Prism 提供了三种控制 FDR 的方法，它们在检验力、简便性和假设条件方面各有不同。

Benjamini 和 Hochberg 的原始方法 (1)。

这种方法最先提出，至今仍是标准方法。它假定 "检验统计量是独立或依赖阳性度的"。这似乎意味着，虽然有些比较是正相关的（如果一个比较低，其他比较也往往低）是可以的，但如果有些比较是负相关的（如果一个比较低，其他比较也往往高），这种方法就不能很好地发挥作用。

我们提供这种方法是因为它是标准方法。

Benjamini、Krieger 和 Yekutieli 的两阶段递升法(2)。

这种方法与 Benjamini 和 Hochberg 方法基于相同的假设，但它是一种更巧妙的方法。它首先研究 P 值的分布，以估计实际为真的零假设的分数。然后，在决定何时 P 值低到足以被称为发现时，它利用这一信息来获得更大的检验力。

这种方法唯一的缺点是数学运算比较复杂，因此如果你手工计算，就比较难用。

Benjamini、Krieger 和 Yekutieli 的改进型自适应方法比 Benjamini 和 Hochberg 方法更有检验力，同时假设条件相同，因此我们推荐使用。

介绍该方法的论文（2）介绍了几种方法。Prism 使用 第 6 节中定义的方法 ，即两阶段线性递升法。

Benjamini & Yakutieli 的修正方法 (3)

这种方法不需要假设各种比较之间的相互关系。但这样做的代价是检验力较低，因此能确定为发现的比较较少。另一种说法是这种方法非常保守。

参考文献

 

1.Benjamini, Y. & Hochberg, Y. 《 控制错误发现率：多重检验的实用而有力的方法》。皇家统计学会杂志》。B 系列（方法论）289-300（1995 年）。

2.Benjamini, Y., Krieger, A. M. & Yekutieli, D.Adaptive linear step-up procedures that control the false discovery rate.Biometrika 93, 491-507 (2006).

3.Benjamini, Y., & Yekutieli, D. (2001).依赖度下多重检验中错误发现率的控制。统计年鉴》，1165-1188。