論文の概要: Online multiple testing with e-values
- arxiv url: http://arxiv.org/abs/2311.06412v1
- Date: Fri, 10 Nov 2023 22:14:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 18:47:33.436497
- Title: Online multiple testing with e-values
- Title（参考訳）: e値を用いたオンライン多重テスト
- Authors: Ziyu Xu, Aaditya Ramdas
- Abstract要約: 科学者は、誤った発見の数を確実にコントロールしながら、できるだけ多くの発見をしたいと考えています。
オンライン設定におけるFDR制御の以前の方法は、各仮説のテスト統計の間に特定の依存構造が存在すると仮定した場合に、アルゴリズムの定式化に焦点が当てられていた。
我々のアルゴリズムであるe-LONDは、任意の、おそらく未知の依存下でFDR制御を提供する。
- 参考スコア（独自算出の注目度）: 37.0397290998274
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A scientist tests a continuous stream of hypotheses over time in the course
of her investigation -- she does not test a predetermined, fixed number of
hypotheses. The scientist wishes to make as many discoveries as possible while
ensuring the number of false discoveries is controlled -- a well recognized way
for accomplishing this is to control the false discovery rate (FDR). Prior
methods for FDR control in the online setting have focused on formulating
algorithms when specific dependency structures are assumed to exist between the
test statistics of each hypothesis. However, in practice, these dependencies
often cannot be known beforehand or tested after the fact. Our algorithm,
e-LOND, provides FDR control under arbitrary, possibly unknown, dependence. We
show that our method is more powerful than existing approaches to this problem
through simulations. We also formulate extensions of this algorithm to utilize
randomization for increased power, and for constructing confidence intervals in
online selective inference.
- Abstract（参考訳）: 科学者は、調査の過程で連続した仮説のストリームをテストする。彼女は所定の数の仮説をテストしていない。科学者は、偽の発見数の制御を確実にしつつ、可能な限り多くの発見を行おうとしている。これは、偽の発見率(FDR)を制御することである。
オンライン設定におけるFDR制御の以前の方法は、各仮説のテスト統計の間に特定の依存構造が存在すると仮定した場合に、アルゴリズムの定式化に焦点を当てていた。
しかし、実際には、これらの依存関係を事前に知ることも、その後にテストすることもできないことが多い。
我々のアルゴリズムであるe-LONDは、任意の未知のFDR制御を提供する。
シミュレーションにより,本手法は既存の手法よりも強力であることを示す。
また、このアルゴリズムの拡張を定式化し、ランダム化をパワー増加に利用し、オンライン選択推論における信頼区間を構築する。
関連論文リスト
- Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。
我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。
実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
論文 参考訳（メタデータ） (2024-04-04T11:32:03Z) - Sequential Predictive Two-Sample and Independence Testing [114.4130718687858]
逐次的非パラメトリック2サンプルテストと独立テストの問題点について検討する。
私たちは賭けによる(非パラメトリックな)テストの原則に基づいています。
論文 参考訳（メタデータ） (2023-04-29T01:30:33Z) - Sequential Kernelized Independence Testing [101.22966794822084]
我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。
シミュレーションデータと実データの両方にアプローチのパワーを実証する。
論文 参考訳（メタデータ） (2022-12-14T18:08:42Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳（メタデータ） (2022-11-17T15:48:06Z) - Sequential Permutation Testing of Random Forest Variable Importance
Measures [68.8204255655161]
そこで本研究では、逐次置換テストと逐次p値推定を用いて、従来の置換テストに関連する高い計算コストを削減することを提案する。
シミュレーション研究の結果、シーケンシャルテストの理論的性質が当てはまることを確認した。
本手法の数値安定性を2つの応用研究で検討した。
論文 参考訳（メタデータ） (2022-06-02T20:16:50Z) - SAFFRON and LORD Ensure Online Control of the False Discovery Rate Under
Positive Dependence [1.4213973379473654]
最も人気のあるオンライン手法には、アルファ投資、LORD++(以下、LORD)、SAFFRONなどがある。
これらの3つの手法は、修正された偽発見率(mFDR)のオンライン制御を提供することが示されている。
我々の研究は、SAFFRONとLORDが非負の依存下でFDRのオンライン制御を保証していることを示し、これらの結果を裏付けるものである。
論文 参考訳（メタデータ） (2021-10-15T15:43:24Z) - Online Control of the False Discovery Rate under "Decision Deadlines" [1.4213973379473654]
オンラインテスト手順は、一連の仮説テストを通して偽の発見の程度を制御することを目的としている。
提案手法は,テストの各段階での偽発見率(FDR)と,適応的に選択された停止時間を制御する。
論文 参考訳（メタデータ） (2021-10-04T17:28:09Z) - Dynamic Algorithms for Online Multiple Testing [38.45810475976042]
我々は、偽発見超越(FDX)を確実に制御するオンライン多重テストのための新しいアルゴリズムを導出する。
我々は, 様々な合成実験において, アルゴリズムが高い出力を達成することを実証した。
SupLORDは、私たちの知る限り、オンライン設定の時間停止時にFDRを制御できる最初の非自明なアルゴリズムです。
論文 参考訳（メタデータ） (2020-10-26T23:41:54Z) - PAPRIKA: Private Online False Discovery Rate Control [27.698099204682105]
サンプルの差分プライバシーの制約の下で, 仮説テストにおけるFalse Discovery Rate (FDR) の制御について検討した。
我々は、非プライベートなオンラインFDR制御における最先端の結果に基づく新しいプライベートアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-02-27T18:42:23Z) - Independence Testing for Temporal Data [14.25244839642841]
根本的な問題は、2つの時系列が関連しているかどうかである。
既存のアプローチには、パラメトリックな仮定に依存するような制限があることが多い。
本稿では,時間的データ間の独立性をテストするブロック置換を用いた時間的依存統計法を提案する。
論文 参考訳（メタデータ） (2019-08-18T17:19:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。