我是数据科学领域的新手。我看到下面的陈述：
1) More metrics we choose in our A/B testing, higher the chance of getting significant difference by chance.
2) To eliminate this problem we use Bonferroni correction method.
第一个陈述是什么意思？它如何增加误报的可能性？ Bonferroni校正方法如何帮助我们？
我很感激你的帮助。谢谢！
P.S。：我试图谷歌答案，但没有得到任何简单的解释。
那么，p值为0.05（这是常用的统计显着性水平），你会得到5％的假阳性结果。因此，如果在您的分析中您进行了一次测试，那么您的假阳性几率为5％。如果你有两个测试，第一个将有5％，第二个有5％。等等。因此，对于每个额外的测试，您的风险会增加尽管如此，由于您希望将总风险水平保持在0.05，您可以设置更严格的统计显着性水平（较小的p值），或使用某种统计方法来校正多重比较。 Bonferroni校正是这种方法之一。