Hva er den falske oppdagelsesfrekvensen?

Den falske funnfrekvensen (FDR) er en statistisk prediksjon for hvor mange resultater som kan forventes å være falske positive. Dette gjør det mulig for forskere å analysere data for å avgjøre om det er statistisk meningsfylt eller verdiløst. Avhengig av prosjekttype, kan det være en høy toleranse for en høy falske funnfrekvens, fordi de andre funnene fortsatt er gyldige og kan være nyttige. Forskere presenterer vanligvis statistisk analyse av funnene sine og diskuterer dette i presentasjonen av arbeidet sitt.

Dette konseptet er relatert til p-verdien, et estimat for sannsynligheten for å få et meningsfullt og gyldig resultat. Små p-verdier antyder at dataene ikke er like meningsfulle, fordi det er lav statistisk sannsynlighet for at de er unike. For eksempel, hvis noen drar fargede baller ut av en pose som inneholder kuler i tre farger, vil personen forvente å trekke omtrent like mange antall farger. Hvis det trekkes 20 baller og 10 av dem har samme farge, vil dette være statistisk usannsynlig. For å finne p-verdien, kunne forskeren kjøre en statistisk analyse for å bestemme hvor sannsynlig det er å tegne 10 baller i samme farge i en trekning med 20 baller.

Når det gjelder den falske funnfrekvensen, er det mer mildhet enn med en p-verdi. I stedet for å se på den statistiske sannsynligheten for at resultatene faktisk er unike, undersøker den antall falske positiver som sannsynligvis vil bli funnet i resultatene. Et høyt antall falske positiver kan fortsatt gi nyttige data. Forskerne må være i stand til å identifisere og ekskludere de falske positive fra resultatene, men den gjenværende informasjonen kan være veldig viktig.

Tallrike beregninger kan brukes til å bestemme den falske funnfrekvensen. Hvis forskere finner ut at denne frekvensen er høy når de setter opp et eksperiment, kan de gjøre noen justeringer for å kontrollere for det. Dette kan inkludere endringer i studiens metodikk, for eksempel å få et større utvalg for å senke antall falske positiver. Omhyggelig studiedesign er veldig viktig, fordi feil i denne prosessen kan skape problemer med eksperimentet.

Dataprogrammer for å hjelpe med falske oppdagelsesfrekvensberegninger er tilgjengelige. Det er også mulig å utføre dem for hånd. I løpet av utviklingen av en studiemetodikk kan forskere gjøre noen beregninger for å identifisere åpenbare feil i utformingen før eksperimentet fortsetter. Dette kan hjelpe dem med å finne svake punkter og adressere dem for å gjøre eksperimentet så sterkt og så nyttig som mulig.