FDR（False Discovery Rate）矫正

FDR（False Discovery Rate）矫正是一种用于多重假设检验的统计方法，旨在控制错误发现率，即错误地将假设测试判定为显著的比例。与Bonferroni矫正相比，FDR矫正通常更加强大，因为它尝试平衡发现真实效应的能力和控制错误发现的风险。

FDR矫正的概念

• 错误发现率（FDR）：在多次假设检验中，FDR是错误拒绝的零假设数（即假阳性）与拒绝的总假设数（即所有判定为显著的结果数）的比例的期望值。
• q值：每项测试的FDR相对应的p值，可以理解为在给定的假设检验中，该特定发现被错误地认定为显著的最大预期比例。

FDR矫正的方法

最常用的FDR控制方法是Benjamini-Hochberg（B-H）步骤上升程序。这个过程如下：

​​​​​​​1..将一系列的p值按照从大到小排序，然后利用下述公式计算每个p值所对应的FDR值。
公式：p * (n/i)， p是这一次检验的pvalue，n是检验的次数，i是排序后的位置ID（如最大的P值的i值肯定为n，第二大则是n-1，依次至最小为1）。
2.将计算出来的FDR值赋予给排序后的p值，如果某一个p值所对应的FDR值大于前一位p值（排序的前一位）所对应的FDR值，则放弃公式计算出来的FDR值，选用与它前一位相同的值。因此会产生连续相同FDR值的现象；反之则保留计算的FDR值。
3. 将FDR值按照最初始的p值的顺序进行重新排序，返回结果。
最后我们就可以使用校正后的P值进行后续的