网络上大规模多重检验的渐近方法

本研究致力于开发用于网络上大规模多重检验的通信与计算高效方法，这在许多实际应用中备受关注。我们采用渐近方法，提出了两种针对分布式环境的定制方法：比例匹配与贪婪聚合。比例匹配方法达到了全局 BH 性能，却仅需在各个节点一次性通信（估计的）真实零假设比例以及 p 值的数量。通过聚焦渐近最优功效，我们超越 BH 步骤，给出了渐近最优解的显式刻画。这导出了贪婪聚合方法，该方法在每个节点上有效逼近最优拒绝域，而计算效率则自然源于贪婪型方法。此外，对两种方法我们都给出了 FDR 与功效的收敛速率。我们提供了多种挑战性设置下的广泛数值结果以支持我们的理论发现。