知识小结------数据分析------Bonferroni correction（邦费罗尼校正）

系列文章目录

Cox比例风险回归模型（proportional hazards model）
知识小结------数据分析------Fisher‘s exact test(费希尔检测)

---

前言

https://www.cnblogs.com/emanlee/archive/2012/06/11/2545571.html

我建议这种统计算法还是需要自己去找本统计书好好看看，因为网上好多都讲的不清楚。
说来惭愧，我自己也没看书，但是综合了网上的讲述和维基百科，大致了解了，因为知识读的论文有这些知识，所以我也只是方便自己去了解论文而学的。
不详细的地方，不对的地方还请多多批评！

---

一、Bonferroni correction（邦费罗尼校正）是什么？

邦费罗尼校正（英语：Bonferroni correction）是统计学中在多重比较时使用的一种方法，以意大利数学家卡罗·埃米利奥·邦费罗尼的名字命名。

二、储备知识

1.零假设与备择假设

• 在推论统计学中，零假设（英语：null hypothesis，又译虚无假设、原假设，日韩译作归无假说，符号：H_0是做统计检验时的一类假说。
• 零假设的内容一般是希望能证明为错误的假设，与零假设相对的是备择假设，即希望证明是正确的另一种可能。
• 在统计学的实际运用中，常常需要强调一类假设为应当或期望实现的假设，例如在相关性检验中，一般会取“两者之间无关联”作为零假设，而在独立性检验中，一般会取“两者之间非独立”作为零假设。

2.型一错误，型二错误

• 如果一个统计检验的结果拒绝零假设（结论不支持零假设），而实际上真实的情况属于零假设，那么称这个检验犯了型一错误。
• 反之，如果检验结果支持零假设，而实际上真实的情况属于备择假设，那么称这个检验犯了型二错误。

通常的做法是，在保持第一类错误出现的机会在某个特定水平上的时候（即显著性差异值或α值），尽量减少第二类错误出现的概率。

三、原理与公式

以下截图来自维基百科

1.我看到了一处非常好的讲解

这是博客地址
内容如下：
Bonferroni校正法:
此方法是在进行两两比较时对检验水准进行调整的办法，但是该方法在比较的次数较多时，就不太适合，因为校正后的检验水准会过小。此时可采用sidark法进行多重比较（仍然是对检验水准进行调整）。

统计学中一般以小概率作为判断差异是否显著的标准，通常都以0.05或0.01作为判断标准。在多重比较中， bonferroni是以t分布作为检验分布的，但多重比较时若均以0.05作为小概率的话，每次比较就会有5%犯一型错误的可能。但如果有n次比较，如有4个组要做6次比较，则有C6（2）*5%一型错误发生的概率，不符合小概率判断的原则。因此，bonferroni中，将小概率0.05或0.01除以要比较的次数n，作为判断显著性的小概率，这样，多重比较总的一型错误发生的概率不会超过0.05或0.01。
控制累积Ⅰ类错误概率增大的方法
采用Bonferroni法,SNK法和Tukey法等方法

2.累积Ⅰ类错误的概率为α’

当有k个均数需作两两比较时,比较的次数共有c= = k!/(2!(k-2)!)=k(k-1)/2
设每次检验所用Ⅰ类错误的概率水准为α,累积Ⅰ类错误的概率为α’,则在对同一实验资料进行c次检验时,在样本彼此独立的条件下,根据概率乘法原理,其累积Ⅰ类错误概率α’与c有下列关系:
α’=1-(1-α)c (8.6)
例如,设α=0.05,c=3(即k=3),其累积Ⅰ类错误的概率为α’=1-(1-0.05)3 =1-(0.95)3 = 0.143

3.Bonferroni法

方法:采用α=α’/c作为下结论时所采用的检验水准.c为两两比较次数, α’为累积I类错误的概率.
例8-1四个均值的Bonferroni法比较
设α=α’/c=0.05/6=0.0083,由此t的临界值为t(0.0083/2,20)=2.9271
Bonferroni法的适用性
当比较次数不多时,Bonferroni法的效果较好.
但当比较次数较多(例如在10次以上)时,则由于其检验水准选择得过低,结论偏于保守.

---

总结

后面基本是复制粘贴，别人的，因为，讲的很好了，所以我也不再总结了。毕竟我的知识储备太少了。