错误发现比例的渐近不确定性
统计理论
2022-07-05 v1 统计理论
摘要
多重检验一直是统计研究中的热门话题。尽管已有大量工作，但当相应的检验统计量相关时，控制错误发现仍然是一项具有挑战性的任务。人们已提出多种方法来估计检验统计量任意相关下的错误发现比例（FDP）。其主要思想之一是将任意相关化简为弱相关，进而在理论上建立弱相关下 FDP 与错误发现率（FDR）的强相合性。由此，在弱相关框架下 FDP 共享相同的渐近极限。然而，我们观察到，即便检验统计量仅弱相关，FDP 的渐近方差仍可能严重依赖于其相关结构；量化这种变异性具有重要的实用价值，因为它可作为给定数据下 FDP 估计质量的指示量。据我们所知，文献中这方面的研究仍然有限。本文首先在温和正则条件下导出 FDP 的渐近展开，继而从理论与数值两方面考察不同相关结构下 FDP 渐近方差的变化。基于本研究的观察，我们建议在由 FDP 过程执行的多重检验中，同时报告 FDP 的均值与方差估计，以丰富研究结论。
引用
@article{arxiv.2207.00926,
title = {Asymptotic Uncertainty of False Discovery Proportion},
author = {Meng Mei and Tao Yu and Yuan Jiang},
journal= {arXiv preprint arXiv:2207.00926},
year = {2022}
}