Statistická odchylka je rozdíl, který nastane mezi matematickým odhadcem a jeho číselnou hodnotou po provedení analýzy.
Proto je zaujatost rozdílem mezi teorií a realitou.
Ve statistikách je to velmi běžné a musí být kontrolováno. Na druhou stranu, odhady, které nemají zkreslení, se nazývají nezaujaté a byly by ideálním stavem při vyšetřování, i když je to proto, že je to prakticky nedosažitelné.
Co vytváří zaujatost ve vědě?
Předpětí může nastat především třemi způsoby:
- Předpětí výběru: Je to nejběžnější ve statistikách. Obvykle to souvisí s výběrem skupin. Nejčastěji nebylo rozhodnutí učiněno na základě objektivních metod odběru vzorků. Například vzorek je vybrán podle afinity ke kandidátovi v anketě.
- Informační zkreslení: Čelíme zkreslení kvůli nedostatečným informacím. Proto nemůžeme porovnávat skupiny, protože o nich máme příliš omezené informace.
- Předpojatost zmatku: V tomto případě existuje takzvaná matoucí proměnná, což je příčinou zkreslení. Často je obtížné zjistit, kde je problém.
Statistické zkreslení a metody vzorkování
Když provádíme vyšetřování, musíme vědět, zda provedeme průzkumnou nebo potvrzující studii. Tato otázka je zásadní. Typ výběru, který si vybereme, bude záviset na tom.
Když tedy chceme provést potvrzovací studii, použijeme randomizované metody. Pokud je však záměrem provést zkoušku, která bude sloužit jako základ pro další vyšetřování, metoda nemusí být náhodná. Je třeba mít na paměti, že tato poslední metoda je obvykle levnější a jednodušší.
Předpětí statistického výběru
Toto je nejběžnější a ten, kterého se vědci dopouštějí ve větší míře. Při výběru statistického vzorku musíme být velmi opatrní. Tento typ zkreslení statistického výběru je v tomto procesu potvrzen.
Proto je velmi důležité předem vytvořit protokol a udělat to podrobně. Lidé, kteří budou údaje shromažďovat, musí být navíc proškoleni. Tato poslední část je prioritou, aby se zabránilo také jiným typům zkreslení, jako je zkreslení informací.
Příklady zkreslení statistického výběru
Uvidíme na závěr několik příkladů, kde může dojít ke statistickému zkreslení.
Jsou velmi časté a často vedou k zaujatému vyšetřování, které neodráží realitu. Proto je důležité se jim vyhnout.
- Představme si například, že chceme studovat afinitu populace k politickému kandidátovi. Pollsters mohli udělat chybu předpětí, pokud by nevybrali oblasti náhodně. To znamená, že pokud si vyberou oblasti související s uvedeným kandidátem.
- V ekonomii se můžete dopustit zaujatosti, například při studiu chudoby. Země by měly být vybírány stejně, aby byla zajištěna rovnováha. Lze tedy studovat proměnné, které podporují chudobu, ale také prosperitu.
- V medicíně dochází ke zkreslení statistického výběru, pokud se při studiu nemoci nepoužije adekvátní odběr vzorků. To znamená, že pokud chceme vidět populační incidenci, musíme použít náhodné vzorky, zvláště pokud je cílem potvrdit studii.