To bude (v kontextu zprávičky) znamenat, že se sice objevil nějaký pozorovatelný výskyt, ale vzhledem ke statistické chybě jej nelze prezentovat jako nějaký fakt. To může být způsobeno třeba byť jenom několika parametry, který do toho zanesou větší nejistoty. Ale nevěš hlavu, správným výsledkem může být i zjištění, že je potřeba testovat na jiném vzorku, jinak nebo oboje ...
Korekci vysvětluje xkcd co odkazuji níže.
Preregistrace slouží k tomu, abys "commitnul" jakou máš hypotézu a jak ji budeš testovat, protože jinak mají lidé tendenci měnit předpoklady v průběhu experimentu. Rovněž by měla trochu snížit šuplíkový bias - pokud hledáme jev, který se vyskytuje občas, zhruba v polovině případů, a bude ho hledat 10 laboratoří, tak ty, co ho najdou, určitě napíšou „našli jsme X“, ale ty, co ho nenajdou, nejspíš nenapíšou „nenašli jsme X“. Takže pak vyjde 5 paperů pro X a jeden proti X a člověk mylně usoudí, že X se vyskytuje v 80 % případů, ne v 50. Díky preregistraci lze získat informaci „10 laboratoří hledalo X a jenom 5 ho našlo“.
Predstav si, ze mas p=0.05 a delas pokus, kdy chces ozkouset, zda ma jedeni piskot u akvarijnich rybicek vliv na dvacet ruznych nemoci. Rekneme, ze nema. Co ale mozna zjistis je, ze kdyz udelas dvacet nezavislych statistickych testu, tak ti nejaky z nich vyjde pozitivni ciste nahodou. Ze se to stane u jednoho je pst 1:20, kdyz jich mas hodne, tak se vzrustejici pravdepodobnosti nasekas false positive. Da se to resit ruzne, napr. Bonferroniho korekci.
Preregistrace - predem zaregistrujes pokus, ktery budes delat vcetne detailu typu velikosti a vybery populace, co budes merit a jakou pouzijes statistiku. To zabrani tomu, abys udelal pokus, pak zkusil kopec hypotez a opublikoval ty, u kterych ti to nahodou vyslo. Navic to castecne omezuje tendenci publikovat jen pozitivni vysledky.