Problemet med multippel testing
Når man utfører flere statistiske tester, øker sannsynligheten for å oppnå minst én falsk positiv tilfeldig med antall tester. Problemet med multippel testing (også kalt multiplisitetsproblemet) oppstår fordi hvis du utfører 100 hypotesetester med α = 0,05, forventer du ~5 falske positiver alene ved tilfeldighet, selv om alle nullhypoteser er sanne. Korreksjonsmetoder—Bonferroni, Benjamini-Hochberg falsk oppdagelsesrate (FDR), og andre—justerer signifikansgrensen eller p-verdier for å kontrollere feilrater. Dette konseptet er kritisk for forskningsintegritet og har dyptgripende implikasjoner for utforskende vitenskap.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Bonferroni, C. E. (1935). Il calcolo dei coefficienti di correlazione nel caso di variabilità di gruppi. Instituto Italiano di Statistica. link ↗
- Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society Series B, 57(1), 289–300. DOI: 10.1111/j.2517-6161.1995.tb02031.x ↗
- Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124. DOI: 10.1371/journal.pmed.0020124 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). The Multiple Comparisons Problem and Statistical Correction Methods. ScholarGate. https://scholargate.app/no/research-statistics/multiple-comparisons-problem
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- NullhypotesetestingForskningsstatistikk↔ compare
- P-verdi og statistisk signifikansForskningsstatistikk↔ compare
- PublikasjonsbiasForskningsstatistikk↔ compare
- Type I- og Type II-feilForskningsstatistikk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →