具有超均匀性奖励的在线多重检验
统计方法学
2023-01-16 v2
摘要
有效的在线推断是当代多重检验研究中的重要问题，近来已提出多种解决方案。众所周知，若零假设 p 值为保守的，这些现有方法会遭受显著的效能损失。本文扩展先前引入的方法论，以获得针对超均匀分布 p 值情形的更具效能的过程。这类 p 值出现在重要场景中，例如执行离散假设检验或对 p 值进行加权时。为此，我们引入超均匀性奖励（SUR）方法，其融合了关于各个零累积分布函数的信息。我们的方法产生若干新的“受奖励”过程，相较已知过程提供均匀的效能改进，并带有用于控制基于族错误率（FWER）或边际错误发现率（mFDR）的在线错误准则的数学保证。我们通过真实数据分析和仿真研究说明了超均匀奖励的益处。尽管离散检验是我们的主要示例，我们也展示了本方法如何应用于加权 p 值。
引用
@article{arxiv.2110.01255,
title = {Online multiple testing with super-uniformity reward},
author = {Sebastian Döhler and Iqraa Meah and Etienne Roquain},
journal= {arXiv preprint arXiv:2110.01255},
year = {2023}
}