Die Bonferroni-Korrektur ist eine von vielen möglichen Methoden zur Kontrolle der α-Inflation beim multiplen Testen, also beim Durchführen mehrerer statistischer Tests auf dem gleichen Datensatz.
Die Idee der Bonferroni-Korrektur ist einfach: Der p-Wert, ab dem ein einzelner Test als signifikant gelten soll, wird korrigiert (herabgesetzt) und zwar in dem man die Anzahl der Tests, die insgesamt durchgeführt werden sollen, berücksichtigt.
Um die Wahrscheinlichkeit, bei k statistischen Tests mindestens einmal den Fehler 1. Art zu begehen (die family-wise error rate) unter 5% zu halten, werden nur Testergebnisse als signifikant angesehen, bei denen p ≤ .05/k gilt.
Je mehr Tests wir also durchführen wollen, umso niedriger wird der p-Wert gesetzt, ab dem jeder einzelne Test als signifikant gilt.
Bei 10 Tests mit Bonferroni-Korrektur würde also jeder einzelne Test erst ab einem p-Wert von .05/10 = .005 als signifikant gelten.