Falsk discovery rate (FDR) är en statistisk förutsägelse av hur många resultat som kan förväntas vara falskt positiva. Detta gör det möjligt för forskare att analysera data för att avgöra om det är statistiskt meningsfullt eller värdelöst. Beroende på typen av projekt kan det finnas en hög tolerans för en hög falsk upptäcktsfrekvens, eftersom de andra fynden fortfarande är giltiga och kan vara användbara. Forskare brukar presentera statistisk analys av sina resultat och diskutera detta i presentationen av sitt arbete.
Detta koncept är relaterat till p-värdet, en uppskattning av sannolikheten att få ett meningsfullt och giltigt resultat. Små p-värden tyder på att data inte är lika meningsfulla, eftersom det är låg statistisk sannolikhet att den är unik. Till exempel, om någon drar färgade bollar ur en påse som innehåller bollar i tre färger, skulle den personen förvänta sig att dra ungefär lika många av varje färg. Om 20 bollar dras och 10 av dem har samma färg, skulle detta vara statistiskt osannolikt. För att hitta p-värdet kunde forskaren göra en statistisk analys för att bestämma hur sannolikt det är att dra 10 bollar av samma färg i en 20-bolls dragning.
När det gäller FDR är det mer lättnad än med ett p-värde. Istället för att titta på den statistiska sannolikheten att resultaten faktiskt är unika, undersöker den antalet falska positiva som sannolikt finns i resultaten. Ett stort antal falska positiva kan fortfarande ge användbar data. Forskarna kommer att behöva kunna identifiera och utesluta de falska positiva resultaten från sina resultat, men den återstående informationen kan vara mycket viktig.
Flera beräkningar kan användas för att fastställa antalet falska upptäckter. Om forskare upptäcker att denna frekvens är hög när de sätter upp ett experiment, kan de göra några justeringar för att kontrollera det. Detta kan innefatta förändringar av studiens metodik, som att få ett större urval för att minska antalet falskt positiva. Noggrann studiedesign är mycket viktig, eftersom fel i denna process kan skapa problem med experimentet.
Datorprogram för att hjälpa till med beräkningar av falsk upptäcktsfrekvens finns tillgängliga. Det är också möjligt att utföra dem för hand. Under utvecklingen av en studiemetodik kan forskare göra några beräkningar för att identifiera uppenbara brister i designen innan experimentet fortsätter. Detta kan hjälpa dem att hitta svaga punkter och ta itu med dem för att göra experimentet så starkt och så användbart som möjligt.