执行Benjamini & Hochberg(1995)程序来控制一系列假设检验的错误发现率(FDR)。FDR是被错误拒绝的假设的预期比例(即，零假设在那些测试中实际上是正确的)。与Bonferroni等程序相比，FDR通常是一种更不保守/更强大的方法来纠正多次比较，Bonferroni等程序提供了强大的家族错误率控制(即，一个或多个无效假设被错误拒绝的概率)。
这个函数实现了Benjamini & Hochberg过程的两个版本:一个假设独立或正相关的测试，另一个不假设测试依赖。后一种方法(Benjamini & Yekutieli于2001年发表)总是恰当的，但比前一种方法保守得多。这两种方法都很简单，只需要家庭中所有测试的p值
除了为多次比较校正p值外，该函数还为FDR调整后仍然有效的p值返回多次比较调整后的置信区间覆盖率。这些“FCR调整的选定置信区间”保证了虚假覆盖声明率(FCR)小于p值的显著性阈值(Benjamini, Y.， & Yekutieli, D.， 2005)。
Benjamini, Y. & Hochberg, Y.(1995)控制错误发现率:一种实用而强大的多重检测方法。英国皇家统计学会学报，B辑(方法论)。57(1), 289 - 300。
Benjamini, Y. & Yekutieli, D.(2001)依赖条件下多重检测错误发现率的控制。统计年鉴29(4)，1165-1188。
benjamin, Y.， & Yekutieli, D.(2005)。所选参数的错误发现率调整多重置信区间。美国统计学会杂志，100(469)，71-81。doi: 10.1198 / 016214504000001907
对于错误发现率控制和其他当代用于多次比较的校正技术的综述见:
Groppe, d.m.， Urbach, t.p.， & Kutas, M.(2011)事件相关脑电位/区域的质量单变量分析I:一个关键的指南综述。
心理学报，48(12)pp. 1711-1725, DOI: 10.1111/j.1469-8986.2011.01273.xhttp://www.cogsci.ucsd.edu/~dgroppe/PUBLICATIONS/mass_uni_preprint1.pdf