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)。
此函数实现Benjamini&Hochberg过程的两个版本：一个假设独立或正相关测试，另一个不假设测试依赖性。后一种方法（由Benjamini&Yekutieli于2001年出版）总是合适的，但比前一种方法保守得多。这两种程序都非常简单，只需要族中所有测试的p值
除了校正多重比较的p值外，此函数还返回FDR调整后仍然有效的任何p值的多重比较调整置信区间覆盖率。这些“经FCR调整的选定置信区间”保证了虚假覆盖率（FCR）显著低于p值thredho（Benjamini，Y.，和Yekutieli，D.，2005）。
Benjamini，Y.和Hochberg，Y.（1995）控制错误发现率：一种实用且有效的多重测试方法。英国皇家统计学会杂志，B辑（方法学）。57(1), 289-300.
Benjamini，Y.和Yekutieli，D.（2001）依赖项下多重测试中错误发现率的控制。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
有关错误发现率控制和其他当代纠正多重比较技术的综述，请参阅：
Groppe，D.M.，Urbach，T.P.，和Kutas，M.（2011）事件相关脑电位/场的大规模单变量分析I：批判性教程回顾。
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