首先，您需要了解这两个多重测试程序控制的不是同一件事。以您的示例为例，我们有两组具有 18,000 个观察变量，您进行了 18,000 次测试，以识别一组与另一组不同的一些变量。

• Bonferroni 校正控制Familywise 错误率，即假设所有 18,000 个变量在两组中具有相同分布的概率，您错误地声称“这里我有一些显着差异”。通常，您认为如果该概率 < 5%，则您的主张是可信的。

• Benjamini-Hochberg 校正控制错误发现率，即您声称存在差异的变量中误报的预期比例。例如，如果将 FDR 控制在 5%，则 20 项测试为阳性，“平均而言”，这些测试中只有 1 项为假阳性。

现在，当比较次数增加时……嗯，这取决于为真的边际零假设的数量。但基本上，对于这两个过程，如果你有几个，比如说 5 或 10 个，真正相关的变量，你有更多的机会在 100 个变量中检测到它们，而不是在 1,000,000 个变量中检测到它们。这应该足够直观。没有办法避免这种情况。