FDR (False Discovery rate) on tilastollinen ennuste siitä, kuinka monen tuloksen voidaan olettaa olevan vääriä positiivisia. Tämän avulla tutkijat voivat analysoida tietoja määrittääkseen, ovatko ne tilastollisesti merkityksellisiä vai arvottomia. Projektityypistä riippuen voi olla suuri toleranssi suurelle väärien löydösten määrälle, koska muut havainnot ovat edelleen päteviä ja voivat olla hyödyllisiä. Tutkijat esittävät yleensä tilastollisen analyysin tuloksistaan ja keskustelevat tästä työnsä esittelyssä.
Tämä käsite liittyy p-arvoon, joka on arvio todennäköisyydestä saada mielekäs ja pätevä tulos. Pienet p-arvot viittaavat siihen, että tiedot eivät ole niin merkityksellisiä, koska niiden tilastollinen todennäköisyys on ainutlaatuinen. Jos joku esimerkiksi vetää värillisiä palloja pussista, joka sisältää kolmen värin palloja, hän odottaa vetävänsä suunnilleen yhtä monta kutakin väriä. Jos vedetään 20 palloa ja 10 niistä on samaa väriä, tämä olisi tilastollisesti epätodennäköistä. P-arvon löytämiseksi tutkija voisi suorittaa tilastollisen analyysin määrittääkseen, kuinka todennäköistä on piirtää 10 samanväristä palloa 20 pallon arvonnassa.
FDR: n tapauksessa on enemmän suvaitsevaisuutta kuin p-arvon kanssa. Sen sijaan, että tarkasteltaisiin tilastollista todennäköisyyttä, että tulokset ovat todella ainutlaatuisia, se tutkii, kuinka monta vääriä positiivisia tuloksia todennäköisesti löytyy. Suuri määrä vääriä positiivisia tuloksia voi silti tuottaa hyödyllistä tietoa. Tutkijoiden on voitava tunnistaa ja sulkea pois vääriä positiivisia tuloksia, mutta loput tiedot voivat olla erittäin tärkeitä.
Lukuisia laskelmia voidaan käyttää väärien löydösten määrittämiseen. Jos tutkijat havaitsevat, että tämä luku on korkea, kun he perustavat kokeilun, he voivat tehdä joitain säätöjä sen hallitsemiseksi. Tämä voi sisältää muutoksia tutkimuksen menetelmiin, kuten suuremman otoksen hankkimisen väärien positiivisten määrän vähentämiseksi. Huolellinen tutkimussuunnittelu on erittäin tärkeää, koska virheet tässä prosessissa voivat aiheuttaa ongelmia kokeessa.
Saatavilla on tietokoneohjelmia, jotka auttavat väärien etsintäprosenttien laskemisessa. On myös mahdollista suorittaa ne käsin. Tutkimusmenetelmän kehittämisen aikana tutkijat voivat tehdä joitain laskelmia havaitakseen ilmeiset suunnitteluvirheet ennen kokeen etenemistä. Tämä voi auttaa heitä löytämään heikkoja kohtia ja osoittamaan heille, että kokeesta tulee mahdollisimman vahva ja hyödyllinen.