Le taux de fausses découvertes (FDR) est une prédiction statistique du nombre de résultats susceptibles d’être des faux positifs. Cela permet aux chercheurs d’analyser les données pour déterminer si elles sont statistiquement significatives ou sans valeur. Selon le type de projet, il peut y avoir une tolérance élevée pour un taux élevé de fausses découvertes, car les autres découvertes sont toujours valides et peuvent être utiles. Les chercheurs présentent généralement une analyse statistique de leurs résultats et en discutent dans la présentation de leurs travaux.
Ce concept est lié à la p-value, une estimation de la probabilité d’obtenir un résultat significatif et valide. De petites valeurs de p suggèrent que les données ne sont pas aussi significatives, car il y a une faible probabilité statistique qu’elles soient uniques. Par exemple, si quelqu’un tire des boules colorées d’un sac contenant des boules de trois couleurs, cette personne s’attend à tirer un nombre à peu près égal de chaque couleur. Si 20 boules sont tirées et que 10 d’entre elles sont de la même couleur, cela serait statistiquement improbable. Pour trouver la valeur p, le chercheur pourrait effectuer une analyse statistique pour déterminer la probabilité de tirer 10 boules de la même couleur dans un tirage de 20 boules.
Dans le cas du FDR, il y a plus de clémence qu’avec une valeur p. Plutôt que d’examiner la probabilité statistique que les résultats soient réellement uniques, il examine le nombre de faux positifs susceptibles d’être trouvés dans les résultats. Un nombre élevé de faux positifs pourrait encore fournir des données utiles. Les chercheurs devront être en mesure d’identifier et d’exclure les faux positifs de leurs résultats, mais les informations restantes pourraient être très importantes.
De nombreux calculs peuvent être utilisés pour déterminer le taux de fausses découvertes. Si les chercheurs constatent que ce taux est élevé lorsqu’ils mettent en place une expérience, ils peuvent faire quelques ajustements pour le contrôler. Cela pourrait inclure des changements à la méthodologie de l’étude, tels que l’obtention d’un échantillon plus grand pour réduire le nombre de faux positifs. Une conception d’étude méticuleuse est très importante, car des erreurs dans ce processus pourraient créer des problèmes avec l’expérience.
Des programmes informatiques pour aider aux calculs de taux de fausses découvertes sont disponibles. Il est également possible de les réaliser à la main. Au cours de l’élaboration d’une méthodologie d’étude, les chercheurs peuvent effectuer des calculs pour identifier des défauts évidents dans la conception avant de procéder à l’expérience. Cela peut les aider à trouver les points faibles et à y remédier pour rendre l’expérience aussi solide et utile que possible.