1. Bonferroni 矯正：
原理：將顯著性水平（α）除以檢驗(yàn)的數(shù)量 m。每個(gè)檢驗(yàn)的閾值為α/m。這種方法簡(jiǎn)單，但在檢驗(yàn)數(shù)量較多時(shí)可能過(guò)于保守。
2. Holm-Bonferroni 方法：
原理：對(duì) p 值進(jìn)行排序，并逐個(gè)檢驗(yàn)。第 i 個(gè) p 值的顯著性水平為 α/(m?i+1)。與 Bonferroni 方法相比，它更加靈活，減少了對(duì)顯著性水平的過(guò)度保守。
3. False Discovery Rate (FDR) 控制方法
FDR（錯(cuò)誤發(fā)現(xiàn)率，F(xiàn)alse Discovery Rate）指的是在多個(gè)假設(shè)檢驗(yàn)中，被錯(cuò)誤拒絕的零假設(shè)所占的比例。具體來(lái)說(shuō)，它衡量的是在所有被認(rèn)為顯著的結(jié)果中，實(shí)際上是錯(cuò)誤的結(jié)果所占的比例。
舉例：比如有1000個(gè)統(tǒng)計(jì)檢驗(yàn)，其中800個(gè)檢驗(yàn)是顯著的，但實(shí)際上真正顯著的只有700個(gè)，有100個(gè)是錯(cuò)誤的發(fā)現(xiàn)，則FDR = 1/8
一般用Benjamini-Hochberg (BH) 方法:
進(jìn)行m個(gè)假設(shè)檢驗(yàn)，得到m個(gè) p 值
將 p 值按從小到大排列
設(shè)定期望的假發(fā)現(xiàn)率（FDR）水平 α，通常是 0.05
對(duì)于排序后的p值，計(jì)算其對(duì)應(yīng)的閾值。例如對(duì)于第i個(gè)p值，閾值為 i/m×α
對(duì)排序后的每個(gè)p值及其對(duì)應(yīng)閾值進(jìn)行比較，小于閾值的認(rèn)為是顯著
FDR與p值的相互轉(zhuǎn)換
為了在同一閾值下控制FDR，可以對(duì)每個(gè)p值計(jì)算其對(duì)應(yīng)q值：qi = pi * m/i，再將q值與α進(jìn)行比較即可
