随着信息社会的不断发展进步,大维数据的不断涌现使得海量数据的分析成为具有重大现实意义的问题。多重检验作为分析大量数据的一个主要理论基础,其研究备受关注。当需要同时进行多个显著性检验时,如何控制好整个检验的错误率是首要的问题。传统的控制方法(FWER)显得过于保守。自从Benjamini and Hochberg(1995)提出采用FDR测度控制以来,多重检验研究的焦点集中在FDR上。本文主要考查与发展基于FDR测度的各种模型和检验方法,其内容分为六章,安排如下：第一章介绍了多重检验的背景和意义,给出了各种错误测度的定义,并指出了他们之间的差别和联系。在第二章中,主要针对FDR和pFDR测度介绍了各种检验方法,其中包含对差值法检验的改进以及对Fdr和fdr的研究。在第三章,主要考虑多重检验中真实零假设的比值π0的估计问题。由于这个参数对于改进检验方法有重大意义,它的估计方法很多。本章介绍了几种已有的估计方法,并改进差值法估计,最后通过模拟比较各种估计。在第四章,我们提出用参数混合模型来估计真实零假设的比值π0,并具体针对正态混合模型和Beta混合模型给出相应的算法和模拟结果。在第五章中,我们提出采用非参数指数混合模型来拟合P值。这个非参数模型较其它模型的优势在于它的可辨性、灵活性以及正则性。接着讨论了这个非参数模型中参数π0的最大似然估计的EM算法,包括加权的NPMLE算法。模拟结果显示新的估计值与其它三种估计相比较,具有较小的偏差。