您通常应该以某种方式解决多重测试的问题。然而，这并不意味着 Bonferroni 在所有情况下都是最好的方法。不同的方法处理不同的错误率，正确的方法取决于测试的目标和犯 I 类错误的后果。试试这篇论文：

弗兰恩，AV（2015 年）。计划假设检验不一定免于多重性调整。研究实践杂志，11（1）。可从http://jrp.icaap.org/index.php/jrp/article/view/514/417获得

Bonferroni 校正是一种非常保守的假设检验方法。对于次测试，它需要的 p 值，其中是您的显着性水平。这保证了您通过纯机会获得阳性的概率保持在以下，但有时它会使其低于，因此在您的测试中也会失去力量。$n$$p/n$$p$$p$$p$

例如，如果您要执行一百万次测试，则每个测试的值为将导致“总体值”远小于$p$$5\cdot10^{-8}$$p$$0.05$

这并不意味着当您进行大量测试时不需要恰恰相反！值，你最终会得到误报。这里的问题是 Bonferroni “做得太过分了”。对于更平衡的方法，您可能需要使用Tukey 的诚实意义之类的东西$p$$p$