任意相依结构下的p值合并问题研究(王彬)

2021-12-29 | 撰稿: | 浏览:

       p值合并问题是研究合并不同来源的统计信息,以进行统计决策的方法,是统计学中的一个重要问题,并广泛应用于多重假设检验领域。相依结构未知情形下的p值合并问题是统计学理论研究的难点与热点,也是实际数据分析的迫切需求。但传统假设检验中的统计决策通常依赖于一些简化的相依性假设,因此理论上没有I类错误率的保证。我们关注在任意环境下均能保证p值功能的前提下,让性能(统计效力)达到最优的合并方法。
       这项工作首次系统性地研究了在任意相依结构下,p值合并函数的极小性及控制结构。这项工作研究了满足极小性的p值合并函数的对偶表示方法,给出了合并函数满足极小性的一个必要条件;同时提出新的p值合并理论,利用相依结构中的联合混合等技术方法,以及转化e值的思路,给出了两类新的满足极小性的p值合并函数;基于这些结果,严格改进了Hommel的经典p值合并函数以及幂平均合并等经典p值合并方法,使其满足极小性并且具有更强的统计效力。
       这项工作是由中科院数学与系统科学研究院的王彬与英国伦敦大学、加拿大滑铁卢大学合作完成,相关成果已被统计学顶级期刊Annals of Statistic接收并在线发表。
       Vovk, V., Wang, B. & Wang, R. (2021+)
       Admissible ways of merging p-values under arbitrary dependence. 
       Annals of Statistics, to appear.
 
       https://imstat.org/journals-and-publications/annals-of-statistics/annals-of-statistics-future-papers/ 
       https://www.e-publications.org/ims/submission/AOS/user/submissionFile/48668?confirm=ae803403

科研进展中国科学院数学与系统科学研究院应用数学研究所
地址 北京市海淀区中关村东路55号 思源楼6-7层 南楼5-6、8层 100190
@2000-2022 京ICP备05058656号-1