偽發現率

偽發現率^[1]（False discovery rate, FDR）完善了對多重假設測試的檢驗，

${\displaystyle \mathrm {FDR} =Q_{e}=\mathrm {E} \!\left[Q\right],}$其中E表示期望值，${\displaystyle Q=V/R=V/(V+S)}$，V表示錯誤拒絕虛無假設的數目，R表示拒絕虛無假設的數目。R取0時FDR直接取0，寫成一句話就是

${\displaystyle \mathrm {FDR} =\mathrm {E} \!\left[V/R|R>0\right]\cdot \mathrm {P} \!\left(R>0\right)}$^[2]

偽發現率被用以校正多重比較所致的誤差。在拒絕多個虛無假設時，FDR校正程序能夠控制錯誤拒絕虛無假設（偽陽性）的可能性，來找到合適的結果組合。

較之於FWER校正（family-wise error rate)，FDR校正程序採用了更為寬鬆的標準（比如Bonferroni 校正，「一個假陽性也不許」）。所以，FDR校正法在提高一類錯誤（應接受虛無假設，卻拒絕虛無假設）的同時，有更好的統計功效。^[3]