近年来,随着对大维数据研究的增多,多重假设检验的使用得到了越来越多的关注。这种情况,需要同时检验成千上万个假设。当同时进行多个显著性检验时,如何控制犯第一类错误的概率,是研究者面对的首要问题。很长一段时间,该问题是通过控制FWER(family-wise error rate)来解决问题的,FWER表示错误拒绝—个原假设的概率,显然FWER的控制过于严格。当检验总个数很大时,研究者能够忍受一个或者更多的错误拒绝个数,以此来提高功效。因而,我们需要考虑其他的错误控制方法。1995年,Benjamini和Hochberg提出了新的错误率FDR(false discovery rate),同时给出了BH过程来控制FDR,使得检验的功效大大提高。FWER和FDR是多重假设检验中比较重要的两种错误率,学者们对其进行了大量的研究.因此本文的第一部分将对FWER及FDR的定义及其控制过程进行回顾。在第二部分的内容中,我们将会提出一种新的方法估计真实原假设个数,并将此估计应用到FDR的控制过程中,以期提高功效。