Tartalom
Az elfogultság a becslésekben szereplő olyan szisztematikus hibák miatti hiba, amelyek következetesen magas vagy alacsony eredményt eredményeznek a tényleges értékekhez képest. Az ismert torzítású becslés egyedi torzítása a becsült és a tényleges értékek közötti különbség. Ha a becslésről nem ismeretes, hogy torz, akkor a különbség véletlenszerű hiba vagy más pontatlanságok oka lehet. Ellentétben az előítélettel, amely mindig egy irányba hat, ezek a hibák pozitív vagy negatív is lehetnek.
A sok becsléshez használt módszer torzításának kiszámításához keresse meg a hibákat az egyes becslések kivonásával a tényleges vagy megfigyelt értékből. Összeadja az összes hibát, és ossza meg a becslések számával a torzítás érdekében. Ha a hibák nullához vezetnek, akkor a becslések elfogulatlanok voltak, és a módszer elfogulatlan eredményeket ad. Ha a becslések torzak, akkor lehetséges, hogy megtalálják az eltérés forrását, és kiküszöbölhetők a módszer javítása érdekében.
TL; DR (túl hosszú; nem olvastam)
A torzítást úgy számolja ki, hogy megtalálja a különbséget a becslés és a tényleges érték között. Egy módszer torzításának megállapításához végezzen sok becslést, és az egyes becslésekben szereplő hibákat összeadja a valós értékkel. A becslések számával elosztva a módszer elfogultságát kapjuk. A statisztikákban sok becslés lehet egy érték megállapítására. Az torzítás a különbség ezen becslések átlaga és a tényleges érték között.
Hogyan működik az elfogultság?
Ha a becslések elfogultak, akkor következetesen egy irányba tévedek a becslésekhez használt rendszer hibái miatt. Például egy időjárás-előrejelzés következetesen megjósolhatja a ténylegesen megfigyeltnél magasabb hőmérsékleteket. Az előrejelzés elfogult, és a rendszer valahol hibája miatt túlságosan magas a becslés. Ha az előrejelzési módszer elfogulatlan, akkor továbbra is előre jelezheti a nem megfelelő hőmérsékleteket, de a helytelen hőmérsékletek néha magasabbak, néha alacsonyabbak lesznek, mint a megfigyelt hőmérsékletek.
A statisztikai torzítás ugyanúgy működik, de általában sok becslésen, felmérésen vagy előrejelzésen alapul. Ezek az eredmények grafikusan ábrázolhatók egy eloszlási görbén, és az eltérés az eloszlás átlaga és a tényleges érték közötti különbség. Ha van torzítás, akkor mindig lesz különbség, annak ellenére, hogy egyes egyedi becslések a tényleges érték mindkét oldalára eshetnek.
Torzítás a felmérésekben
Az elfogultság példája egy olyan felmérési társaság, amely szavazást végez a választási kampányok során, de a szavazás eredményei következetesen túlbecsülik az egyik politikai párt eredményeit a tényleges választási eredményekhez viszonyítva. Az elfogultság kiszámolható minden választáshoz azáltal, hogy kivonja a tényleges eredményt a szavazás előrejelzéséből. Az alkalmazott lekérdezési módszer átlagos torzítását kiszámolhatjuk az egyes hibák átlagának megkeresésével. Ha az elfogultság nagy és következetes, akkor a szavazótársaság megpróbálhatja kideríteni, hogy módszere miért elfogult.
Az elfogultság két fő forrásból származhat. Vagy a szavazások résztvevőinek kiválasztása elfogult, vagy az elfogultság a résztvevőktől kapott információk értelmezéséből származik. Az internetes közvélemény-kutatások például eredendően elfogultak, mivel az internetes űrlapokat kitöltő résztvevők nem képviselik a teljes népességet. Ez egy kiválasztási elfogultság.
A szavazótársaságok tisztában vannak ezzel a választási torzítással, és a számok kiigazításával kompenzálják azokat. Ha az eredmények továbbra is elfogultak, akkor az információs elfogultság, mert a vállalatok nem értelmezték az információkat helyesen. Mindezen esetekben az elfogultság számítása megmutatja, hogy a becsült értékek milyen mértékben hasznosak, és mikor kell a módszereket módosítani.