False discovery rate (FDR)，误报率。FDR的真正含义是"所有发现中发生了错误所占的比率"，即在计算所有discovery中false(假发现)所占的比率。常有误译为“错误发现率”，但个人认为“误报率”更准确。了解FDR，需要熟悉几个相关概念：False omission rate (FOR)。将FOR译为“错漏率”会更贴切。在...
FWER和FDR校正都可以使多重假设检验整体犯I类错误的概率低于预先设定的显著性水平α。FWER显得较为保守,它主要是依靠减少假阳性的个数,同时也会减少TDR(true discovery rate)。而FDR方法是一种更加新颖靠谱的方法,它会对每个测试用例使用校正后的p值(q值),达到了更好的效果:在检验出尽可能多的阳性结果的同时将错...
False discovery rate (FDR) 的真正的意思是“所有发现中发生了错误所占的比率”，也就是在计算所有的...
假发现率FDR（False Discovery Rate）是在多重假设检验中用来控制多重比较的一种方法。在以往的一系列研究中，人们用FDR来防止不正确地拒绝了零假设（null hypotheses）。相比FWER，如Bonferroni correction，FDR要宽松一点。数据分析中常碰见多重检验问题 (multipletesting).Benjamini于1995年提出一种方法,通过控制FDR(...
risk of rejection of a true null hypothesis. Another way of phrasing this is that it is a false positive result; that is, the null is rejected (the positive), yet the null is true (hence, a false positive). The expected portion of false positives is the false discovery rate (FDR). ...
实际上，里面有2个是误报。所以，发现了5个，其中2个是错误的发现。那么错误发现率就是2/5。
错误发现率 (False Discovery Rate, FDR) 是一个衡量在统计学检验中发现的假设错误比例的指标。它定义为所有错误拒绝的假设中被发现的期望比例。FDR与假阳性率有着本质的区别，假阳性率针对所有变量数而言，而FDR则将范围限定在总的拒绝次数中。FDR是一种在进行多重比较时的修正方法，用于控制错误发现的...
一类错误指的是在原假设为真的情况下，错误地拒绝了原假设，即原假设被错误地判断为假。显著性水平α表示一类错误发生的概率，通常取值在0至1之间，如显著性水平为5%，意味着抽样一次的结果落在拒绝域，拒绝原假设的概率为5%。错误发现率（FDR）是拒绝原假设的所有情况中，错误拒绝原假设的比例。其值...
简单搜索了一下知乎,只有提到FDR的解释,还有介绍Benjamini-Hochberg的步骤,但似乎并没有帖子解释为什么用这个方法可以控制错误发现率(False discovery rate, FDR)。 首先一句话概括引入FDR的目的,即是在multiple hypothesis testing的情况下,对false positive加以控制,FDR没有FWER那么保守。详细的介绍可以移步至下面这个帖子...