Schrab 等发表交换性下统计证据聚合论文,改进 Bonferroni 保守校正
_onionesque · x · 2026-10-30
Antonin Schrab、Rajen Shah、Arthur Gretton 与 Ilmun Kim 在 arXiv 发布论文《Aggregation of Statistical Evidence under Exchangeability》(arXiv:2607.15823,97 页)。
论文研究在未知且可能复杂的依赖结构下聚合统计证据:基于置换构造把变换后的数据集视为可交换单元,先在每个变换数据集内聚合各统计量的证据,再跨变换进行校准。核心结果包括:
- 单批聚合(用同一组变换数据集同时做标准化与校准)的临界值一致优于 Bonferroni 等任意依赖下有效的确定性校准,且能自适应未知依赖结构;
- 给出有限样本功效与自适应性理论;
- 扩展到序贯 alpha-spending 版本(证据强时可提前拒绝)与两批版本(分离标准化与校准,支持学习型聚合规则并降低计算量);
- 应用于自适应非参数检验与 conformal prediction,可锐化现有聚合方法。
xonionesque 评价称,该方法通过共享置换组合相依检验,避免了 Bonferroni 校正的过度保守,同时依靠可交换性保证有限样本错误率控制。
所属事件:新统计方法用共享置换聚合相依检验避免过度保守(2 条相关)→
「研究」频道最新
- Epoch 数据：芯片能效年升 40%，AI 算力与电力缺口持续拉大 — teortaxesTex · 2026-10-30
- Soft-MTP 论文:一行代码修复多 token 预测梯度缺陷,全尺度免费涨点 — pmttyji · 2026-10-30
- Vicki Boykis DataPhilly 演讲：ONNX 推理下的检索与排序实践 — vboykis · 2026-10-30
- 6299 队中夺第 9：智能体读 MRI 写标签征战 Kaggle 膝关节异常检测 — kagglingdieter · 2026-10-30
- Meta 发布 RoboJEPA：8B 参数机器人世界模型首建缩放律 — apsarathchandar · 2026-10-30
- 读 57 篇论文总结:多伦多大学称 harness 设计可造成 6 倍性能差 — Marmelab · 2026-10-30