Quel est le taux de fausse découverte?
Le taux de fausse découverte (FDR) est une prédiction statistique du nombre de résultats susceptibles d'être des faux positifs. Cela permet aux chercheurs d'analyser les données pour déterminer si elles sont statistiquement significatives ou sans valeur. Selon le type de projet, il peut exister une tolérance élevée pour un taux de découverte erroné élevé, car les autres résultats sont toujours valables et peuvent être utiles. Les chercheurs présentent généralement une analyse statistique de leurs résultats et en discutent lors de la présentation de leurs travaux.
Ce concept est lié à la valeur p, une estimation de la probabilité d'obtenir un résultat significatif et valide. Les petites valeurs p suggèrent que les données ne sont pas aussi significatives, car la probabilité statistique qu'elles soient uniques est faible. Par exemple, si quelqu'un tire des balles colorées d'un sac contenant des balles de trois couleurs, il s'attend à ce qu'il tire un nombre à peu près égal de chaque couleur. Si 20 balles sont tirées et 10 d'entre elles sont de la même couleur, cela serait statistiquement peu probable. Pour trouver la valeur p, le chercheur pourrait effectuer une analyse statistique afin de déterminer la probabilité de tirer 10 boules de la même couleur sur un tirage de 20 boules.
Dans le cas du taux de fausse découverte, il y a plus d'indulgence qu'avec une valeur p. Plutôt que de regarder la probabilité statistique que les résultats sont réellement uniques, il examine le nombre de faux positifs susceptibles d'être trouvés dans les résultats. Un nombre élevé de faux positifs pourrait quand même générer des données utiles. Les chercheurs devront être en mesure d'identifier et d'exclure les faux positifs de leurs résultats, mais les informations restantes pourraient être très importantes.
De nombreux calculs peuvent être utilisés pour déterminer le taux de fausse découverte. Si les chercheurs constatent que ce taux est élevé lors de la mise en place d'une expérience, ils peuvent procéder à quelques ajustements pour la maîtriser. Cela pourrait inclure des changements dans la méthodologie de l'étude, tels que l'obtention d'un échantillon plus grand pour réduire le nombre de faux positifs. Une conception d'étude minutieuse est très importante, car des erreurs dans ce processus pourraient créer des problèmes avec l'expérience.
Des programmes informatiques facilitant les calculs de faux taux de découverte sont disponibles. Il est également possible de les exécuter à la main. Au cours de l’élaboration d’une méthodologie d’étude, les chercheurs pourraient effectuer certains calculs pour identifier les défauts évidents de la conception avant le début de l’expérience. Cela peut les aider à trouver les points faibles et à les résoudre afin de rendre l'expérience aussi forte et utile que possible.