Cách tính Bias

Posted on
Tác Giả: Monica Porter
Ngày Sáng TạO: 21 Hành Khúc 2021
CậP NhậT Ngày Tháng: 18 Tháng MườI MộT 2024
Anonim
Cách tính Bias - Khoa HọC
Cách tính Bias - Khoa HọC

NộI Dung

Xu hướng là lỗi trong ước tính do các lỗi hệ thống dẫn đến kết quả cao hoặc thấp liên tục so với các giá trị thực tế. Xu hướng riêng của một ước tính được biết là sai lệch là sự khác biệt giữa giá trị ước tính và giá trị thực. Nếu ước tính không được biết là sai lệch, sự khác biệt cũng có thể là do lỗi ngẫu nhiên hoặc sự không chính xác khác. Trái với thiên vị, luôn luôn hành động theo một hướng, những lỗi này có thể là tích cực hoặc tiêu cực.

Để tính toán độ lệch của phương pháp được sử dụng cho nhiều ước tính, hãy tìm các lỗi bằng cách trừ từng ước tính khỏi giá trị thực tế hoặc quan sát được. Cộng tất cả các lỗi và chia cho số lượng ước tính để có được độ lệch. Nếu các lỗi cộng lại bằng 0, các ước tính không thiên vị và phương thức mang lại kết quả không thiên vị. Nếu các ước tính bị sai lệch, có thể tìm thấy nguồn gốc của sai lệch và loại bỏ nó để cải thiện phương pháp.

TL; DR (Quá dài; Không đọc)

Tính toán độ lệch bằng cách tìm sự khác biệt giữa ước tính và giá trị thực. Để tìm sai lệch của một phương thức, thực hiện nhiều ước tính và cộng các lỗi trong mỗi ước tính so với giá trị thực. Chia theo số lượng ước tính cho độ lệch của phương pháp. Trong thống kê, có thể có nhiều ước tính để tìm một giá trị duy nhất. Xu hướng là sự khác biệt giữa giá trị trung bình của các ước tính này và giá trị thực tế.

Cách thức hoạt động của Bias

Khi ước tính bị sai lệch, chúng luôn sai theo một hướng do các lỗi trong hệ thống được sử dụng cho các ước tính. Ví dụ, dự báo thời tiết có thể liên tục dự đoán nhiệt độ cao hơn nhiệt độ thực tế quan sát được. Dự báo là sai lệch, và ở đâu đó trong hệ thống có một sai lầm đưa ra ước tính quá cao. Nếu phương pháp dự báo không thiên vị, nó vẫn có thể dự đoán nhiệt độ không chính xác, nhưng nhiệt độ không chính xác đôi khi sẽ cao hơn và đôi khi thấp hơn nhiệt độ quan sát được.

Xu hướng thống kê hoạt động theo cùng một cách nhưng thường dựa trên một số lượng lớn các ước tính, khảo sát hoặc dự báo. Những kết quả này có thể được biểu thị bằng đồ họa trong một đường cong phân phối và độ lệch là sự khác biệt giữa giá trị trung bình của phân phối và giá trị thực tế. Nếu có sai lệch, sẽ luôn có sự khác biệt mặc dù một số ước tính riêng lẻ có thể nằm ở một trong hai phía của giá trị thực.

Xu hướng trong khảo sát

Một ví dụ về thiên vị là một công ty khảo sát điều hành các cuộc thăm dò trong các chiến dịch bầu cử, nhưng kết quả bỏ phiếu của họ luôn đánh giá quá cao kết quả của một đảng chính trị so với kết quả bầu cử thực tế. Sự thiên vị có thể được tính cho mỗi cuộc bầu cử bằng cách trừ đi kết quả thực tế từ dự đoán cuộc thăm dò. Độ lệch trung bình của phương pháp bỏ phiếu được sử dụng có thể được tính bằng cách tìm trung bình của các lỗi riêng lẻ. Nếu độ lệch lớn và nhất quán, công ty bỏ phiếu có thể cố gắng tìm hiểu tại sao phương pháp của họ bị sai lệch.

Xu hướng có thể đến từ hai nguồn chính. Lựa chọn của người tham gia cuộc thăm dò là sai lệch, hoặc kết quả sai lệch từ việc giải thích thông tin nhận được từ những người tham gia. Ví dụ, các cuộc thăm dò trên internet vốn đã thiên vị vì những người tham gia cuộc thăm dò điền vào các biểu mẫu internet không đại diện cho toàn bộ dân số. Đây là một sự lựa chọn thiên vị.

Các công ty bỏ phiếu nhận thức được sự lựa chọn sai lệch này và bù đắp bằng cách điều chỉnh các con số. Nếu kết quả vẫn bị sai lệch, đó là sai lệch thông tin vì các công ty đã không giải thích chính xác thông tin. Trong tất cả các trường hợp này, một phép tính thiên vị cho thấy mức độ nào các giá trị ước tính là hữu ích và khi các phương thức cần điều chỉnh.