面向鲁棒变量选择与多重检验的不确定性量化
统计理论
2021-09-24 v2 统计理论
摘要
我们研究识别“活跃”变量集合的问题，根据所追求准则的不同，文献中称之为“变量选择”或“多重假设检验”。针对非正态、可能相关的观测之一般鲁棒设定以及“活跃集”的广义概念，我们提出一种同时用于变量选择与多重检验两项任务的流程。该流程基于风险壳最小化方法，但也可作为经验贝叶斯方法或惩罚策略的结果得到。我们通过多种准则评估其质量：Hamming 风险、FDR、FPR、FWER、NDR、FNR，以及各种多重检验风险，例如 MTR=FDR+NDR；并讨论了结果的弱最优性。最后，我们首次在我们的鲁棒设定下引入并研究了变量选择与多重检验背景中的不确定性量化问题。
引用
@article{arxiv.2109.09239,
title = {Uncertainty quantification for robust variable selection and multiple testing},
author = {Eduard Belitser and Nurzhan Nurushev},
journal= {arXiv preprint arXiv:2109.09239},
year = {2021}
}