# 另寻他处效应

> 如果你在足够多的地方寻找异常（如在100个不同的能量区间找粒子），你仅仅由于随机波动而在"某处"看到异常的概率会极高。

- ID: m06405
- 分类: technical
- 领域: 物理学

## 定义

如果你在足够多的地方寻找异常（如在100个不同的能量区间找粒子），你仅仅由于随机波动而在"某处"看到异常的概率会极高。必须根据搜索范围的大小对显著性标准进行严厉的惩罚（校正）。脚手架作用：数据挖掘陷阱。在大数据分析中，如果你把数据切成1000个维度看，一定能找到一个维度显示"业绩在增长"。但这毫无意义，纯属随机噪音。

## 机制

在多假设或多区间中搜索异常时，整体出现至少一次假阳性的概率随搜索空间增大而急升（多重比较）。单次看显著的 p 值，经全空间校正后可能不显著。

## 练习

1) 明确搜索维度数量；2) 做多重比较校正（Bonferroni/族误校正）；3) 用全局显著性而非局部；4) 独立数据集验证；5) 报告搜索范围。

## 脚手架用法

数据挖掘陷阱。在大数据分析中，如果你把数据切成1000个维度看，一定能找到一个维度显示"业绩在增长"。但这毫无意义，纯属随机噪音。

[阅读网页](https://thinkingmodels.site/entries/detail/m06405)