• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >
    Hur man beräknar Bias

    Bias är felet i uppskattningar på grund av systematiska misstag som leder till konsekvent höga eller låga resultat jämfört med de faktiska värdena. Den individuella bias av en uppskattning som är känd för att vara förspänd är skillnaden mellan de uppskattade och faktiska värdena. Om uppskattningen inte är känd för att vara partisk, kan skillnaden också bero på slumpmässigt fel eller andra felaktigheter. I motsats till bias, som alltid verkar i en riktning, kan dessa fel vara positiva eller negativa.

    För att beräkna bias av en metod som används för många uppskattningar, hitta felen genom att subtrahera varje uppskattning från det verkliga eller observerade värdet . Lägg upp alla fel och dela med antalet uppskattningar för att få bias. Om felen lägger till noll var uppskattningarna objektiva och metoden ger objektiva resultat. Om uppskattningarna är förspända kan det vara möjligt att hitta källan till bias och eliminera den för att förbättra metoden.

    TL; DR (för länge, läste inte)

    Beräkna förspänning genom att hitta skillnaden mellan en uppskattning och det faktiska värdet. För att hitta bias av en metod, utför många uppskattningar och lägg upp fel i varje uppskattning jämfört med det reala värdet. Att dividera med antalet uppskattningar ger fördjupningen av metoden. I statistiken kan det finnas många uppskattningar för att hitta ett enda värde. Bias är skillnaden mellan medelvärdet av dessa uppskattningar och det faktiska värdet.

    Hur fungerar Bias

    När uppskattningar är förspända är de konsekvent fel i en riktning på grund av misstag i systemet som används för uppskattningar. Till exempel kan en väderprognos konsekvent förutsäga temperaturer som är högre än de som faktiskt observerats. Prognosen är partisk och någonstans i systemet finns ett misstag som ger en för hög uppskattning. Om prognosmetoden är opartisk kan den fortfarande förutsäga temperaturer som inte är korrekta, men de felaktiga temperaturerna kommer ibland att vara högre och ibland lägre än de observerade temperaturerna.

    Statistisk bias fungerar på samma sätt men är vanligtvis baserad på ett stort antal uppskattningar, undersökningar eller prognoser. Dessa resultat kan grafiskt representeras i en fördelningskurva och bias är skillnaden mellan medelvärdet av fördelningen och det faktiska värdet. Om det finns fördomar kommer det alltid att vara skillnad trots att vissa enskilda uppskattningar kan falla på båda sidor av det verkliga värdet.

    Bias i undersökningar

    Ett exempel på bias är ett undersökningsföretag som kör undersökningar under valkampanjer, men deras omröstningsresultat överskattar resultatet konsekvent för ett politiskt parti jämfört med det faktiska valresultatet. Förspänningen kan beräknas för varje val genom att subtrahera det faktiska resultatet från undersökningen. Den genomsnittliga fördjupningen av den använda valsmetoden kan beräknas genom att man finner medelvärdet för de enskilda felen. Om förspänningen är stor och konsekvent kan prövningsföretaget försöka ta reda på varför deras metod är partisk.

    Bias kan komma från två huvudkällor. Antingen är valet av deltagare för omröstningen partisk, eller förspänningen är resultatet av tolkningen av de uppgifter som mottagits från deltagarna. Internetundersökningar är till exempel fördjupade eftersom de deltagande deltagarna som fyller i internetformulär inte är representativa för hela befolkningen. Detta är ett urval av bias.

    Pollingföretag är medvetna om detta urval och kompenserar genom att justera siffrorna. Om resultaten fortfarande är förspända, är det en informationsförskjutning eftersom företagen inte tolkade informationen korrekt. I alla dessa fall visar en biasberäkning i vilken utsträckning de uppskattade värdena är användbara och när metoderna behöver justeras.

    © Vetenskap https://sv.scienceaq.com