研究人员开发了一种新颖的方法，可以在大规模假设检验中校准统计声明，而无需标记数据。该方法借鉴了概率预测的思路，但将其应用于地面真实情况从不揭示的场景，例如多重检验。通过从排序的p值构建伪标签，该方法可以进行随机评估和间接建立校准，有可能提高错误概率的可靠性，特别是对于在心理学和神经科学文献调查中发现严重校准错误的q值等度量。 AI
影响 这项研究为分析大型数据集提供了一个新的统计框架，有可能提高依赖假设检验的领域（包括AI研究）的发现可靠性。
排序理由 该集群包含一篇详细介绍新统计方法的学术论文。
- arXiv
- Empirical Bayes with a changing prior
- False Discovery Rates Theory and Applications to DNA Microarrays
- Neuroscience
- Probabilistic forecasting
- Psychology
- P-Values
- Q value
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
