一、計算錯誤發現率
錯誤發現率（False Discovery Rate，FDR）是指拒絕所提出的虛無假設中實際上為真的比例。計算FDR所需具備兩個先驗條件：被拒絕的虛無假設為真的數量不超過總數的一部分α（通常α取0.05）以及總假設數目為N。FDR的計算公式為:FDR=qN/R，其中R為被拒絕的假設數，q為p值閾值。
def calculate_FDR(q, N, R):
return q * N / R
二、錯誤發現率的定義
錯誤發現率是指被判定為顯著（可以拒絕虛無假設）的選項中實際上為無效（虛無假設為真）的比例。
三、錯誤發現率的意義
錯誤發現率是判斷某個假設是否真實性的一種經典方法。在研究中，研究者提出假設並且進行檢驗，如果拒絕了所提出的虛無假設，通常認為存在一定的證據確證替代假定的新假設。但是，拒絕虛無假設本身就存在測試錯誤或發現為false positive的風險。因此，通過控制錯誤發現率，降低因測試錯誤而給實驗帶來的負面影響。
四、錯誤發現率越大風險越高
當研究者越來越傾向於探查越多的變量，那麼假設的數量也逐漸增多，錯誤發現率也相應上升，從而會導致更多的錯誤發現。錯誤發現率越高，實驗結果就越不可靠，這也就代表着更高的實驗結果的風險，要通過一定的控制降低錯誤發現率，取得更加準確的實驗結果。
五、錯誤發現率FDR與p值關係
對於某個給定的FDR，可以基於每個假設的p值進行獨立調整，以使最終的初始假設集選取滿足某個預定的FDR。因此FDR和p值存在必然的關聯，p值在一定範圍內升高，FDR也隨之升高。
六、條件錯誤發現率
條件錯誤發現率指的是，當你的研究中，只有符合某些特定條件的子集才被視為一個顯著的成果時，計算FDR可能更加複雜。在這種情況下可以使用條件錯誤發現率（FDR條件）。需要在樣本總體數量、所屬類別個數、特定條件下的顯著發現個數等多個因素進行考量。
七、給葯錯誤發生率
在醫學研究領域，錯誤發現率常常用於評估診斷測試（例如給葯）方法。診斷測試能夠診斷出真實患病的人數以及實際非患者中被診為患者的情況數目，給葯錯誤發生率就是非患者中被診為患者的比例的集合。
def calculate_MED(q, N, R):
return q * N / R
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hant/n/160658.html
微信掃一掃 
支付寶掃一掃 