Štatistická odchýlka - čo to je, definícia a pojem
Štatistická odchýlka je rozdiel, ktorý nastane medzi matematickým odhadcom a jeho číselnou hodnotou po vykonaní analýzy.
Preto je zaujatosť rozdiel medzi teóriou a realitou.
V štatistike je to veľmi bežné a musí sa to kontrolovať. Na druhej strane, odhady, ktoré nemajú zaujatosť, sa nazývajú nezaujaté a boli by ideálnym stavom pri vyšetrovaní, aj keď je to preto, že je to prakticky nedosiahnuteľné.
Čo spôsobuje zaujatosť vo vede?
Predpätie sa môže vyskytnúť predovšetkým tromi spôsobmi:
- Predpätie výberu: Je to najbežnejšia štatistika. Spravidla to súvisí s výberom skupín. Najčastejšie sa rozhodnutie neprijalo na základe objektívnych metód odberu vzoriek. Napríklad vzorka je vybraná podľa afinity k kandidátovi v hlasovaní.
- Informačná zaujatosť: Čelíme zaujatosti kvôli nedostatku informácií. Preto nemôžeme porovnávať skupiny, pretože máme o nich príliš obmedzené informácie.
- Predpojatosť zmätku: V tomto prípade existuje takzvaná zmätočná premenná, ktorá spôsobuje skreslenie. Často je ťažké nájsť, kde je problém.
Štatistické odchýlky a metódy odberu vzoriek
Keď vykonávame vyšetrovanie, musíme vedieť, či sa chystáme uskutočniť prieskumnú alebo potvrdzujúcu štúdiu. Táto otázka je nevyhnutná. Typ vzorkovania, ktorý si vyberieme, bude závisieť od toho.
Pokiaľ teda chceme vykonať potvrdzujúcu štúdiu, použijeme randomizované metódy. Ak je však zámerom vykonať preskúmanie, ktoré bude slúžiť ako základ pre ďalšie vyšetrovanie, metóda nemusí byť náhodná. Je potrebné mať na pamäti, že táto posledná metóda je zvyčajne lacnejšia a jednoduchšia.
Predpätie štatistického výberu
Toto je najbežnejší prípad, ku ktorému sa vedci zaviažu vo väčšej miere. Pri výbere štatistickej vzorky musíme byť veľmi opatrní. V tomto procese sa potvrdzuje tento typ zaujatosti štatistického výberu.
Preto je veľmi dôležité vopred vypracovať protokol a urobiť ho podrobne. Ľudia, ktorí budú údaje zhromažďovať, musia byť navyše vyškolení. Táto posledná časť je prioritou, ktorej sa treba vyhnúť tiež iným typom skreslenia, ako je skreslenie informácií.
Príklady skreslenia štatistického výberu
Uvidíme, na záver, niekoľko príkladov, kde môže dôjsť k štatistickému skresleniu.
Sú veľmi časté a často vedú k zaujatému vyšetrovaniu, ktoré neodráža realitu. Preto je dôležité vyhnúť sa im.
- Predstavme si napríklad, že chceme študovať príbuznosť obyvateľstva k politickému kandidátovi. Ankety mohli urobiť chybu ovplyvnenia, ak nevybrali oblasti náhodne. Teda ak si vyberú oblasti súvisiace s uvedeným kandidátom.
- V ekonómii sa môžete dopustiť zaujatosti, napríklad pri štúdiu chudoby. Krajiny by sa mali vyberať rovnako, aby sa dosiahla rovnováha. Mohli by sa teda študovať premenné, ktoré podporujú chudobu, ale aj prosperitu.
- V medicíne dochádza k štatistickému skresleniu výberu, ak sa pri štúdiu choroby nepoužije adekvátny odber vzoriek. To znamená, že ak chceme vidieť incidenciu populácie, musíme použiť náhodné vzorky, najmä ak je cieľom potvrdiť štúdiu.
