Vad är den falska upptäcktsfrekvensen?

Den falska upptäcktsfrekvensen (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 det är statistiskt meningsfullt eller värdelöst. Beroende på typ av projekt kan det finnas en hög tolerans för en hög falsk upptäcktsfrekvens, eftersom de andra fynden fortfarande är giltiga och kan vara användbara. Forskare presenterar vanligtvis statistisk analys av sina resultat och diskuterar detta i presentationen av sitt arbete.

Detta koncept är relaterat till p-värdet, en uppskattning av sannolikheten för att få ett meningsfullt och giltigt resultat. Små p-värden antyder att uppgifterna inte är lika meningsfulla, eftersom det finns en låg statistisk sannolikhet för att de är unika. Till exempel, om någon drar färgade bollar ur en påse som innehåller bollar i tre färger, skulle personen förvänta sig att dra ungefär lika många av varje färg. Om 20 bollar dras och 10 av dem har samma färg, skulle detta vara statistiskt osannolikt. För att hitta p-värdet kan forskaren genomföra en statistisk analys för att bestämma hur troligt det är att rita 10 bollar av samma färg i en 20-bolldragning.

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 verkligen är unika, undersöker det antalet falska positiva effekter som troligtvis finns i resultaten. Ett stort antal falska positiver kan fortfarande ge användbara data. Forskarna kommer att behöva kunna identifiera och utesluta de falska positiven 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 startar ett experiment, kan de göra några justeringar för att kontrollera det. Detta kan inkludera förändringar i studiens metodik, som 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 falska upptäcktsfrekvensberäkningar finns tillgängliga. Det är också möjligt att utföra dem för hand. Under utvecklingen av en studiemetodik kan forskare göra några beräkningar för att identifiera uppenbara brister i designen innan experimentet fortsätter. Detta kan hjälpa dem att hitta svaga punkter och adressera dem för att göra experimentet så starkt och så användbart som möjligt.