异方差误差下多重检验的经验贝叶斯方法

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

分析

本文介绍了一种新的经验贝叶斯方法gg-Mix，用于解决具有异方差的多个检验问题。关键贡献在于放宽了现有方法中常见的限制性假设，从而提高了FDR控制和功效。该方法的性能通过模拟和实际数据应用进行了验证，证明了其在实践中的优势。
引用 / 来源
查看原文
"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
* 根据版权法第32条进行合法引用。
较旧

Hallucinations in code are the least dangerous form of LLM mistakes

较新

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

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv