的选择被拒绝的集合，所以事后的选择被拒绝的集合不会损害其有效性。所提议的角色互换只需要回顾一下熟悉的封闭式测试程序，但重点是这个程序所产生的非辅音拒绝。我们建议几个捷径，以避免与封闭测试相关的计算问题。
2013-10-02 stat.ME
Fast and direct nonparametric procedures in the L-moment homogeneity test
区域频率分析是正确估计无测或部分有测站点水文特性，预防水文灾害的重要工具。为了传递信息和获得目标地点的准确分位数估计数，划定同类地点群是重要的第一步。Hosking-Wallis同质性检验通常用于检验所选位点的同质性。尽管它的有用性和良好的权力，它提出了一些缺点，包括主观选择的参数分布的数据和不合理的拒绝阈值。本文解决了这些缺点，通过整合非参数程序中的L-矩齐性检验。为了评估拒绝阈值，考虑了三种恢复方法（置换、自举和Pólya恢复）。结果表明，置换和引导方法比参数Hosking-Wallis检验的功率，以及在时间和程序的简单性。一个真实的案例研究表明，非参数检验同意HW测试有关的同质性的体积和双变量的情况下，而他们不同意的峰值的情况下，但HW测试的假设没有得到很好的尊重。
2016-10-18 stat.ME
A Generalized Benjamini-Hochberg Procedure for Multivariate Hypothesis Testing
Benjamini和Hochberg提出的错误发现率（FDR）引起了人们对开发在各种环境中控制FDR的方法的极大兴趣。然而，大多数现有的方法，解决FDR控制的情况下，一个适当的单变量检验统计量是可用的。另一方面，现代假设检验和数据集成应用程序通常涉及多变量检验统计量。在这种情况下，目标是将每个假设的证据结合起来，并获得更大的力量，同时控制错误发现的数量。本文考虑基于多元检验统计量（z值）构建嵌套拒绝区域的数据自适应方法。它被证明是可以控制的FDR适当构造的拒绝区域，即使该区域依赖于数据，因此是随机的。然后利用这种灵活性来开发更高维度的最佳多重比较程序，其中非空z值的分布是未知的。使用模拟和真实数据的结果进行说明。
2016-06-08 stat.ME
AdaPT: An interactive procedure for multiple testing with side information
我们考虑的问题，多个假设检验与通用的边信息：对于每个假设$H_i$，我们观察到的p值$p_i$和一些预测$x_i$编码上下文信息的假设。对于大规模的问题，自适应地将力量集中在更有希望的假设上（那些更有可能产生发现的假设）可以产生更强大的多重检验程序。我们提出了一个通用的迭代框架，这个问题，称为自适应p值的抑制保持（AdaPT）过程，自适应估计贝叶斯最优p值拒绝阈值和控制的错误发现率（FDR）在有限的样本。在程序的每次迭代中，分析师提出一个拒绝阈值，观察部分删失的p值，估计低于阈值的错误发现比例（FDP），然后停止拒绝或提出另一个阈值，直到估计的FDP低于$α$。我们的程序在非常强的意义上是自适应的，允许分析师使用她选择的任何统计或机器学习方法来估计最佳阈值，并在每次迭代时随着信息的积累在不同模型之间切换。我们证明了良好的性能的AdaPT通过比较它的国家的最先进的方法在五个实际应用和两个模拟研究。
2018-07-25 stat.ME
Adaptive adequacy testing of high-dimensional factor-augmented regression model
本文针对高维因子增强回归模型在密集备择假设下检验效果不佳的问题，提出二次型检验统计量及自适应检验方法，在稀疏和密集备择假设下均具功效，并通过模拟与FRED-MD数据集验证其优势。
2025-04-03 stat.ME
A weighted FDR procedure under discrete and heterogeneous null distributions
具有错误发现率（FDR）控制的多重检验已在p值具有离散和异质零分布的"离散范式”中广泛进行。然而，在这种情况下，现有的FDR程序往往会失去一些权力，并可能产生不可靠的推断，并在这种情况下，似乎没有一个FDR程序，分区假设成组，采用数据自适应的权重和非渐近保守。我们提出了一个加权FDR程序的多重检验的离散范式，有效地适应异质性和离散性的p值分布。我们从理论上证明了加权FDR程序在独立性下的非渐近保守性，并通过模拟研究表明，对于基于二项式检验或Fisher精确检验的p值的多重检验，它比其他六种程序更有效。加权FDR程序被应用到药物安全性研究和基于离散数据的差异甲基化研究中，它比现有的两种方法有更多的发现。
2019-07-21 stat.ME
Capturing the Severity of Type II Errors in High-Dimensional Multiple Testing
在推导一个多重检验程序时，第二类错误的严重性经常被忽略，即使正确地使用它可以极大地帮助做出正确的决定。本文提出了一个理论背后的发展多重检验程序，可以将第二类错误的严重性，是最佳的意义上最小化的措施，控制措施的错误发现的所有程序中的错误的非发现。该理论是在一个通用模型下开发的，允许任意依赖，通过采取复合决策理论的方法，多重检验的损失函数，将第二类错误的严重程度。我们提出了这个最佳的程序在其甲骨文的形式，并提供了数值证据，其优越的性能超过相关的竞争对手。
2014-03-22 stat.ME
False discovery rate control for multiple testing based on p-values with càdlàg distribution functions
对于基于càdlàg分布函数的p值的多重检验，我们提出了一个具有证明保守性的FDR程序“BH+”。BH+在应用于超一致p值时至少与BH过程一样强大。此外，当应用于中间p值时，BH+比应用于常规p值更强大。这是一个容易验证的必要和充分条件。BH+可能是第一个适用于中间p值的保守FDR程序。BH+应用于甲基化研究、HIV研究和临床安全性研究中基于离散p值的多重检验，在这些研究中，BH+比BH程序有更多的发现。
2018-03-16 stat.ME
Optimal and Maximin Procedures for Multiple Testing Problems
多重检验问题是现代统计分析的主要问题。多重检验程序的基本目标是拒绝尽可能多的虚假零假设（即，最大化某些功效概念），并控制错误发现的总体度量，如族错误率（FWER）或错误发现率（FDR）。在本文中，我们制定多重检验的简单假设作为一个无限维的优化问题，寻求最强大的拒绝政策，保证强有力的控制所选择的措施。从这个意义上说，我们的方法是对单个假设的最优Neyman-Pearson检验的推广。我们表明，可交换的假设，FWER和FDR和相关概念的权力，这些问题可以制定为无限的线性规划，并可以在原则上解决任何数量的假设。我们还描述了复杂的替代品的最大最小规则，并表明，这样的规则可以在实践中找到，从而改善现有的替代品相比，实际的程序。我们得到明确的最佳测试FWER或FDR控制三个独立的正常手段。我们发现，在所有的设置检查的自然竞争对手的权力增益是实质性的。最后，我们将我们的最优最大极小规则应用于Cochrane图书馆系统评价中的亚组分析，从而增加了发现的数量，同时保证了对单侧替代方案的强大FWER控制。
2020-11-25 stat.ME
Multiple Comparison Procedures for Simultaneous Inference in Functional MANOVA
提出一类用于函数数据析因设计中任意线性假设的检验程序，支持全局与多重推断且不依赖特定误差分布，通过重采样方法实现渐近有效并验证了小样本性能与实际适用性。
2024-06-03 stat.ME
Faster Family-wise Error Control for Neuroimaging with a Parametric Bootstrap
在神经成像中，在一组大脑区域或图像中的所有位置进行数百到数十万次测试。最近的研究表明，成像中最常见的家族误差（FWE）控制程序依赖于经典的数学不等式或高斯随机场理论，产生的FWE率远离标称水平。根据所使用的方法，FWER可以非常小或严重膨胀。鉴于神经影像学作为了解神经和精神疾病的工具的广泛使用，必须提供可靠的多重检验程序。据我们所知，只有置换联合测试程序已被证明可以可靠地控制在标称水平的FWER。然而，由于越来越多的可用大样本量和图像的维度，这些程序是计算密集型的，并且分析可能需要数天才能完成。在这里，我们开发了一个参数引导联合测试程序。参数引导程序直接与检验统计量一起工作，这导致比基于重采样的程序更快地估计调整后的\emph{p}值，同时可靠地控制许多神经影像学研究中可用的样本量中的FWER。我们证明，该程序控制的FWER在有限的样本中使用模拟，目前区域和体素分析，以测试脑血流的发展轨迹的性别差异。
2017-08-18 stat.ME
Adjusted inference for multiple testing procedure in group sequential designs
针对成组序贯设计中同时调整多重假设检验与多次分析的研究空白，提出调整序贯p值及交集假设序贯p值，通过加权Bonferroni和加权参数检验控制族系I类错误率进行推断。
2023-11-27 stat.ME
Asymptotic Online FWER Control for Dependent Test Statistics
本文提出一种新的在线多重检验框架，可在任意相依结构下渐近控制FWER，并通过模拟验证其有限样本错误控制与功效提升。
2025-03-09 stat.ME
A multiple comparison procedure for dose-finding trials with subpopulations
识别对新治疗反应增强的患者亚组在过去几年中已成为一个越来越受关注的领域。如果在试验开始前了解到可能的亚群具有增强的处理效应，则可能有益的是建立一种检测策略，不仅在整个人群中，而且在这些预先指定的亚群中检测显著的处理效应。在本文中，我们提出了一个参数的多重检验方法，在多个群体的剂量探索试验的测试。我们的方法是基于MCP-Mod方法，该方法使用多个比较程序来测试剂量响应信号，同时考虑多个可能的候选剂量响应形状。我们提出的方法允许群体之间的异方差性，并控制多个群体和多个候选模型中的FWER测试。我们在模拟中表明，所提出的多人口测试方法可以增加功率，以检测一个显着的剂量反应信号超过标准的单人口MCP-Mod，当考虑的亚群具有增强的处理效应。
2018-11-24 stat.ME
Testing for Heteroscedasticity in High-dimensional Regressions
检验误差的异方差性是高维回归中的一个主要挑战，其中协变量的数量与样本量相比很大。传统的程序，如白色和Breusch-Pagan测试通常遭受低尺寸和功率。本文提出了两种新的基于标准OLS残差的检验方法。利用随机Haar正交矩阵理论，得到了当自由度趋于无穷大时，两个检验统计量在零点下的渐近正态性。这包括经典的低维设置，其中变量的数量是固定的，而样本量趋于无穷大，以及比例高维设置，其中这些维度按比例增长到无穷大。因此，这些程序在应用中提供了广泛的维度覆盖。据我们所知，这是第一个程序在文献中检验异方差是有效的中，高维回归。我们提出的测试现有的方法的优越性证明了广泛的模拟和一些真实的数据分析以及。
2017-10-13 stat.ME
Large-Scale Multiple Testing of Composite Null Hypotheses Under Heteroskedasticity
针对异方差下复合零假设多重检验的功效损失与第一类错误失控问题，提出整合方差辅助信息、基于改进非参数经验贝叶斯反卷积的HAMT流程，理论证明其FDR控制渐近有效最优，仿真与移动游戏用户检测应用验证其功效更优。
2024-10-23 stat.ME
A new goodness of fit test for uniform distribution with censored observations
利用不动点刻画，我们提出了一种新的均匀分布拟合优度检验方法。我们还讨论了如何正确的删失观测可以被纳入建议的测试程序。我们研究了所提出的检验统计量的渐近性质。进行了蒙特卡罗模拟，以评估有限样本的测试性能。我们说明了使用真实数据集的测试程序。
2021-06-11 stat.ME
Weighted Asymptotically Optimal Sequential Testing
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出加权渐近最优顺序检验方法，通过加权对数似然比实现对家庭错误率的有效控制，并证明其在高维和随机权重情况下具有渐近最优性。
2026-02-23 stat.ME
The Building Blocks of Classical Nonparametric Two-Sample Testing Procedures: Statistically Equivalent Blocks
本文以统计等价块及其频率统一推导经典两样本非参数检验，并将多种单变量检验推广到任意高维，保持零假设性质与尺度不变性。
2025-06-10 stat.ME
A powerful procedure that controls the false discovery rate with directional information
本文提出signed-knockoff程序，利用检验统计量的符号方向信息在有限样本中控制FDR，并通过模拟和实际应用证明其功效优势。
2025-07-21 stat.ME
Tests for ultrahigh-dimensional partially linear regression models
本文针对超高维部分线性回归模型，利用机器学习估计冗余函数并构造二次型检验统计量，提出功效增强程序以提升在稀疏和稠密备择下的检验功效，同时保证渐近控制第一类错误。
2023-04-15 stat.ME
New weighted $L^2$-type tests for the inverse Gaussian distribution
提出了一类新的逆高斯分布拟合优度检验方法。建议的测试是加权$L^2$型测试，取决于调整参数。我们发展的渐近理论下的原假设和广泛的一类替代分布。这些结果被用来表明，参数引导程序，我们采用实施测试，是渐近有效的，整个测试过程是一致的。有限的样本量的比较模拟研究表明，新的程序是有竞争力的经典和最近的测试，优于这些其他方法几乎均匀地在一个大的替代分布。使用新提出的测试说明了两个观察到的数据集。
2019-10-30 stat.ME
Controlling false discovery exceedance for heterogeneous tests
对于大规模多重检验问题，存在几种经典的方法来控制错误发现抑制（FDX），其中包括Lehmann-Romano方法（下文[LR]）和Guo-Romano方法（下文[GR]）。虽然这两个过程是最突出的，但它们最初是为齐次检验统计量设计的，即当$p$值$F_i$，$1\leq i\leq m$的零分布函数都相等时。然而，在许多应用中，数据是异构的，这导致异构的空分布函数。忽略这种异质性通常会导致上述程序的保守性。在本文中，我们开发了三个新的程序，将$F_i$的，同时确保FDX控制。[LR]的异构版本（表示为[R]）基于$F_i$的算术平均值，而[GR]的异构版本（表示为[HGR]）基于$F_i$的几何平均值.我们还介绍了一个程序[PB]，这是基于泊松-二项分布，并一致地提高[HGR]和[HGR]，在一个更高的计算复杂性的代价。也许令人惊讶的是，这表明，与异质性下的错误发现率（FDR）控制的已知理论相反，在FDX控制的情况下，引入$F_i$的方式可以特别简单，并且不需要任何进一步的校正项.在两个重要的异质设置中，通过真实和模拟数据说明了新提出的程序的性能：首先，当检验统计量是连续的，但$p$值由一些已知的独立权重向量加权时，例如，来自共同数据集;第二，当检验统计量离散分布时，如表示频率或计数的数据的情况。
2019-12-10 stat.ME
On weighted parametric tests
我们描述了一个一般框架加权参数多重检验程序的基础上关闭原则。我们利用一般的加权策略，可以反映复杂的研究目标，包括文献中的许多程序作为特例。建议的加权参数检验使用调整后的显著性水平或调整后的$p$值来弥合拒绝规则之间的差距。通过允许在小于$α$的水平上检验交叉假设，这种联系是可能的，这可能是某些研究考虑所需要的。对于这种情况下，我们引入一个子类的确切的$α$级的参数测试，满足和谐的属性。当只有检验统计量的子集是相关的，提出了一个新的程序，以充分利用每个子集内的参数假设。我们说明了建议的加权参数检验使用的临床试验的例子。
2016-05-20 stat.ME
A Rejection Principle for Sequential Tests of Multiple Hypotheses Controlling Familywise Error Rates
我们提出了一个统一的方法，顺序（或流）数据的多重检验程序，通过给一个顺序的多重检验程序，以控制familywise错误率（FWER）的充分条件，扩展到顺序域的工作Goeman和Solari（2010年）谁完成了这一固定样本量程序。我们把这些条件统称为“序贯试验的拒绝原则”，然后将其应用于一些现有的序贯多重检验程序，以简化对FWER控制的理解。其次，应用该原理推导出两个新的具有可证明FWER控制的序贯多重检验程序，一个用于按序检验假设，另一个用于封闭检验假设。这些新的程序的例子是通过将它们应用到染色体畸变数据集，并找到最大的安全剂量的治疗。
2015-02-24 stat.AP stat.ME
Power of Ordered Hypothesis Testing
有序检验程序是利用从最有希望到最没有希望的零假设的预定义排序的多重检验程序。我们使用Li & Barber（2015）的渐近框架分析和比较了最近几个提案的效力。当排序信息量很大时，包括ForwardStop在内的累积测试可能非常强大，但当排序较弱时，它们就逐渐变得无能为力。相比之下，Barber & Candès（2015）提出的Selective SeqStep对排序质量的敏感度要低得多。我们比较了这些程序在不同规则中的能力，得出结论，如果排序较弱或非零假设稀疏或较弱，则选择性SeqStep主导累积测试。出于我们的渐近分析，我们得到一个改进版本的选择性SeqStep，我们称之为自适应SeqStep，类似于层的Benjamini-Hochberg过程的改进。我们使用Li & Barber（2015）分析的GEOQuery数据集比较了这些方法，发现Adaptive SeqStep对于好的和坏的先验排序都具有良好的性能。
2016-06-06 stat.ME
More powerful multiple testing under dependence via randomization
Carnegie Mellon University（卡内基梅隆大学）
通过引入随机化方法，提升依赖情况下多重检验的效能，改进FDR控制和置信区间推断的算法性能。
2025-12-12 stat.ME
Optimal exact tests for multiple binary endpoints
在小样本量的确证性临床试验中，基于渐近分布的假设检验往往是无效的，而应用精确的非参数程序。然而，后者是基于离散的检验统计量，可以变得非常保守，甚至更是如此，如果调整为多重检验的Bonferroni校正应用。我们提出了改进的确切的多重检验程序的设置，其中两个平行组进行比较，在多个二元终点。基于Fisher精确检验的检验统计量的联合条件分布，构造了相交假设检验的最优拒绝域。为了有效地搜索大空间的可能拒绝区域，我们提出了一种基于约束优化和整数线性规划的优化算法。取决于优化目标，最佳测试在特定备选方案下产生最大功率、标称第一类错误率的最大耗尽或控制第一类错误率的最大可能拒绝区域。应用封闭测试原理，我们构建了优化的多重检验程序，具有很强的家族错误率控制。此外，我们提出了一个贪婪算法的近最优测试，这是计算效率更高。我们在数值上比较了优化程序与其他方法的无条件功率，并通过罕见疾病的临床试验示例说明了最佳测试。
2016-12-22 stat.ME
Multiple testing via successive subdivision
海因里希，巴赫和Kornmeier最近推出的顺序多重检验程序允许“放大”，从而确定区域与零假设的高度显着偏离。本注释的目的是以一般形式陈述此程序的同源，并证明其控制族系错误。两个可能的应用程序简要说明。
2009-04-30 stat.ME
Bootstrap test procedure for variance components in nonlinear mixed effects models in the presence of nuisance parameters and a singular Fisher Information Matrix
针对非线性混合效应模型中方差分量检验的边界和Fisher信息矩阵奇异问题，提出收缩参数Bootstrap程序，该程序一致且易于应用，模拟显示小样本性能优于渐近方法且更稳健。
2024-05-24 stat.ME
Bonferroni-based gatekeeping procedure with retesting option
在复杂的临床试验中，多个研究目标通常根据其固有的层次关系分组为多个目标集。因此，为解决这些目标而制定的假设被分组为有序的假设家族，从而以预定义的顺序进行测试。在本文中，我们介绍了一种新的Bonferroni为基础的多重检验过程测试层次有序的家庭的假设。建议的程序允许家庭进行连续测试一次以上更新的局部临界值。证明了在任意依赖条件下，该算法能够强有力地控制全局族错误率。使用两个例子来说明该过程的实施。最后，该程序扩展到测试多个家庭的假设与一个复杂的两层层次结构。
2016-11-10 stat.AP stat.ME
Multiple testing procedures under confounding
虽然多重检验程序一直是许多统计研究的焦点，但问题的一个重要方面是如何处理可能的混杂。遗传学和统计学的作者已经开发了程序。在本章中，我们将介绍这些建议。我们提出了两个新的多重检验方法在这个框架内。第一种方法将敏感性分析方法与错误发现率估计方法相结合。第二个涉及利用混合模型进行多重检验的收缩估计的建设。说明与应用程序的基因表达谱实验在前列腺癌的程序。
2008-05-15 math.ST stat.ME stat.TH
A New Procedure for Controlling False Discovery Rate in Large-Scale t-tests
研究了大规模多重测试问题中的错误发现率控制问题。本文首先提出了一种新的数据驱动检验方法，用于控制单样本均值问题大规模t检验中的FDR。无论检验次数或样本量如何，当总体是对称的时，所提出的方法在有限样本设置中实现了精确的FDR控制。与现有的自举方法FDR控制相比，所提出的方法是计算效率。我们表明，所提出的方法可以控制FDR渐近不对称的人口，即使检验统计量是不独立的。我们进一步表明，所提出的程序与一个简单的校正是准确的自举方法的二阶度，可能是更有效的比现有的正常校准。我们将所提出的方法推广到双样本均值问题.实验结果表明，所提出的程序有更好的FDR控制比现有的真实的替代假设的比例不太低，同时保持合理的良好的检测能力。
2020-02-28 math.ST stat.ME stat.TH
A Multiple kernel testing procedure for non-proportional hazards in factorial designs
Otto-von-Guericke University Magdeburg（马格德堡奥托·冯·格里克大学）；Universidad Adolfo Ibáñez（阿道夫·伊巴涅斯大学）；Universidad de Valparaíso（瓦尔帕莱索大学）
在本文中，我们提出了一个多核测试程序来推断生存数据时，几个因素（如不同的治疗组，性别，病史）和他们的相互作用是同时感兴趣的。我们的方法是能够处理复杂的数据，可以被看作是一种替代无所不在的Cox模型时，假设，如比例不能证明。我们的方法结合了生存分析，机器学习和多重检验的知名概念：不同加权对数秩检验，核方法和多重对比检验。通过这种方式，可以检测到超出经典比例风险设置的复杂风险替代方案。此外，通过充分利用单个测试过程的依赖结构来进行多重比较，以避免功率损失。总之，这导致了一个灵活的和强大的程序因子生存设计的理论有效性证明了鞅参数和$V$ -统计理论。我们评估我们的方法在一个广泛的模拟研究的性能，并说明它通过一个真实的数据分析。
2022-06-15 cs.LG stat.ME
A New Approach for Large Scale Multiple Testing with Application to FDR Control for Graphically Structured Hypotheses
在许多大规模的多重检验应用中，假设通常具有已知的图形结构，例如基因表达数据中的基因本体。在多重检验程序中利用这种图形结构可以提高功效并有助于解释。然而，将该结构结合到大规模测试过程中并证明诸如错误发现率（FDR）的错误率是受控的可能是具有挑战性的。在本文中，我们介绍了一种新的通用方法，大规模的多重检验，它可以帮助开发新的程序，在各种设置与证明控制所需的错误率。这种方法对于开发FDR控制程序特别有用，它被简化为开发每族错误率（PFER）控制程序的问题。具体来说，对于有向无环图（DAG）结构的假设检验问题，利用一般方法，在假设独立的前提下，首先设计了一个特定的PFER控制过程，然后在此基础上设计了一个新的FDR控制过程，该过程能够在被拒绝的假设中保持所需的DAG结构.通过一个小的模拟研究和一个真实的数据分析，我们说明了良好的性能，提出的FDR控制程序的DAG结构的假设。
2018-12-01 math.ST stat.ME stat.TH
Efficiency combined with simplicity: new testing procedures for Generalized Inverse Gaussian models
广义逆高斯（GIG）族（也称为Hüssen Type A族）中的标准有效检验过程是似然比检验，因此依赖于GIG的三个参数的极大似然（ML）估计。GIG密度的特殊形式，涉及修改的贝塞尔函数，防止一般从ML估计，这是在复杂的数值逼近方法的代价获得的封闭形式的表达。相反，矩量法（MM）估计允许简洁的表达式，但测试的基础上，这些估计遭受缺乏效率相比，似然比检验。这就是为什么近年来，ML和MM估计之间的权衡已经被提出，导致更简单但不完全有效的估计和测试。在本文中，我们没有提出这样的权衡，而是两种方法的最佳组合，我们的测试继承效率从ML样的建设和简单性的滋扰参数的MM估计。这一目标将通过从一个新的角度，即通过Le Cam方法来解决问题来实现。除了提供简单有效的测试方法外，该方法的理论背景还允许我们为测试写出显式的功率表达式。蒙特卡罗模拟研究表明，在小样本量下，我们的简单程序至少与复杂的似然比检验一样好。最后，我们将我们的研究结果应用于两个真实的数据集。
2013-12-24 math.PR stat.ME
An Asymptotically Exact Multiple Testing Procedure under Dependence
提出一种单步多重检验程序，在等相关的多元高斯设定下利用显式插入估计量渐近精确控制族错误率，无需逐步调整，并验证了其理论性质与模拟有效性，同时扩展至块相关结构和广义FWER控制。
2025-08-13 math.ST stat.ME stat.TH
Closure properties of classes of multiple testing procedures
统计发现往往是通过多重假设检验获得的。存在各种程序来评估多个假设，例如Benjamini-Hochberg，Bonferroni，Holm或Sidak的假设。我们特别感兴趣的是多个测试程序与两个所需的属性：（仅）单调和行为良好的程序。本文探讨在何种程度上的类（单调或良好的行为）多个测试程序，特别是所谓的步升和步降程序的子类，是封闭的基本集合操作，特别是工会，交叉，差异和补充组拒绝或非拒绝的假设。本文证明了两个主要结果：第一，取任意（单调的或良好行为的）多个测试程序的并或交，得到单调但不良好行为的新程序，而取其补或差一般都不保持这两个性质。第二，这两类（单调的或良好的）步升和步降过程在取并或交时是封闭的，但在取补或差时不是封闭的。
2017-04-30 math.ST stat.TH
An improved nonparametric test and sample size procedures for the randomized complete block designs
针对随机完全区组设计中Friedman检验卡方近似偏保守、准确性随处理数下降的问题，提出Friedman统计量的F变换及对应近似分布，推导显式功效函数，经理论与实证验证其在第一类错误率和功效计算上更优。
2025-03-21 math.ST stat.ME stat.TH
A novel finite-sample testing procedure for composite null hypotheses via pointwise rejection
University of Kansas（堪萨斯大学）
本文提出了一种针对复合零假设的新型有限样本检验方法，通过点拒绝和膨胀显著性水平实现更准确的推断。
2026-10-09 math.ST stat.ME stat.TH
Multiple Hypothesis Tests Controlling Generalized Error Rates for Sequential Data
$γ$ -FDP和$k$ -FWER多重检验误差度量（它们是相应误差统计的尾部概率）作为FDR和FWER的较不严格的替代方案近来已经变得流行。我们提出了通用和灵活的步升和步降程序，用于测试多个假设的顺序（或流）数据，同时控制I型和II型版本的$γ$ -FDP，或$k$ -FWER。无论数据流之间的依赖性如何，错误控制都是有效的，数据流可以是任意大小和形状的。所有需要的是用于控制传统的I型和II型错误概率的每个数据流的检验统计量，并且不需要关于统计量或数据流的联合分布的信息或假设。这些程序可与顺序、成组顺序、截断或其他采样方案一起使用。我们给出了程序实现的建议，包括在一些常见的测试情况下所需的临界值的封闭形式的表达式。建议的顺序程序进行了比较，彼此和可比的固定样本量程序的背景下，强正相关的高斯数据流。对于该设置，我们得出结论，在预期样本量方面，步进和步进顺序程序均比固定样本程序节省了大量时间，对于$γ$ -FDP对照，步进程序的性能略好于步进程序，但始终优于步进程序，对于$k$ -FWER对照，关系相反。
2016-12-19 math.ST stat.ME stat.TH
Specification tests in semiparametric transformation models - a multiplier bootstrap approach
我们考虑半参数转换模型，其中在响应的参数转换的预估计之后，通过非参数回归对数据进行建模。我们建议随后的程序，用于测试缺乏拟合的回归函数和协变量的意义，这-相反，从文献中的程序-渐近不受预估计的转换。检验统计量是渐近关键的，并且具有与无变换回归模型相同的渐近分布。我们证明了乘数引导程序的有效性，这是更容易实现和更少的计算要求比引导程序的转换模型的基础上。在模拟研究中，我们证明了优越的性能的程序相比，从文献中的竞争对手。
2019-01-24 math.ST stat.ME stat.TH
Validation of credit default probabilities via multiple testing procedures
我们应用多重检验程序来验证信用评级系统中估计的违约概率。我们的目标是确定评级类别的违约概率估计不准确，同时仍然保持一个预定义的水平，犯第一类错误的家庭的错误率（FWER）和错误发现率（FDR）的测量。对于FWER，我们还考虑采取可能的离散数据的程序。考虑检验统计量。这些方法的性能示出在模拟设置和经验的默认数据。
2010-06-25 q-fin.ST stat.AP
A discrete modification of the Benjamini-Yekutieli procedure
Benjamini-Yekutieli过程是一种多重检验方法，其控制在$p$值的任意依赖下的错误发现率。当检验统计量是离散的情况下，提出了一个修改的这个和相关的程序。结果表明，考虑离散性可以改善已知的程序。在药物警戒数据和模拟研究中评价了这一新程序的性能。
2016-12-14 math.ST stat.AP stat.ME
Asymptotically Optimal Sequential Multiple Testing Procedures for Correlated Normal
本研究针对现有多重检验未覆盖相关数据流序贯框架的空白，在等相关高斯序贯均值检验场景下提出序贯检验程序，证明其在错误概率趋近于0时渐近达到最优期望样本量，且调整临界值后对多种多重检验错误度量均具渐近最优性。
2025-03-20 math.ST stat.ME stat.TH
A Scan Procedure for Multiple Testing
在多重检验框架中，我们提出了一种方法，该方法识别具有最高估计错误发现率的P值的区间，并拒绝相应的零假设。与Benjamini-Hochberg方法不同的是，该方法做同样的事情，但在原点处有一个端点的区间上，新程序“扫描”所有区间。在并行与\citep*{storey2004strong}，我们表明，这种扫描过程提供了强大的控制渐近错误发现率。此外，我们研究了它的渐近假不发现率，推导出的条件下，它优于Benjamini-Hochberg过程。例如，在幂律定位模型中，扫描过程是优越的。
2018-08-02 math.ST stat.TH
A New Step-down Procedure for Simultaneous Hypothesis Testing Under Dependence
本文考虑了当单个检验统计量不一定独立时的假设的同时检验问题。具体地说，我们考虑的问题，同时测试点零假设对双边的替代品的平均参数的正态分布随机变量。我们假设有条件地给定均值向量，这些随机变量共同遵循具有已知但任意的协方差阵的多元正态分布。我们考虑一个贝叶斯框架，其中每个未知的平均参数是通过两个组件的“尖峰和平板”混合先验建模。这样，无条件地，检验统计量共同具有多元正态分布的混合。利用检验统计量之间的相关性，提出了一种新的检验方法。这个过程足够通用，可以应用于非正态数据。一个决策理论的理由，有利于所提出的测试程序已被证明，不像许多传统的p值为基础的逐步程序，这种新方法具有一定的“凸属性”，这使得它允许相对于一个向量风险函数，捕捉风险的个人测试问题。提出的检验统计量的另一种表示也已建立，从而大大简化了计算复杂性。它表明，通过广泛的模拟，对于各种形式的依赖和广泛的稀疏性水平，所提出的测试程序相比，相当有利的几个现有的多个测试程序在文献中提供的整体误分类概率。
2018-07-15 math.ST stat.TH
New testing procedures for Structural Equation Modeling
我们介绍和评估一类新的假设检验程序的时刻结构。该方法在弱假设下是有效的，包括著名的Satorra-Bentler平差作为特例。建议的程序也适用于嵌套模型之间的差异检验。我们证明了我们方法的一致性。我们引入了一个自举选择机制，为给定的样本最佳地选择一个p值近似。此外，我们提出了自举程序评估的渐近稳健性（AR）的正常理论的最大似然检验，并为关键假设的Satorra-Bentler调整（Satorra-Bentler一致性）。模拟研究表明，我们的新的p值近似执行良好，即使在严重的非正态性和现实的样本量，但我们的测试AR和Satorra-Bentler一致性需要非常大的样本量工作良好。
2016-10-07 math.ST stat.TH
A random-projection based procedure to test if a stationary process is Gaussian
在本文中，我们解决的统计问题的测试，如果一个平稳的过程是高斯。观察结果存在于过程的有限样本路径中。使用Cuesta-Albertos等人2007年在函数数据拟合优度检验框架中引入和研究的随机投影技术，我们执行一些决策规则。这些规则实际上是基于过程的整个分布，而不仅仅是基于过程的边缘分布。其主要思想是检验过程的随机线性组合的边缘分布的高斯性。这导致了一致的决策规则。一些数值模拟表明我们的方法的相关性。
2009-11-18 math.ST stat.ME stat.TH
