执行Benjamini & Hochberg(1995)程序来控制假设检验族的错误发现率(FDR)。FDR是被错误拒绝的被拒绝假设的预期比例(也就是说，零假设在那些检验中实际上是正确的)。与Bonferroni校正等程序相比，FDR通常是一种不那么保守/更强大的纠正多次比较的方法，Bonferroni校正提供了对家族错误率(即一个或多个零假设被错误拒绝的概率)的强有力控制。
这个函数实现了Benjamini & Hochberg过程的两个版本:一个假设独立或正依赖测试，另一个不假设测试依赖。后者(由Benjamini和Yekutieli于2001年发表)总是合适的，但比前者保守得多。这两种程序都很简单，只需要家族中所有测试的p值
除了纠正多次比较的p值之外，该函数还返回经过FDR调整后仍然显著的任何p值的多次比较调整置信区间覆盖率。这些“FCR调整的选定置信区间”保证了虚假覆盖陈述率(FCR)小于显著性的p值thredho (Benjamini, Y.， & Yekutieli, D.， 2005)。
Benjamini, Y. & Hochberg, Y.(1995)控制错误发现率:多重测试的一种实用而强大的方法。皇家统计学会学报，B辑(方法论)。57(1), 289 - 300。
Benjamini, Y. & Yekutieli, D.(2001)依赖下多重测试错误发现率的控制。统计年鉴，29(4)，1165-1188。
Benjamini, Y.和Yekutieli, D.(2005)。错误发现率调整多个置信区间选定的参数。美国统计学会杂志，100(469)，71-81。doi: 10.1198 / 016214504000001907
有关错误发现率控制和其他纠正多重比较的当代技术的综述，请参见:
Groppe, d.m.， Urbach, tp， & Kutas, M.(2011)事件相关大脑电位/场的大量单变量分析I:批判性教程综述。
心理生理学，48(12)pp. 1711-1725, DOI: 10.1111/j.1469-8986.2011.01273.xhttp://www.cogsci.ucsd.edu/~dgroppe/PUBLICATIONS/mass_uni_preprint1.pdf