为啥ROI-wise 的FC，在做双样本T检验时，为啥也需要多重比较校正哈 ？【知道需要多重比较校正，看到的文献也是这么做的，但是自己没想明白】 一个脑区和另一个脑区的一个相关系数，然后把两组被试对应的r值做独立样本T检验不好了嘛 ？ （假设有七个脑区相互做相关，7*7的相关系数矩阵，C72，共有 21个比较）。。。。心理学文科出身， 又翻了下， 统计教材上的 方差分析显著后，需要多重比较校正，但是 我们这个是 直接 T检验后，和那个 感觉有些不一样。 也在网上 搜了下，发现有微信链接 讲的不错 https://mp.weixin.qq.com/s/UbImCrayH5P2_bt2QzHw6Q。 求高手讲解
在这个例子里，你做了21次统计推断（21个T检验），如果每次统计推断的显著性水平都是p=0.05，那么每个推断（判断、决定）出错的概率都是%5（即零假设为真，但是却拒绝了零假设）。
现在的问题是，如果我做了21次推断，我总共出错的概率是多少？要回答这个问题，可以先考虑21次推断完全正确的概率，再用1减去完全正确的概率就得到至少会出一次错的概率。为了简单，假设21次推断完全是相互独立的，那么21次推断完全正确的概率就是每一次推断正确的概率的乘积，即p(完全正确)＝0.95^21~=0.34。因此，做21次推断至少有一次错误的概率为1-p(完全正确)~=0.66。显然，这个正确率相比于只做一次推断（0.95）而言太低了，而且随着做推断的次数增多，正确率会进一步降低。注意这里的犯错或者正确的概率是对所有推断整体而言的，所以针对所有推断整体而言的错误率叫Family-Wise Error Rate (FWE或FWER，所有这些推断叫做一个family)，我们在进行多重比较校正的时候也就是要控制FWE不要太高（一般是0.05）。用大白话说，做的决定越多，犯错的概率越大，因此对待每一个决定的时候要更加谨慎才能保证犯错概率不要太大。
但是实际上这21次统计推断不是相互独立的，因为同一个脑区会和多个脑区进行计算。所以前面计算FWE的时候就高估了。因此就有不同的方法来校正这一点，使得多重比较校正不要太严格。
因为样本不独立。。。。
一个大神同学直接的答复