Problem med multipel testning
När man genomför flera statistiska tester ökar sannolikheten att av en slump få minst en falsk positiv med antalet tester. Problemet med multipel testning (även kallat multiplikationsproblemet) uppstår eftersom om du genomför 100 hypotesprövningar med α = 0.05, förväntar du dig ~5 falska positiva enbart av en slump, även om alla nollhypoteser är sanna. Korrigeringsmetoder – Bonferroni, Benjamini-Hochberg falsk upptäcktsgrad (FDR) och andra – justerar signifikansnivån eller p-värden för att kontrollera felnivåerna. Detta koncept är avgörande för forskningsintegritet och har djupgående konsekvenser för explorativ vetenskap.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). The Multiple Comparisons Problem and Statistical Correction Methods. ScholarGate. https://scholargate.app/sv/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.
- Hypotesprövning (Null Hypothesis Testing)Forskningsstatistik↔ compare
- P-värde och statistisk signifikansForskningsstatistik↔ compare
- PublikationsbiasForskningsstatistik↔ compare
- Typ I- och typ II-felForskningsstatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →