Mar, 2009

一种自适应的降步程序，在独立条件下证明了 FDR 控制

PDF
TL;DR本研究针对有限数量的假设，研究了一种自适应的步下过程，该过程源于 BH 线性步上过程对误发现率的重复使用，并利用临界常数 iq/[(m+1-i (1-q)]，其中 i=1,...,m。在对独立检验统计量的 FDR 控制下，我们证明了该步下程序在水平 q 处控制了 FDR，与其他两种 FDR 控制已经在独立性方面得到证明的程序相比，我们在独立性和 FDR 控制方面进行了数值比较。
adaptive step-down procedurefalse discovery ratefdr controlindependent test statisticsmodel selection procedure
发现论文，激发创造
  • 带有有限样本 FDR 控制的动态自适应多重检验

    本篇论文介绍了一种新的自适应多重检验方法，它依靠真空假设数量的估计，并控制有限样本大小下的误差发现率，其中采用了广义 Storey 估计和加权版本，结果发现相应的自适应上升和下降测试控制了 FDR，该结果还包括使用新的广义 Storey 估计器的数据相关加权的特定动态自适应阶梯测试。同时，本文也阐述了 Benjamini Hochberg（1995）定理的反转。

    Oct, 2014

  • 差分隐私假发现率控制

    该论文提出了第一个控制多重假设检验中的假阳性发现率的差分隐私程序，该程序基于 Benjamini-Hochberg 程序，并开发了一种新技术来证明一类多重检验过程的 FDR 控制。

    Jul, 2018

  • 私有假发现率控制

    本文提出了对于控制多重假设检验中假阳性发现率的差分隐私算法，并且在某些条件下基本没有损失。方法是通过对一种众所周知的 Benjamini-Hochberg 过程进行改进，使其每一步都是差分隐私的。同时，还开发了一种新的算法，称为 “top-k”，用于解决在隐私保护中的 “最受欢迎的 k 个爱好” 问题，并在不损失准确性的情况下提高算法速度。

    Nov, 2015

  • FDR 控制的两个简单充分条件

    通过两个耦合的简单充分条件，我们证明了对于多次检验过程的 FDR 控制。这使我们能够简单而统一地证明先前的结果，同时将其范围扩展到多个方面。

    Feb, 2008

  • 在线控制假发现率和假发现超限

    这篇论文研究了在线控制 FDR 的问题，提出了一种广义的 Alpha-investing 过程，并证明了在规定条件下其能控制 FDR 同时也能控制假阳性探查率，并进一步开发了一组修改版的程序，以控制异常假发现的问题。

    Mar, 2016

  • 关于虚警误报率控制的在线方法

    本文提出了两种在线控制多重假设检验中虚阳性比例期望和虚假发现数期望比例以及解决相关关联问题的方法 LOND 和 LORD, 并通过混合模型的下限对总发现率进行了比较，在合成数据和现实数据中表现良好，仅控制 mFDR 的 alpha-investing 规则、Benjamin-Hochberg 方法和 Bonferroni 程序与 LOND 和 LORD 相比。

    Feb, 2015

  • 通过随机过程方法实现假阳性发现控制

    该论文扩展了 Benjamini 和 Hochberg 的虚假发现率理论，提出了一种以虚假拒绝比例为随机过程的框架，并构建了整个虚假发现比例过程的置信区间，从中推导出置信阈值，控制虚假发现的数量以及量化虚假发现的分布。

    Jun, 2004

  • 通过控制假发现率适应未知稀疏性

    本文考虑了一种新的稀疏向量恢复方法，同时也提出了一种新型的假阳性控制，该方法不仅适用于多重检验，也能保证在包括模型选择在内的一些其他场景中对假阳性率进行控制，从而提高了模型的准确性和可靠性。

    May, 2005

  • 家族普通误差率的推广

    本文考虑了如何在 H_1 ... H_s 的多重检验问题中控制 1 个或更多假设错误的发现，提出使用控制 K 个或更多错误发现的 k-FWER 替代 FWER，并构建了相应的单步和分层程序以及控制误发现比率的两种方法。

    Jul, 2005

  • 隐私保证的自适应误发现率控制

    本文提供了一种不同 ially private AdaPT 控制方法，它可以在隐私保护下确切地控制经典的 FDR 指标，同时保证了误发现的小部分，其基于两个关键的 insights：1）一种新颖的 p 值转换方法，可以保护隐私和镜像保守性，2）一种镜像削皮算法，可以构建过滤和应用最优停止技术。

    May, 2023