通往显著之路

上文《从检验到瞎编》介绍了统计检验的基本方法。并引出了多重比较校正的概念和经典的FWE校正方法，本文将介绍另一种多重比较校正方法。

之前介绍的FWE多重比较校正方法过于“严格”，导致一旦涉及多重比较问题，我们得到的样本很难得到显著的结果。

经过对数变换可得

由对数函数与线性函数，在点的对应关系可知有如下近似关系

可知，我们可以近似的认为，当进行次多重比较时，我们可以近似地认为校正后的值为值的。

它通常都让人绝望地小。也就是说，FWE校验在数值上过于严格了。

既然我们必须坚信，FWE校验过于严格，我们就必须找到它过于严格的原因。

强辞夺理的我们当然不是缺借口的。重新考虑多重比较的源头

在这里，我们其实已经假定了，所有参与比较的样本值犯第一类错误的概率都是。

这里我们就要提出一个问题：

TMD凭什么？

事实上，对于前个可能并不“平凡”的样本，我们犯第一类错误的综合概率，应该用下式计算

其中，个值分别代表这些样本的第一类错误概率值。这些值是按从小到大的顺序进行排序的。

根据以上分析，我们可以提出False Detection Rate^[1]校验方法。

该方法遵循该方程

其中，值是动态变化的，沿每个待比较样本的值，按从小到大的顺序依次进行计算。直到大于为止。

可以看到，当有一个较小的值存在的情况下，可以容许较大的值通过校验，只要其综合第一错误概率水平不超过阈值即可。

[1]

False Detection Rate: https://www.publichealth.columbia.edu/research/population-health-methods/false-discovery-rate