文章提出了一种简单单步多重检验方法，能够在等相关的多元高斯设定下渐近精确地控制家族误差率(FWER)。该方法通过显式插件估计器处理等相关性，无需逐步调整。研究建立了该方法的理论性质，包括误差水平收敛性，并通过仿真验证了其有效性。文章还探讨了该方法在块相关结构和广义FWER控制中的扩展应用。
现代科学数据收集技术的进步使得大规模依赖数据集的分析成为可能。然而，观测数据间的内在依赖性给经典统计推断工具带来了新的挑战。多重检验问题中，如何在保持合理检验效能的同时控制整体I类误差，已成为统计学的核心难题之一。
研究考虑n个观测值的等相关高斯模型，其中每个观测值服从正态分布，且任意两个观测值间的相关系数为ρ。检验问题设定为对每个均值参数进行单边检验。
提出了一种基于共同临界值的单步检验方法。当相关系数ρ已知时，临界值函数包含标准正态分位数和相关系数的显式表达式。理论证明该程序在全局零假设下能渐近精确控制FWER。
研究建立了该方法的关键理论结果：当真实零假设比例存在正极限时，程序能保持渐近精确性。对于未知相关系数的情况，提出了基于数据配对的估计量，并证明了其相合性。
将基本方法推广到块相关结构，设计了分块检验程序。同时研究了广义FWER控制问题，证明了该方法对固定k和适当增长的k_n序列都能保持渐近控制。
通过大规模模拟验证了理论结果。实验表明，随着样本量增加，FWER能稳定收敛到目标水平α，且相关系数越大收敛速度越快。未知相关系数情况下的模拟结果同样支持理论结论。