详细内容或原文请订阅后点击阅览
Bonferroni 与 Benjamini-Hochberg：选择 P 值校正
多重假设检验、P 值和蒙特卡洛Bonferroni 与 Benjamini-Hochberg 的对比：选择 P 值校正首先出现在《走向数据科学》上。
来源:走向数据科学是一个敏感话题。也许最好在第一次见到统计学家时避免这样做。对这个主题的处理导致了一种默契，即 α = 0.05 是黄金标准——事实上，这是一个“方便的惯例”，是罗纳德·费舍尔 (Ronald Fisher) 自己制定的经验法则。
谁？不认识他？不用担心。
他是第一个引入最大似然估计（MLE）、方差分析和费舍尔信息（您可能已经猜到了）的人。费舍尔不仅仅是社区中的重要人物，也是统计学之父。他对孟德尔遗传学和进化生物学有着浓厚的兴趣，并为此做出了多项关键贡献。 不幸的是，费舍尔也有一段荆棘的过去。他参与了优生学协会及其为“弱者”自愿绝育的政策。
是的，世界上不存在著名的统计学家。
但是，统计学之父制定的经验法则有时会被误认为是法律，但其实它并不是法律。
有一个关键实例，您不仅被迫而且必须更改此 alpha 水平，而这一切都归结为多重假设检验。
在不使用 BonferroniCorrection 或 Benjamini-Hochberg 过程的情况下运行多个测试是非常有问题的。如果没有这些更正，我们可以证明任何假设：
H₁：太阳是蓝色的
只需重新运行我们的实验，直到幸运降临。但这些修正是如何发挥作用的呢？您应该使用哪一个？它们不可互换！
P 值和问题
要理解原因，我们需要看看 p 值到底告诉我们什么。理解得更深，小则好，大则坏。但要做到这一点，我们需要进行一项实验，而没有什么比发现超重元素更令人兴奋或更有争议的了。
这些元素非常不稳定，是在粒子加速器中产生的，一次一个原子。按磅计算，这是有史以来生产的最昂贵的东西。仅存在于超新星等宇宙事件中，仅持续千分之一或百万分之一秒。
\[
\]