依赖性与错误发现率：渐近性

过去十年中，人们付出了一些努力，旨在为在检验统计量相关时通过线性逐步向上过程（LSU）控制检验 $n$ 个假设的错误发现率提供条件。在本文中，我们研究了当 $n$ 趋于无穷大且检验统计量在零假设下可交换时，某些极端参数配置下的期望错误率（EER）和错误发现率（FDR）。所有结果均以 $p$ 值表示。在一般设置中，我们提出了一系列关于 Simes 拒绝曲线与 $p$ 值（极限）经验分布函数之间相互关系的结果。研究的主要对象是这些函数之间的最大（极限）交叉点，它们在推导 EER 和 FDR 的显式公式中起关键作用。作为具体示例，我们更详细地研究了等相关正态变量和 $t$ 变量，并从理论和数值上计算了极限 EER 和 FDR。如果这些模型趋于独立，会出现一种令人惊讶的极限行为。