यदि आप अपने महत्वपूर्ण स्तर के रूप में α का उपयोग करके स्वतंत्र सांख्यिकीय परीक्षण चलाते हैं , और प्रत्येक मामले में अशक्तता प्राप्त होती है, तो आप पाएंगे कि 'महत्व' एक यादृच्छिक चर से एक ड्रॉ है। विशेष रूप से, यह p = α और n = k के साथ द्विपद वितरण से लिया जाता है । उदाहरण के लिए, यदि आप α = .05 का उपयोग करके 3 परीक्षण चलाने की योजना बनाते हैं , और (आपके लिए अनजान) वास्तव में प्रत्येक मामले में कोई अंतर नहीं है, तो प्रत्येक परीक्षण में एक महत्वपूर्ण परिणाम खोजने का 5% मौका है। इस तरह, प्रकार मैं त्रुटि दर करने के लिए आयोजित किया जाता है αकαपी = αn = केα = .05αव्यक्तिगत रूप से परीक्षणों के लिए, लेकिन 3 परीक्षणों के सेट के दौरान लंबे समय तक चलने वाली I त्रुटि दर अधिक होगी। यदि आप मानते हैं कि इन 3 परीक्षणों को एक साथ समूहित करना / सोचना सार्थक है, तो आप सेट के लिए पर टाइप I त्रुटि दर को व्यक्तिगत रूप से नहीं बल्कि संपूर्ण रूप से पकड़ सकते हैं । आपको इस बारे में कैसे जाना चाहिए? दो दृष्टिकोण हैं जो मूल α (यानी, α o ) से एक नए मूल्य (यानी, α n e w ) पर स्थानांतरित करने के लिए केंद्र हैं :αααओαएन ई डब्ल्यू
बोन्फ्र्रोनी: 'महत्व' का आकलन करने के लिए इस्तेमाल किए जाने वाले को ऐसे समायोजित करें किα
αएन ई डब्ल्यू= αओक
डन-सिडक: का उपयोग करके समायोजित करेंα
αएन ई डब्ल्यू= 1 - ( 1 - αओ)1 / के
(ध्यान दें कि डन-सिडक मानता है कि सेट के भीतर सभी परीक्षण एक-दूसरे से स्वतंत्र हैं और परिवारवाद प्रकार मैं त्रुटि मुद्रास्फीति पैदा कर सकता है यदि यह धारणा नहीं रखती है।)
यह नोट करना महत्वपूर्ण है कि जब परीक्षणों के संचालन, देखते हैं त्रुटियों के दो प्रकार है कि आप से बचना चाहते हैं, मैं (यानी, कह रही है वहाँ प्रकार है एक अंतर है जब वहाँ एक नहीं है) और प्रकार द्वितीय (यानी, कह रही है वहाँ नहीं है एक अंतर जब वास्तव में है)। आमतौर पर, जब लोग इस विषय पर चर्चा करते हैं, तो वे केवल चर्चा करते हैं - और केवल मुझे पता है कि मैं किस प्रकार से संबंधित / संबंधित हूं। इसके अलावा, लोग अक्सर यह उल्लेख करने के लिए उपेक्षा करते हैं कि गणना की गई त्रुटि दर केवल तभी होगी जब सभी नल सही होंगे। यह स्पष्ट रूप से स्पष्ट है कि आप एक प्रकार की त्रुटि नहीं कर सकते हैं यदि अशक्त परिकल्पना झूठी है, लेकिन इस मुद्दे पर चर्चा करते समय उस तथ्य को स्पष्ट रूप से ध्यान में रखना महत्वपूर्ण है।
मैं इसे सामने लाता हूं क्योंकि इन तथ्यों के निहितार्थ हैं जो अक्सर प्रकट नहीं होते हैं। सबसे पहले, यदि , डन-सिडक दृष्टिकोण उच्च शक्ति की पेशकश करेगा (हालांकि अंतर छोटे k के साथ काफी कम हो सकता है ) और इसलिए हमेशा (जब लागू हो) को प्राथमिकता दी जानी चाहिए। दूसरा, एक 'स्टेप-डाउन' दृष्टिकोण का उपयोग किया जाना चाहिए। यही है, सबसे पहले प्रभाव का परीक्षण करें; यदि आप आश्वस्त हैं कि अशक्त स्थिति में प्राप्त नहीं होता है, तो I की त्रुटियों की अधिकतम संभव संख्या k - 1 है , इसलिए अगले परीक्षण को तदनुसार समायोजित किया जाना चाहिए, और इसी तरह। (यह अक्सर लोगों को असहज बनाता है और मछली पकड़ने जैसा दिखता है, लेकिन ऐसा नहीं हैk > १कके - १मछली पकड़ना, जैसा कि परीक्षण स्वतंत्र हैं, और आपने कभी भी डेटा को देखने से पहले उन्हें संचालित करने का इरादा किया था। यह बेहतर तरीके से समायोजित करने का एक तरीका है ।) α
उपरोक्त कोई फर्क नहीं पड़ता कि आप II त्रुटियों के प्रकार के संबंध में आप किस प्रकार टाइप करते हैं। हालांकि, एक प्राथमिकता-प्राथमिकता यह मानने का कोई कारण नहीं है कि टाइप I त्रुटियां टाइप II से भी बदतर हैं (इस तथ्य के बावजूद कि हर कोई ऐसा लगता है)। इसके बजाय, यह एक निर्णय है जो शोधकर्ता द्वारा किया जाना चाहिए, और उस स्थिति के लिए विशिष्ट होना चाहिए। व्यक्तिगत रूप से, अगर मैं सैद्धांतिक रूप से सुझाए गए, पूर्व-प्राथमिक , ऑर्थोगोनल विरोधाभासों को चला रहा हूं, तो मैं आमतौर पर समायोजित नहीं करता हूं ।α
α