Một chút câu hỏi lạ. Trong lớp sinh học năm thứ tư của tôi ngày hôm nay, chúng tôi đã thảo luận về việc khi nào và khi nào không sử dụng nhiều hiệu chỉnh kiểm tra, và giáo sư đã đưa ra một nhận xét trái chiều. Anh ấy hỏi tại sao chúng tôi không sửa cho mọi thử nghiệm mà chúng tôi từng thực hiện kể từ khi chúng tôi bắt đầu thống kê, vì tất cả chúng đều độc lập (hầu hết) và mỗi lần chúng tôi quan sát thấy kết quả, chúng tôi sẽ tăng xác suất dương tính giả. Anh ta cười phá lên sau đó, nhưng tại sao chúng ta không làm điều này? Tôi không nói rằng chúng ta nên, bởi vì rõ ràng nó là lố bịch, nhưng bao xa là quá xa khi sửa chữa cho các bài kiểm tra?
Chúng tôi sẽ giả sử alpha = 0,05 cho đơn giản và nói rằng mỗi thử nghiệm A, B và C không thuộc bất kỳ loại phụ thuộc nào và do đó độc lập. Nếu tôi ngồi xuống và kiểm tra A, B và C, dù họ là T kiểm tra hay bất cứ điều gì, rõ ràng tôi phải điều chỉnh để điều chỉnh nhiều lần vì tôi lấy 0,95 cho sức mạnh của ba và cơ hội nhận được một tên lửa bầu trời dương tính giả. Tuy nhiên, nếu tôi làm A, B và C vào các ngày khác nhau, trong bối cảnh của các quy trình khác nhau và rút ra kết quả khác nhau từ chúng, thì điều này có gì khác so với tình huống trước đây? Chúng tôi vẫn đang quan sát ba thử nghiệm, chúng vẫn độc lập.
Những gì tôi đang cố gắng đạt được là ranh giới logic nơi chúng tôi nói dừng thực hiện nhiều hiệu chỉnh thử nghiệm. Chúng ta chỉ nên làm điều đó cho một gia đình thử nghiệm, hay chúng ta nên làm điều đó cho cả một bài báo, hay chúng ta nên làm điều đó cho mỗi thử nghiệm mà chúng ta từng chạy? Tôi hiểu cách sử dụng nhiều hiệu chỉnh thử nghiệm và sử dụng FDR / Bonferonni tại nơi làm việc mọi lúc Khái niệm này chỉ là loại đầu của tôi trong vòng tròn.
Cảm ơn bạn đã dành thời gian.
Chỉnh sửa: Có thảo luận mở rộng về vấn đề này trong một câu hỏi gần đây hơn .