誤った発見率とは何ですか？

false誤検出率（FDR）は、誤検知であると予想される結果の統計的予測です。これにより、研究者はデータを分析して、統計的に意味があるか価値がないかを判断できます。プロジェクトの種類によっては、他の調査結果が依然として有効であり、有用である可能性があるため、高い誤検出率に対して高い耐性がある可能性があります。研究者は通常、彼らの発見の統計分析を提示し、彼らの研究の提示でこれについて議論します。小さなp値は、それが一意であるという統計的確率が低いため、データがそれほど意味がないことを示唆しています。たとえば、誰かが3色のボールを含むバッグから色付きのボールを引き出している場合、その人はほぼ等しい数の色を引き出すことを期待します。20個のボールが描かれ、そのうち10個が同じ色である場合、これは統計的にはありそうもないでしょう。p値を見つけるために、研究者は統計分析を実行して、20ボールの引き分けで同じ色の10個のボールを描く可能性を判断できます。p値よりも。結果が実際に一意であるという統計的確率を見るのではなく、結果に見られる可能性のある偽陽性の数を調べます。多数の誤検知は、依然として有用なデータを生成する可能性があります。研究者は、結果から誤検知を特定して除外できる必要がありますが、残りの情報は非常に重要である可能性があります。研究者が実験を設定したときにこのレートが高いと判断した場合、それを制御するためにいくつかの調整を行う可能性があります。これには、より大きなサンプルを取得して偽陽性の数を減らすなど、スタジーの方法論の変更が含まれる場合があります。このプロセスのエラーは実験の問題を引き起こす可能性があるため、細心の研究デザインは非常に重要です。また、手作業で実行することも可能です。研究方法論の開発の過程で、研究者は、実験が進む前に設計の明らかな欠陥を特定するためにいくつかの計算を行うかもしれません。これは、彼らが弱点を見つけ、実験を可能な限り強く、有用にするために彼らに対処するのに役立ちます。