# False discovery rate

> (in Statistics) False discovery rate. Multiple testing problem에 대한 보정.

(in [Statistics](https://wiki.g15e.com/pages/Statistics.txt)) False discovery rate. <Multiple testing problem>에 대한 보정.

## 설명

동일한 <모집단>에서 데이터를 <임의 추출>하여 두 표본 집단을 만들어서 [p-value](https://wiki.g15e.com/pages/p-value.txt)를 측정하기를 반복하면 p-value의 분포를 구할 수 있는데, 이 때 만들어지는 분포는 <균등 분포>다. 반면 서로 다른 모집단에서 데이터를 임의 추출하여 p-value를 측정하기를 반복하면 <비대칭도>가 큰 분포를 얻게 된다(대부분의 값이 0에 가까울 것).

예를 들어 동일한 타입의 쥐(wild-type normal mice)를 두 집단으로 나누고 한 집단에는 약물을 주입하고(treatment group) 다른 집단에는 약물을 주입하지 않은 뒤(control group), 각 그룹에서 유전자 10,000개가 각각 얼마나 발현되는지를 측정하면 10,000개의 배치 쌍이 나온다.

만약 유전자 중 1,000개가 약물에 의해 영향을 받는다고 가정하면, 1,000개 배치 쌍의 p-value 분포는 <비대칭도>가 크고, 나머지 9,000개 배치 쌍의 p-value 분포는 <균등 분포>일 것이다. 한편, 10,000개 배치 쌍 전체에 대해 p-value 분포를 구하면 이 둘을 합친 형태의 분포(비대칭도가 약간 있는 형태)를 띈다.

FDR 보정은 이 성질을 활용하여 false-positive p-value의 값을 적절히 높여준다.

## 이름에 대해

> Technically, the FDR is not a method to limit [false positives](https://wiki.g15e.com/pages/False%20positive.txt), but the term is used interchangeably with the methods. In particular, it is used for the "Benjamini-Hochberg method." --[False Discovery Rates, FDR, clearly explained](https://www.youtube.com/watch?v=K8LQSvtjcEo)

## External links

- [False Discovery Rates, FDR, clearly explained](https://www.youtube.com/watch?v=K8LQSvtjcEo)