Ha két vizsgált csoportra egyszerre több statisztikai tesztet számítunk ki, a hagyományos p = 0,05 szignifikanciaszint eredményeképpen statisztikailag minden 20. teszt eredménye még akkor is szignifikánsan eltérhet, ha nincs különbség a két csoport között. Ennek kiküszöbölésére dolgozták ki a többszörös tesztelés ("multiple testing") módszereket, amelyek közül a szerzôk áttekintjük a "one-step" (Bonferroni), "multi-step" ("step down" és "step up"), valamint a grafikus technikákat. A "multiple testing" módszerei azonban sokszor több problémát okozhatnak, mint amennyit segítenek: a feltételezett univerzális nullhipotézis eleve lényegtelen, az elvégzett vizsgálatok számát lehetetlen meghatározni, valamint a II-es típusú hiba valószínusége növekszik. Ezek miatt a "multiple testing" korrekciók rutinszerű alkalmazását a szerzők nem javasolják. Genomikai vizsgálatokra kidolgozott új módszer a fals találati arány ("false discovery rate") számítása. Itt a p-érték analógja a q-érték, amely a szignifikancia szintjét mutatja meg. Adott változóhoz tartozó q-érték a várt hamisan pozitív mérések aránya abban az esetben, ha az adott változót szignifikánsnak fogadjuk el. A szerzők genomikai vizsgálatok során a q-érték számítását javasolják a p-érték helyett.