Como umm... el Señor de Bonferroni notas, sus obras de corrección en cualquiera de los valores de p, independientemente de su origen. Sin embargo, existen otros procedimientos, como la Encina de laque son uniformemente más potente; sujeto a ciertas restricciones, como positiva la dependencia entre las pruebas, otros métodos son aún más poderoso todavía. Lo Siento, Carlo.
Estas correcciones están destinadas a conservar la tasa de error familywise, que esencialmente significa que usted quiere mantener la probabilidad de uno o más de los errores dentro de una "familia" de las pruebas en el mismo nivel que aceptaría para una sola prueba. Para hacer esto de forma inteligente, es necesario definir las familias de forma adecuada. Con base en la descripción, parece que usted tiene por lo menos dos familias de las pruebas: la primera que consiste en el estado de ánimo de los datos y la 2ª consta de auto-reporte de las escalas. Por ejemplo, podría ser a prueba la posibilidad de la manipulación de las causas de los sujetos en el grupo de tratamiento (vs controles): 1) la experiencia de un cambio en el estado de ánimo y 2) ser consciente de dicho cambio.
En consecuencia, me gustaría considerar la posibilidad de ajustar el primer set con $n=6$ y el segundo con $n=4$. Desde la una de la auto-reporte de los valores es la escala general, usted podría argumentar que "protege" los tres sub-puntuaciones demasiado, así que tal vez me gustaría considerar la posibilidad de informar de la puntuación global (sin corregir) y tres sub-puntuaciones corregidas con $n=3$, especialmente si la general de la prueba es significativa. Si el Likert (o auto-informe) escalas, todo intento de medir la misma cosa, estaría tentado a aplicar un ómnibus de la prueba (por ejemplo, un ANOVA) en primer lugar, lo que podría darle más poder.
Sin embargo, creo que la aplicación de las comparaciones múltiples para ambos conjuntos de datos (con $n=10$ es más conservador), a menos que estas pruebas están íntimamente ligados.
