Die False Discovery Rate (FDR) ist eine statistische Vorhersage, wie viele Ergebnisse voraussichtlich falsch positiv sind. Auf diese Weise können Forscher Daten analysieren, um festzustellen, ob sie statistisch aussagekräftig oder wertlos sind. Je nach Art des Projekts kann es eine hohe Toleranz für eine hohe False Discovery-Rate geben, da die anderen Erkenntnisse noch gültig sind und nützlich sein können. Forscher präsentieren in der Regel eine statistische Analyse ihrer Ergebnisse und diskutieren diese in der Präsentation ihrer Arbeit.
Dieses Konzept bezieht sich auf den p-Wert, eine Schätzung der Wahrscheinlichkeit, ein aussagekräftiges und gültiges Ergebnis zu erhalten. Kleine p-Werte deuten darauf hin, dass die Daten nicht so aussagekräftig sind, da die statistische Wahrscheinlichkeit für ihre Eindeutigkeit gering ist. Wenn zum Beispiel jemand farbige Kugeln aus einer Tüte zieht, die Kugeln in drei Farben enthält, würde diese Person erwarten, ungefähr gleich viele von jeder Farbe zu ziehen. Wenn 20 Kugeln gezogen werden und 10 davon die gleiche Farbe haben, wäre dies statistisch unwahrscheinlich. Um den p-Wert zu finden, könnte der Forscher eine statistische Analyse durchführen, um zu bestimmen, wie wahrscheinlich es ist, bei einem 10-Ball-Ziehen 20 Bälle derselben Farbe zu ziehen.
Beim FDR gibt es mehr Nachsicht als bei einem p-Wert. Anstatt die statistische Wahrscheinlichkeit zu untersuchen, dass die Ergebnisse tatsächlich eindeutig sind, wird die Anzahl der falsch positiven Ergebnisse untersucht, die wahrscheinlich in den Ergebnissen gefunden werden. Eine hohe Anzahl falsch positiver Ergebnisse könnte dennoch nützliche Daten liefern. Die Forscher müssen in der Lage sein, die falsch-positiven Ergebnisse zu identifizieren und aus ihren Ergebnissen auszuschließen, aber die verbleibenden Informationen könnten sehr wichtig sein.
Zahlreiche Berechnungen können verwendet werden, um die Falscherkennungsrate zu bestimmen. Wenn Forscher bei der Einrichtung eines Experiments feststellen, dass diese Rate hoch ist, können sie einige Anpassungen vornehmen, um dies zu kontrollieren. Dies könnte Änderungen an der Methodik der Studie beinhalten, wie z. B. die Gewinnung einer größeren Stichprobe, um die Anzahl der falsch positiven Ergebnisse zu verringern. Ein sorgfältiges Studiendesign ist sehr wichtig, da Fehler in diesem Prozess zu Problemen mit dem Experiment führen können.
Computerprogramme zur Unterstützung bei Berechnungen der falschen Entdeckungsrate sind verfügbar. Es ist auch möglich, sie von Hand auszuführen. Im Zuge der Entwicklung einer Studienmethodik könnten Forscher einige Berechnungen durchführen, um offensichtliche Mängel im Design zu identifizieren, bevor das Experiment fortgesetzt wird. Dies kann ihnen helfen, Schwachstellen zu finden und diese anzugehen, um das Experiment so stark und nützlich wie möglich zu machen.