什么是Bonferroni测试？
Bonferroni检验是一种用于统计分析的多重比较检验。 当使用多个比较执行多个假设检验时，最终可能会出现显示因变量的统计显着性的结果，即使没有结果也是如此。
如果某个特定测试在99％的时间中都能获得正确的结果，则运行100个测试可能会在混合中的某个地方导致错误的结果。 Bonferroni测试试图通过在比较测试期间进行调整来防止数据错误地显示为具有统计意义的显着性。
Bonferroni检验（也称为“ Bonferroni校正”或“ Bonferroni调整”）建议，每个检验的“ p”值必须等于alpha除以检验次数。
重要要点
- Bonferroni检验是一种用于统计分析的多重比较检验。 在进行多次比较的假设检验期间，可能会发生错误或误报。Bonferroni设计了一项检验或一种调整，以防止数据错误地显示为具有统计意义。
了解Bonferroni测试
Bonferroni测验以开发它的意大利数学家Carlo Emilio Bonferroni（1892-1960）的名字命名。 其他类型的多重比较测试包括Scheffe检验和Tukey-Kramer方法检验。 对Bonferroni测试的批评是它过于保守，可能无法捕捉到一些重要的发现。
在统计学中，零假设实质上是一种信念，即所比较的两个数据集之间没有统计学差异。 假设检验包括测试统计样本以确认或拒绝原假设。 通过抽取总体或群体的随机样本来执行测试。 在检验原假设和替代假设的同时，两个结果相互排斥。
但是，通过对原假设的任何检验，都可能会出现假阳性结果。 此错误称为Type-1错误，因此，将错误率分配给测试。 换句话说，一定比例的结果可能会产生错误。
例如，通常会将5％的错误率分配给测试，这意味着有5％的时间会出现误报。 5％的错误率称为alpha级别。 但是，在测试中进行多次比较时，每个比较的错误率都会影响结果，从而产生多个误报。
Bonferroni设计了一种校正假设检验中增加的错误率的方法，该方法具有多个比较。 Bonferroni的调整是通过将测试数量除以alpha值来计算的。 使用本示例中5％的错误率，两个测试将产生0.025或（.05 / 2）的错误率，而四个测试将产生0.0125或（.05 / 4）的错误率。
