FDR是 错误发现率（False Discovery Rate）的缩写。在统计学中，FDR用于衡量在多重检验中错误地拒绝真实原假设的比例。具体来说，FDR是所有假阳性（False Positives，FP）占所有实际阳性（True Positives，TP）和假阳性之和的比例，数学上可以表示为：

\[ FDR = \frac{FP}{FP + TP} = 1 - PPV \]

其中，PPV表示阳性预测值（Positive Predictive Value）。

FDR的误报率（False Positive Rate）也是一个常见的翻译，但可能会导致误解，因为它实际上是指错误地识别为阳性的比例，而不是错误发现率。

FDR在多个领域都有应用，例如在基因组学中用于控制假阳性率，在医学研究中用于评估诊断测试的准确性等。