一个直观的解释为什么Benjamini-Hochberg FDR程序起作用？

有没有一种简单的方法可以解释为什么Benjamini和Hochberg（1995）的程序实际上控制着错误发现率（FDR）？这个过程是如此的优雅和紧凑，但是为什么它在独立的条件下工作的证据（出现在他们1995年论文的附录中）并不是很容易获得。

这是一些R生成图片的代码。它将显示针对其顺序绘制的15个模拟p值。因此它们形成一个上升点模式。红色/紫色线下方的点表示在0.1或0.2级别下的显着测试。FDR表示线下方的黑点数除以线下方的总点数。

x0 <- runif(10)      #p-values of 10 true null hypotheses. They are Unif[0,1] distributed.
x1 <- rbeta(5,2,30)  # 5 false hypotheses, rather small p-values
xx <- c(x1,x0)
plot(sort(xx))
a0 <- sort(xx)
for (i in 1:length(x0)){a0[a0==x0[i]] <- NA}
points(a0,col="red")
points(c(1,15), c(1/15 * 0.1 ,0.1), type="l", col="red")
points(c(1,15), c(1/15 * 0.2 ,0.2), type="l", col="purple")

我希望这可以使人们对有序p值的分布形状有所了解。线是正确的，而不是例如一些比喻形状的曲线，这与顺序分布的形状有关。这必须显式计算。实际上，这条线只是一个保守的解决方案。