Как решить проблему ложноположительного результата (ошибки первого рода) при множественном тестировании гипотез

Для контроля ложноположительных результатов при множественном тестировании используют поправки на множественные сравнения:

1. Поправка Бонферрони — строгий метод, делящий уровень значимости α на число тестов (m):
   p_adjusted = min(p * m, 1)
   Пример:
   python

   Копировать

   from statsmodels.stats.multitest import multipletests
   pvals = [0.01, 0.04, 0.03]
   _, p_corrected, _, _ = multipletests(pvals, method='bonferroni')

2. Метод Холма (Бонферрони с поправкой) — менее консервативный, ранжирует p-значения перед коррекцией.

3. FDR (False Discovery Rate) — контролирует долю ложных отклонений, а не вероятность хотя бы одного (например, метод Бенджамини-Хохберга):

   python

   Копировать

   _, p_fdr, _, _ = multipletests(pvals, method='fdr_bh')

Выбор метода зависит от задачи: для строгого контроля (медицина) — Бонферрони, для анализа данных (геномика) — FDR.