論文の概要: Finite Resources False Discovery Rate Control in Structured Hypothesis Spaces

• arxiv url: http://arxiv.org/abs/2606.15393v1
• Date: Sat, 13 Jun 2026 16:56:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.547385
• Title: Finite Resources False Discovery Rate Control in Structured Hypothesis Spaces
• Title（参考訳）: 構造的仮説空間における有限資源False発見率制御
• Authors: Binyamin Perets, Shie Mannor,
• Abstract要約: 各仮説が有限個のヌル引き数で証明された場合にのみ、偽発見率を制御するための枠組みを提案する。 構造的ミス特定に頑健な2つの決定ルールを提示するが、正確なFDR制御と統計的パワーの間には明確なトレードオフを提供する。
• 参考スコア（独自算出の注目度）: 47.16593717985932
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific discovery relies on large-scale hypothesis testing. However, the capacity to identify true discoveries while controlling false discovery faces major challenges: obtaining relevant reference data (the null distribution) is resource-intensive, leaving finite-data uncertainty, and the procedure should account for the inherent structure in the hypothesis space, when such structure exists. Here, we present a framework for controlling the false discovery rate both when each hypothesis is evidenced only by a finite count of null draws, leaving its p-value uncertain, and when the hypothesis space carries arbitrary structure, requiring only that the structure be represented through a suitable reproducing kernel. We present two decision rules that are both robust to structural mis-specification, yet offer a distinct trade-off between exact FDR control and statistical power. The first rule guarantees exact FDR control; the second maximizes power by adapting mirror-statistic control into count space, utilizing an analytical framework to assess FDR control when exact mirror symmetry is relaxed. Furthermore, the tractability gained by the RKHS framework allows us to directly investigate finite-data uncertainties, which we leverage to suggest a policy for the efficient allocation of null distribution samples.
• Abstract（参考訳）: 科学的発見は大規模な仮説テストに依存する。 関連する参照データ(ヌル分布)を取得することは資源集約であり、有限データの不確実性を残し、そのような構造が存在する場合、その手順は仮説空間の固有の構造を考慮すべきである。 ここでは、各仮説が有限個のヌルドローによってのみ証明され、その p-値が不確定な場合と、仮説空間が任意の構造を持つ場合と、その構造が適切な再生カーネルを通して表現されることを条件として、偽発見率を制御するための枠組みを提案する。 構造的ミス特定に頑健な2つの決定ルールを提示するが、正確なFDR制御と統計的パワーの間には明確なトレードオフを提供する。 第1のルールは、正確なFDR制御を保証し、第2のルールは、ミラー統計制御をカウント空間に適応させ、正確なミラー対称性が緩和されたときにFDR制御を評価する分析フレームワークを利用する。 さらに, RKHSフレームワークにより得られたトラクタビリティにより, 有限データの不確実性を直接的に調べることができる。

関連論文リスト

• MMD-Balls as Credal Sets: A PAC-Bayesian Framework for Epistemic Uncertainty in Test-Time Adaptation [0.0]
  テスト時間適応法は分布シフト時のモデル性能を向上させる。 テスト時間適応法は、シフトグレードと予測信頼性を接続する正式な保証を欠いている。 PAC-Bayesian framework yielding bounds explicit parameterized by the maximum mean discrepancy (MMD) between source and target distributions。
  論文  参考訳（メタデータ） (2026-05-20T22:22:20Z)
• Controlling False Discovery in Arbitrarily Structured Hypothesis Spaces via Reproducing Kernels [47.16593717985932]
  連続的なドメイン、グラフ、階層を1つのアルゴリズムで統一するフレームワークをカーネル選択のみで導入する。 FDR(False Discovery Rate)を制御するための2つの決定ルールを提供します。 本手法は,高次元実世界のデータセットから得られた空間的位置とタンパク質間相互作用グラフを用いた遺伝子発現タスクの2つの情報源で検証する。
  論文  参考訳（メタデータ） (2026-05-17T17:42:56Z)
• The Digital Twin Counterfactual Framework: A Validation Architecture for Simulated Potential Outcomes [0.0]
  Digital Twin Counterfactual Framework (DTCF) 五段階検証アーキテクチャは、シミュレーターが正しい反事実を生成できるという不当な主張を、観測可能なデータに対する偽証可能なテストに変換する。 分解は因果量から極端に検証されるものへと分離する。 共同因果関係の主張は明示的な前提付きとなる。
  論文  参考訳（メタデータ） (2026-04-01T19:04:15Z)
• LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
  大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。 我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。 本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
  論文  参考訳（メタデータ） (2025-12-01T11:27:09Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• 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)
• 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)

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。