Vad är den falska upptäcktsfrekvensen?
False Discovery Rate (FDR) är en statistisk förutsägelse av hur många resultat som kan förväntas vara falska positiver. Detta gör det möjligt för forskare att analysera data för att avgöra om de är statistiskt meningsfulla eller värdelösa. Beroende på typ av projekt kan det finnas en hög tolerans för en hög falsk upptäcktsfrekvens, eftersom de andra resultaten fortfarande är giltiga och kan vara användbara. Forskare presenterar vanligtvis statistisk analys av sina resultat och diskuterar detta i presentationen av deras arbete.
Detta koncept är relaterat till p-värdet, en uppskattning av sannolikheten för att få ett meningsfullt och giltigt resultat. Små p-värden tyder på att uppgifterna inte är lika meningsfulla, eftersom det finns en låg statistisk sannolikhet att de är unik. Till exempel, om någon drar färgade bollar ur en påse som innehåller bollar med tre färger, skulle den personen förvänta sig att dra ungefär lika många av varje färg. Om 20 bollar ritas och 10 av dem har samma färg, skulle detta vara statistikallierad osannolik. För att hitta p-värdet kan forskaren driva en statistisk analys för att bestämma hur troligt det är att dra 10 bollar i samma färg i 20-bollsdrag.
När det gäller den falska upptäcktsfrekvensen finns det mer försiktighet än med ett p-värde. I stället för att titta på den statistiska sannolikheten för att resultaten faktiskt är unika, undersöker det antalet falska positiva effekter som troligen kommer att hittas i resultaten. Ett stort antal falska positiver kan fortfarande ge användbara data. Forskarna kommer att behöva kunna identifiera och utesluta de falska positiva resultat från sina resultat, men den återstående informationen kan vara mycket viktig.
Många beräkningar kan användas för att bestämma den falska upptäcktsfrekvensen. Om forskare finner att denna hastighet är hög när de inrättar ett experiment, kan de göra några justeringar för att kontrollera för det. Detta kan inkludera förändringar i studiens metodoLogy, till exempel att få ett större prov för att sänka antalet falska positiver. Noggrann studiedesign är mycket viktigt, eftersom fel i denna process kan skapa problem med experimentet.
Datorprogram för att hjälpa till med beräkningar av falska upptäckter finns tillgängliga. Det är också möjligt att utföra dem för hand. Under utvecklingen av en studiemetod kan forskare göra vissa beräkningar för att identifiera uppenbara brister i designen innan experimentet fortsätter. Detta kan hjälpa dem att hitta svaga punkter och ta itu med dem för att göra experimentet så starkt och så användbart som möjligt.