1.什么是Familywise Error Rate（FWE or FWER）
定义：在一系列假设检验中，至少得出一次错误结论的概率。
换句话说，是造成至少一次Type I Error的概率。术语FWE来自测试系列，这是一系列数据测试的技术定义
2.估计FWE的公式
- αIT：一个独立测试的显著水平
- c ： 对比次数
举个例子，对于一个10次试验的的序列，显著水平5%，FWE = ≤ 1 – (1 – .05)^10 = 0.401 ，这意味着Type I Error 发生的概率超过了40%，对于只有10次试验而言，是非常高的
3.控制FWE
单步执行，Bonferroni校正
单步程序对每个p值进行相同的调整。这保持了整个alpha水平保持在期望值(例如..05)。该方法被称为被称为Bonferroni校正。
1. 将alpha级别除以正在运行的测试的数量，并将该alpha级别应用于每个单独的测试。例如，如果您的整体alpha水平是.05，并且您正在运行5个测试，那么每个测试的alpha水平将是.05/5=.01。
2. 在每个测试中应用新的alpha级别来查找p值。在本例中，p值必须小于或等于0.01才具有统计意义。
多步执行
Similar to Bonferroni, but makes adaptive adjustments to each p-value. Several sequential methods exist. The easiest is probably the Holm-Bonferroni Method, but several others have been developed including the Sidak-Bonferroni and Holland-Copenhaver.
- Holm-Bonferroni: tests are run and then ordered from lowest to highest p-values. The individual tests are then tested (starting with the one with the lowest p-value) with an overall Bonferroni correction for all tests. See: Holm-Bonferroni Method for a step-by-step example.
- Sidak-Bonferroni (sometimes called the Boole or Dunn approximation): a variant of Bonferroni which uses a Taylor expansion (from calculus)
Type I Error
Type I Error 就是错误地拒绝了一个真实的零假设Ho（null hypothesis）（应该接受的）
null hypothesis ：普遍接受的假设
Ho是一个普遍接受的假设;它与备择假设相反。研究人员提出了另一种假设，他们认为这种假设解释了一种现象，然后努力拒绝零假设。
Type II Error
Il型错误(有时称为2型错误)是拒绝虚假零假设的失败。类型ll错误的概率用符号B表示。
reference:https://www.statisticshowto.datasciencecentral.com/familywise-error-rate/