Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:1204.4333

帮助 | 高级搜索

统计学 > 方法论

arXiv:1204.4333 (stat)
[提交于 2012年4月19日 ]

标题: 非重启CUSUM图和错误发现率的控制

标题: Non-Restarting CUSUM charts and Control of the False Discovery Rate

Authors:Axel Gandy, F. Din-Houn Lau
摘要: 累积和(CUSUM)图通常用于检测观察流中的变化,例如均值的偏移。 通常,在发出信号后,图表会通过将其设置为低于信号阈值的某个值来重新启动。 我们提出了一种非重启的CUSUM图,能够检测到流处于失控状态的时期。 此外,我们提倡一个上界以防止CUSUM图上升过高,这有助于检测回到受控状态的变化。 我们提出了一种新算法,在考虑基于多条数据流的CUSUM图时,可以逐点控制假发现率(FDR)。 我们证明了在两个同时定义的假发现下,FDR得到了控制。 模拟结果显示了在使用这两种定义以及其他理想的假发现定义时,FDR控制的差异。
摘要: Cumulative sum (CUSUM) charts are typically used to detect changes in a stream of observations e.g. shifts in the mean. Usually, after signalling, the chart is restarted by setting it to some value below the signalling threshold. We propose a non-restarting CUSUM chart which is able to detect periods during which the stream is out of control. Further, we advocate an upper boundary to prevent the CUSUM chart rising too high, which helps detecting a change back into control. We present a novel algorithm to control the false discovery rate (FDR) pointwise in time when considering CUSUM charts based on multiple streams of data. We prove that the FDR is controlled under two definitions of a false discovery simultaneously. Simulations reveal the difference in FDR control when using these two definitions and other desirable definitions of a false discovery.
评论: 10页,2图
主题: 方法论 (stat.ME)
引用方式: arXiv:1204.4333 [stat.ME]
  (或者 arXiv:1204.4333v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.1204.4333
通过 DataCite 发表的 arXiv DOI
期刊参考: Biometrika (2013) 100 (1): 261-268
相关 DOI: https://doi.org/10.1093/biomet/ass066
链接到相关资源的 DOI

提交历史

来自: Fatih Lau Mr [查看电子邮件]
[v1] 星期四, 2012 年 4 月 19 日 12:14:10 UTC (24 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2012-04
切换浏览方式为:
stat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号