อัตราการค้นพบที่ผิดพลาด (FDR) เป็นการคาดการณ์ทางสถิติของจำนวนผลลัพธ์ที่คาดว่าจะเป็นผลบวกที่ผิดพลาด สิ่งนี้ช่วยให้นักวิจัยวิเคราะห์ข้อมูลเพื่อตรวจสอบว่ามีความหมายทางสถิติหรือไร้ค่า ขึ้นอยู่กับประเภทของโครงการสามารถมีความอดทนสูงสำหรับอัตราการค้นพบที่ผิดพลาดสูงเนื่องจากการค้นพบอื่นยังคงใช้ได้และอาจเป็นประโยชน์ นักวิจัยมักจะนำเสนอการวิเคราะห์ทางสถิติของการค้นพบของพวกเขาและอภิปรายเรื่องนี้ในการนำเสนอผลงาน
แนวคิดนี้เกี่ยวข้องกับค่า p ซึ่งเป็นการประมาณความน่าจะเป็นที่จะได้ผลลัพธ์ที่มีความหมายและถูกต้อง ค่า p ขนาดเล็กชี้ให้เห็นว่าข้อมูลไม่ได้มีความหมายเพราะมีความเป็นไปได้ทางสถิติต่ำว่าเป็นค่าเฉพาะ ตัวอย่างเช่นหากใครบางคนกำลังดึงลูกบอลสีออกมาจากถุงที่มีลูกบอลสามสีบุคคลนั้นจะคาดหวังว่าจะดึงตัวเลขแต่ละสีโดยประมาณอย่างเท่าเทียมกัน หากมีการดึงบอล 20 ลูกและ 10 ลูกในนั้นมีสีเดียวกัน ในการหาค่า p-value ผู้วิจัยสามารถทำการวิเคราะห์ทางสถิติเพื่อกำหนดว่ามีโอกาสมากเพียงใดในการวาดลูกบอลสีเดียวกัน 10 ลูกในการจับลูกบอล 20 ลูก
ในกรณีของอัตราการค้นพบที่ผิดมีความผ่อนปรนมากกว่าด้วยค่า p แทนที่จะดูที่ความน่าจะเป็นทางสถิติที่ผลลัพธ์นั้นไม่ซ้ำกันจริง ๆ มันจะตรวจสอบจำนวนของผลบวกปลอมที่น่าจะพบได้ในผลลัพธ์ จำนวนผลบวกปลอมจำนวนมากยังคงสามารถให้ข้อมูลที่เป็นประโยชน์ได้ นักวิจัยจะต้องสามารถระบุและแยกผลบวกปลอมออกจากผลลัพธ์ของพวกเขาได้ แต่ข้อมูลที่เหลืออาจมีความสำคัญมาก
การคำนวณจำนวนมากสามารถใช้เพื่อกำหนดอัตราการค้นพบที่ผิด หากนักวิจัยพบว่าอัตรานี้สูงเมื่อตั้งค่าการทดสอบพวกเขาอาจทำการปรับเปลี่ยนบางอย่างเพื่อควบคุม ซึ่งอาจรวมถึงการเปลี่ยนแปลงวิธีการของการศึกษาเช่นการได้รับตัวอย่างที่มีขนาดใหญ่ขึ้นเพื่อลดจำนวนของผลบวกปลอม การออกแบบการศึกษาอย่างพิถีพิถันมีความสำคัญมากเนื่องจากข้อผิดพลาดในกระบวนการนี้อาจสร้างปัญหากับการทดสอบ
มีโปรแกรมคอมพิวเตอร์เพื่อช่วยในการคำนวณอัตราการค้นพบที่ผิด นอกจากนี้ยังเป็นไปได้ที่จะแสดงด้วยมือ ในการพัฒนาวิธีการศึกษานักวิจัยอาจทำการคำนวณบางอย่างเพื่อระบุข้อบกพร่องที่ชัดเจนในการออกแบบก่อนที่การทดลองจะดำเนินต่อไป วิธีนี้จะช่วยให้พวกเขาพบจุดอ่อนและแก้ไขเพื่อให้การทดสอบมีความแข็งแกร่งและมีประโยชน์ที่สุด
