ボンフェローニ法は、多重検定を行う際に偽陽性が生じる確率を抑えるための保守的な統計的補正手法です。AIモデルの評価やA/Bテストなどで多数の仮説を同時に検証する際、有意水準を厳しく調整することで誤検出を防ぎます。
ボンフェローニ法とは
一言でいうと、ボンフェローニ法とは、複数の統計的検定を同時に行うときに、偶然によって間違った結果が導かれるのを防ぐための補正方法です。
詳しく解説
データ分析や機械学習モデルの評価において、多くの特徴量やグループ間で同時に仮説検定を行うことを多重検定と呼びます。検定の回数が増えるほど、偶然によって誤って有意差があると判定してしまう確率（第一種過誤）が高まります。ボンフェローニ法は、全体の有意水準を検定の回数で割ることで、このリスクを一律に抑制する仕組みを持っています。
具体例・使われ方
例えば、AIを用いたマーケティング施策の効果測定で、10個の異なるセグメントに対して同時にA/Bテストの仮説検定を行う場合を考えます。通常の有意水準0.05をそのまま適用すると偽陽性のリスクが高まるため、ボンフェローニ法を用いて有意水準を0.05を10で割った0.005へと厳しく調整し、真に効果のある施策だけを慎重に抽出します。
似た用語との違い
偽陽性を防ぐ多重検定補正には、ホルム法やBenjamini-Hochberg法などの手法も存在します。ボンフェローニ法は計算が極めてシンプルで理解しやすい一方で、保守性が高すぎて本当は意味のある差を見逃してしまう（偽陰性が増える）傾向が強いという違いがあります。
注意点
ボンフェローニ法は非常に保守的な手法であるため、検証する仮説の数が膨大になると、有意差が出にくくなり真の発見を見逃すリスクが高まります。また、個々の仮説間に強い相関関係がある場合には過剰な補正になりやすいため、データの性質に応じた適切な手法の選択が求められます。