Conţinut
Preocuparea este eroarea în estimări datorată greșelilor sistematice care duc la rezultate constant ridicate sau scăzute în comparație cu valorile reale. Biasul individual al unei estimări cunoscute a fi părtinitoare este diferența dintre valorile estimate și cele reale. Dacă nu se știe că estimarea este părtinitoare, diferența ar putea fi, de asemenea, cauzată de eroare aleatoare sau alte inexactități. Contrar prejudecății, care acționează întotdeauna într-o direcție, aceste erori pot fi pozitive sau negative.
Pentru a calcula prejudecata unei metode utilizate pentru multe estimări, găsiți erorile scăzând fiecare estimare din valoarea reală sau observată. Adăugați toate erorile și împărțiți numărul estimărilor pentru a obține prejudecata. Dacă erorile se ridică la zero, estimările au fost nepărtinitoare, iar metoda oferă rezultate nepărtinitoare. Dacă estimările sunt părtinitoare, poate fi posibilă găsirea sursei prejudecății și eliminarea acesteia pentru a îmbunătăți metoda.
TL; DR (Prea lung; nu a citit)
Calculați prejudecata găsind diferența dintre o estimare și valoarea reală. Pentru a găsi prejudecata unei metode, efectuați multe estimări și adăugați erorile din fiecare estimare în comparație cu valoarea reală. Împărțirea după numărul estimărilor oferă prejudecata metodei. În statistici, pot fi multe estimări pentru a găsi o singură valoare. Bias este diferența dintre media acestor estimări și valoarea reală.
Cum funcționează prejudecata
Când estimările sunt părtinitoare, greșesc constant într-o direcție din cauza greșelilor din sistemul utilizat pentru estimări. De exemplu, o prognoză meteo poate prezice constant temperaturi care sunt mai mari decât cele observate efectiv. Prognoza este părtinitoare, iar undeva în sistem există o greșeală care dă o estimare prea mare. Dacă metoda de prognoză este imparțială, poate totuși prezice temperaturi care nu sunt corecte, dar temperaturile incorecte vor fi uneori mai ridicate și alteori mai mici decât temperaturile observate.
Preocuparea statistică funcționează la fel, dar de obicei se bazează pe un număr mare de estimări, sondaje sau prognoze. Aceste rezultate pot fi reprezentate grafic într-o curbă de distribuție, iar prejudecata este diferența dintre media distribuției și valoarea reală. Dacă există prejudecăți, va exista întotdeauna o diferență, chiar dacă unele estimări individuale pot cădea de o parte sau de alta a valorii reale.
Bias în sondaje
Un exemplu de părtinire este o companie de sondaje care conduce sondaje în timpul campaniilor electorale, dar rezultatele votării acestora supraestimează constant rezultatele pentru un partid politic, comparativ cu rezultatele electorale reale. Preocuparea poate fi calculată pentru fiecare alegere scăzând rezultatul real din prezicerea sondajului. Biasul mediu al metodei de votare utilizat poate fi calculat găsind media erorilor individuale. Dacă prejudecata este mare și consecventă, compania de votare poate încerca să afle de ce metoda lor este părtinitoare.
Prejudecata poate proveni din două surse principale. Fie selectarea participanților la sondaj este părtinitoare, fie prejudecata rezultă din interpretarea informațiilor primite de la participanți. De exemplu, sondajele de internet sunt părtinitoare în mod inerent, deoarece participanții la sondaj care completează formularele de internet nu sunt reprezentative pentru întreaga populație. Aceasta este o prejudecată de selecție.
Companiile de votare sunt la curent cu această prejudecată de selecție și compensează prin ajustarea numerelor. Dacă rezultatele sunt încă părtinitoare, este o prejudecată a informațiilor, deoarece companiile nu au interpretat corect informațiile. În toate aceste cazuri, un calcul părtinitor arată în ce măsură valorile estimate sunt utile și când metodele au nevoie de ajustare.