잘못된 발견 률은 얼마입니까?

fdr (False Discovery Rate)은 얼마나 많은 결과가 잘못된 양성 일 것으로 예상되는지에 대한 통계적 예측입니다.이를 통해 연구원들은 데이터를 분석하여 통계적으로 의미가 있는지 또는 무가치한지 여부를 결정할 수 있습니다.프로젝트 유형에 따라 다른 결과가 여전히 유효하고 유용 할 수 있기 때문에 높은 오 탐지 율에 대한 높은 허용 오차가있을 수 있습니다.연구자들은 일반적으로 그들의 연구 결과에 대한 통계적 분석을 제시하고 그들의 작업을 제시 할 때 이것을 논의합니다.작은 p- 값은 데이터가 독특 할 확률이 낮기 때문에 데이터가 의미가 없음을 시사합니다.예를 들어, 누군가가 세 가지 색상의 공이 들어있는 가방에서 컬러 볼을 꺼내면 그 사람은 각 색상의 거의 같은 수를 당길 것으로 예상합니다.20 개의 공이 그려지고 그 중 10 개가 같은 색상이면 통계적으로 가능성이 낮습니다.P- 값을 찾으려면 연구원은 통계 분석을 실행하여 20 볼 추첨에서 동일한 색상의 10 개의 공을 그릴 가능성을 결정할 수있었습니다.p- 값보다.결과가 실제로 고유 한 통계적 확률을 보지 않고 결과에서 찾을 수있는 잘못된 양성의 수를 조사합니다.많은 수의 잘못된 양성은 여전히 유용한 데이터를 산출 할 수 있습니다.연구원들은 결과에서 잘못된 긍정을 식별하고 배제 할 수 있어야하지만 나머지 정보는 매우 중요 할 수 있습니다.연구자들이 실험을 설정할 때이 속도가 높다는 것을 알게되면, 통제하기 위해 약간의 조정을 할 수 있습니다.여기에는 잘못된 긍정의 수를 낮추기 위해 더 큰 샘플을 얻는 것과 같은 Studys 방법론에 대한 변경이 포함될 수 있습니다.이 프로세스의 오류로 인해 실험에 문제가 발생할 수 있기 때문에 세심한 연구 설계는 매우 중요합니다.

허위 발견 속도 계산을 지원하기위한 컴퓨터 프로그램을 사용할 수 있습니다.손으로 수행하는 것도 가능합니다.연구 방법론을 개발하는 과정에서 연구원들은 실험이 진행되기 전에 설계에서 명백한 결함을 식별하기 위해 계산할 수 있습니다.이것은 그들이 약점을 찾아서 실험을 가능한 한 강력하고 유용하게 만드는 데 도움이 될 수 있습니다.