Taux d'erreur de 1re espèce associés aux comparaisons multiples servant souvent à identifier les différences significatives entre des niveaux de facteurs spécifiques dans une ANOVA. Le niveau de confiance individuel et simultané est égal à 1 - le taux d'erreur.
Le taux d'erreur individuel est la probabilité maximale qu'une ou plusieurs comparaisons aboutissent à tort à la conclusion que la différence observée diffère de l'hypothèse nulle de manière significative.
Le taux d'erreur famille est la probabilité maximale qu'une procédure comprenant plusieurs comparaisons aboutisse à tort à la conclusion qu'au moins l'une des différences observées diffère de l'hypothèse nulle de manière significative. Le taux d'erreur famille est basé sur le taux d'erreur individuel et sur le nombre de comparaisons. Dans le cas d'une comparaison unique, le taux d'erreur famille est égal au taux d'erreur individuel, qui est la valeur d'alpha. Toutefois, chaque comparaison supplémentaire provoque une augmentation du taux d'erreur famille de manière cumulée.
Lorsque vous effectuez des comparaisons multiples, il est important de prendre en considération le taux d'erreur famille car le risque de faire une erreur de 1ère espèce lors d'une série de comparaisons est plus élevé que le taux d'erreur de chacune des comparaisons individuelles. La méthode de Tukey, la différence la moins significative (LSD) de Fisher, les comparaisons multiples avec le meilleur de Hsu (MCB) et les intervalles de confiance de Bonferroni sont les méthodes qui permettent de calculer et de contrôler les taux d'erreur individuel et famille pour les comparaisons multiples.
Les taux d'erreur individuels sont exacts dans tous les cas. Les taux d'erreur famille sont exacts pour des groupes de taille égale. Si les effectifs des groupes ne sont pas égaux, le véritable taux d'erreur famille pour Tukey, Fisher et MCB sera légèrement plus petit que celui indiqué, ce qui donnera un intervalle de confiance prudent. Les taux d'erreur famille de Dunnett sont exacts pour des échantillons d'effectifs inégaux.