假設檢驗：
一般步驟：
1.設定假設后需要驗證：假設0一般都是“處理組和對照組無區(qū)別”
2.構(gòu)建檢驗統(tǒng)計量：根據(jù)樣本數(shù)據(jù)計算統(tǒng)計量和檢驗統(tǒng)計量
3.設定置信區(qū)間：根據(jù)檢驗統(tǒng)計量的分布，計算假設發(fā)生的概率P
# 分布的意義在于劃定誤差分布讹俊，即劃定真實世界的隨機誤差范圍
# 小概率事件的發(fā)生概率幾乎為零垦沉，但是為了滿足我們的現(xiàn)實需求，我們一般可以設定P>0.05即認定假設為真仍劈，即發(fā)生假設情況的概率為5%以上時厕倍，即認定假設為真。P<0.05時贩疙，即認定假設為假讹弯，即處理組和對照組有區(qū)別。
# 但在真實世界里这溅，真實事件的概率可能會達到99.9%组民，而不只是95%。所以我們可能會將原本為真的情況悲靴，誤判為假臭胜，即發(fā)生一類錯誤。
# 反過來說，當假設為假時庇楞，我們會認定處理組和對照組有區(qū)別榜配，但其實有一定概率是“原本沒有區(qū)別，但是被我們誤判為假”的情況吕晌。
為了降低發(fā)生一類錯誤的概率蛋褥，我們可以降低置信區(qū)間，相應的P值范圍也會改變睛驳。多重檢驗校正便是通過設定一些規(guī)則改變P值范圍來降低犯錯的概率烙心。
多重檢驗校正：
隨著假設檢驗的次數(shù)增高，犯錯誤的概率就不斷增大乏沸，這時候就需要進一步調(diào)整P淫茵，從而保證最終結(jié)果的可靠性。
比較基礎的有Bonferroni校正和Benjamini and Hochberg校正
基本定義：
FWER(Family-Wise Error Rate)：初現(xiàn)至少一次一類錯誤（原本為真蹬跃，判定為假）的概率
FDR(False Discovery Rate)：所有判為假的結(jié)論中（陽性結(jié)果）匙瘪，即發(fā)生一類錯誤的概率
Bonferroni校正：
基本原理是控制FWER
adj.P= α/m
# 其中α 為原定顯著性，m 為檢驗次數(shù)蝶缀；
# 舉例：原α=0.05丹喻，檢驗m= 10000次，則adj.P= 0.000005翁都。假設全部結(jié)果都是假（陽性結(jié)果）碍论，并且全部都是一類錯誤，則發(fā)生一類錯誤的次數(shù) n= adj.P*m= 0.05< 1
Benjamini and Hochberg校正：
基本原理是對FDR設限柄慰，如1%鳍悠，一百個陽性結(jié)果，有一個是一類錯誤坐搔。但是也可以根據(jù)α來設定FDR藏研，即BH校正。
將所有檢驗P值進行由低到高排序概行，找到一個最大正整數(shù)k蠢挡，使得
P(k)<= α* (k/m)
# m為總檢驗次數(shù)
# 1～k均為陽性結(jié)果
#該策略假設的是假陽性與真陽性雖然都是陽性，但假陽性與真陽性本質(zhì)截然不同占锯，故從假陽性到真陽性是斜率陡然上升的袒哥。
除了BH外，還可以直接設定FDR消略。
總結(jié)：
adj.P其實就是q value堡称；
各種校正其實只是設定q value的標準不同，核心思想都是一樣的艺演；
以上兩個校正策略却紧，用得較多的是第二個桐臊。因為第一個太嚴格了，很容易將真陽性結(jié)果篩掉晓殊。
