FDR（偽陽性率）とは、統計解析における有意な結果が実際には無効である場合の割合を示す指標である。
## 概要
FDRは、大量の仮説検定を行う際に、誤った仮説を棄却してしまう確率を管理するための概念として20世紀後半に体系化された。特に遺伝子発現解析や画像処理など、多数の独立した試験を行う分野で有用性が確認されている。
## 役割と機能
FDRは、大量データ分析において有意な結果を過度に報告することによる誤解を防ぐ役割を果たす。統計的有意性を厳格に設定すると有用な仮説も棄却してしまう問題に対処するための手法として用いられる。
## 特徴
- **調整なしp値との違い**：FDRは個々の検定結果ではなく全体の誤り率を管理する
- **多重比較対策**：大量データ解析で有用だが、少数の仮説検定では有意性が薄まる場合がある
## 現在の位置づけ
近年、機械学習やビッグデータ分析においてFDRは重要な指標として活用されている。ただし、厳密な理論背景を持つ一方で、実際の適用には適切な設定が必要であり、研究者間での議論も継続している。
