허위 발견 률은 무엇입니까?

FDR (False Discovery Rate)은 오 탐지가 될 수있는 결과의 수를 통계적으로 예측 한 것입니다. 이를 통해 연구원은 데이터를 분석하여 통계적으로 의미가 있는지 또는 가치가 없는지 판단 할 수 있습니다. 프로젝트의 유형에 따라 다른 발견이 여전히 유효하고 유용 할 수 있기 때문에 높은 오 탐지율에 대한 높은 내성이있을 수 있습니다. 연구자들은 일반적으로 연구 결과에 대한 통계적 분석을 제시하고 연구 결과에서이를 논의합니다.

이 개념은 의미 있고 유효한 결과를 얻을 수있는 추정치 인 p- 값과 관련이 있습니다. 작은 p- 값은 데이터가 고유하지 않을 확률이 낮기 때문에 데이터가 의미가 없음을 나타냅니다. 예를 들어, 누군가 3 색 공이 들어있는 가방에서 색깔 공을 꺼내면 그 사람은 각 색상의 대략 같은 수를 당길 것으로 예상합니다. 20 개의 공이 그려지고 그 중 10 개의 공이 같은 색이면 통계적으로는 불가능합니다. p- 값을 찾기 위해 연구원은 통계 분석을 실행하여 20 볼 무승부에 같은 색의 10 개의 공을 그릴 가능성을 결정했습니다.

잘못된 발견 비율의 경우 p- 값보다 더 관대합니다. 결과가 실제로 고유 한 통계적 확률을 보지 않고 결과에서 발견 될 수있는 오 탐지 수를 조사합니다. 많은 오 탐지가 여전히 유용한 데이터를 생성 할 수 있습니다. 연구원은 결과에서 오 탐지를 식별하고 제외 할 수 있어야하지만 나머지 정보는 매우 중요 할 수 있습니다.

허위 발견 률을 판별하기 위해 수많은 계산을 사용할 수 있습니다. 연구원들이 실험을 설정할 때이 비율이 높다는 것을 발견하면, 실험을 위해 약간의 조정을 할 수 있습니다. 여기에는 오 탐지 수를 줄이기 위해 더 큰 샘플을 얻는 것과 같은 연구 방법론의 변경 사항이 포함될 수 있습니다. 이 과정의 오류는 실험에 문제를 일으킬 수 있기 때문에 세심한 연구 설계는 매우 중요합니다.

잘못된 발견 비율 계산을 지원하는 컴퓨터 프로그램을 사용할 수 있습니다. 손으로 직접 수행 할 수도 있습니다. 연구 방법론을 개발하는 과정에서 연구자들은 실험이 진행되기 전에 디자인의 명백한 결함을 식별하기 위해 몇 가지 계산을 수행 할 수 있습니다. 이를 통해 약점을 찾고 실험을 최대한 강력하고 유용하게 만들 수 있습니다.