Számos korszerű neuropszichofarmakológiai vizsgálati módszer jellegzetessége, hogy aránylag kevés vizsgálati egyénről (n) nagyon sok adatot (paramétert, P) gyűjt. Példaképpen említhetjük a képalkotó módszereket (pl. funkcionális mágneses rezonancia és egyéb képalkotó eljárásokat), az elektroenkefalográfiát (EEG), vagy a genomikai vizsgálatokat. Egyetlen microarray chip például több ezer próbát tartalmazhat, azaz a P ezres nagyságrendekkel haladhatja meg az n-t. Az ilyen elrendezésű vizsgálatok elemzése komoly statisztikai problémákat vet fel, amit a statisztikai szakirodalomban kis "n" nagy "P" problémának neveznek. A többszörös tesztelés problémája akkor lép fel, ha két vagy több csoportba tartozó egyéneket hasonlítunk össze a mért P számú jellemző alapján. Amennyiben az összehasonlítás az egyes jellemzők alapján történik, akkor akár több ezer statisztikai hipotézisvizsgálat elvégzése is szükségessé válhat. Amennyiben a többszörös tesztelés okozta megnövekedett klasszifikációs hibát nem vesszük figyelembe, akkor számos statisztikailag szignifikáns különbséget fedezhetünk fel a vizsgálati csoportok között. Azonban ezeknek a felfedezéseknek egy része valójában a véletlen műve és ezek a kísérleti eredmények általában nem reprodukálhatóak. A problémára több megoldás is született. Ezek közül cikkünkben a klaszter szintű összehasonlítást, valamint a hamis találati arányon alapuló statisztikai tesztet mutatjuk be.