異分散エラーを持つ多重検定のための経験ベイズ法

Research Paper#Statistics, Machine Learning, Multiple Testing, Empirical Bayes🔬 Research|分析: 2026年1月3日 08:52•
公開: 2025年12月31日 04:02
•
1分で読める
•ArXiv

分析

本論文は、異分散を持つ多重検定問題に対する新しい経験ベイズ法、gg-Mixを提案しています。既存の方法によくある制約的な仮定を緩和することが主な貢献であり、FDR制御と検出力の向上につながります。この方法の性能はシミュレーションと実世界のデータアプリケーションを通じて検証され、その実用的な利点が示されています。
引用・出典
原文を見る
"gg-Mix assumes only independence between the normal means and variances, without imposing any structural restrictions on their distributions."
A
ArXiv2025年12月31日 04:02
* 著作権法第32条に基づく適法な引用です。
古い記事

Hallucinations in code are the least dangerous form of LLM mistakes

新しい記事

Reinforcement Learning-Augmented LLM Agents for Collaborative Decision Making and Performance Optimization

関連分析

Research Paper

SpaceTimePilot：空間と時間の制御による生成ビデオレンダリング

2026年1月3日 06:10

Research Paper

量子カオスハミルトニアン進化におけるランダム性生成

2026年1月3日 06:10

Research Paper

GaMO：幾何学認識拡散を用いた疎視点3D再構成

2026年1月3日 06:32

原文: ArXiv