ข้อมูลบอกความจริงหรือไม่?
แนะนำใหม่| English | ความหมาย |
|---|---|
| bias/ˈbaɪəs/ | ความเบี่ยงเบน |
| representative/ˌreprɪˈzentətɪv/ | เป็นตัวแทน |
| population/ˌpɒpjʊˈleɪʃn/ | ประชากร |
| generalization/ˌdʒenərəlaɪˈzeɪʃn/ | การสรุปผลทั่วไป |
เราเชื่อถือข้อมูลได้ไหม?
- ก่อนสร้างกราฟหรือคำนวณใดๆ ให้ถาม: มีการเก็บข้อมูลอย่างซื่อสัตย์และดีหรือไม่?
- วิธีการในการเก็บกำหนดว่าข้อสรุปใดจะเป็นไปได้
- ข้อมูลแย่ไม่สามารถแก้ไขได้ด้วยการวิเคราะห์ที่ชาญฉลาด — "ขยะเข้า ขยะออก"
- Unit 3 เป็นเรื่องของการ ได้มาซึ่ง ข้อมูลที่ดี เพื่อให้ Units 4–9 สามารถเชื่อถือข้อมูลเหล่านั้นได้
อคติ: วิธีที่เอียงข้าง
- อคติคือแนวโน้ม ระบบที่จะพลาดความจริงไปใน ทิศทางเดียวกัน
- วิธีที่มีอคติจะเอื้อต่อผลลัพธ์บางอย่างไม่ว่าคุณจะเก็บข้อมูลเท่าไหร่ก็ตาม
- มันต่างจาก error แบบสุ่ม which averaging out; bias does not average out.
- ความเสี่ยง: ตัวอย่างที่ไม่ได้ เป็นตัวแทนของ ประชากร
เราจะ generalize ได้เมื่อไหร่?
- A generalizationขยายผลการสำรวจจากตัวอย่างไปยังประชากรทั้งหมด
- สิ่งนี้จะได้รับการยอมรับก็ต่อเมื่อตัวอย่างถูกเก็บ โดยไม่มีอคติ (ideal คือแบบ random)
- ข้อมูลจากวิธีที่เอียงข้างอธิบายเฉพาะกลุ่มนั้นเท่านั้น — ไม่ใช่ทุกคน
- "ใครคือผู้ที่ได้รับผลกระทบจริง?" กำหนดว่าข้อสรุปจะเดินทางไปได้ไกลแค่ไหน
วางแผนก่อนเก็บ
- การเก็บข้อมูลที่ดีต้อง วางแผนไว้ล่วงหน้า ไม่ใช่มาแก้ทีหลัง
- ตระหนักถึงประชากร, วิธีการสุ่ม, และคำถาม ก่อน การเก็บ
- แผนอย่างรอบคอบคือวิธีที่ถูกที่สุดในการหลีกเลี่ยงอคติที่คุณแก้ไขไม่ได้ทีหลัง
- การวิเคราะห์จะน่าเชื่อถือเท่ากับการเก็บข้อมูลที่ป้อนเข้าไป
ขนาดตัวอย่างที่ใหญ่ขึ้นไม่ได้แก้ Bias. ถ้า method มี systematic ที่พลาดส่วนหนึ่งของประชากร การเก็บคำตอบเพิ่มเติมด้วยวิธี flawed เดิมจะทำให้คุณได้ คำตอบที่แม่นยำกว่าแต่ผิด ขนาดต่อสู้กับ random error; มีเพียง method ที่ดีกว่า เท่านั้นที่สู้กับ bias. ต้องถามเสมอว่า how ข้อมูลถูกเก็บก่อนเชื่อถือข้อสรุปใดๆ
Radio host ถามผู้ฟังว่าพวกเขาสนับสนุนกฎหมายใหม่หรือไม่
- เฉพาะผู้ฟังที่มีแรงจูงใจและมีความคิดเห็นที่ชัดเจนเท่านั้นที่โทรเข้ามา — ไม่ใช่ representative sample
- ผลลัพธ์มี bias; มันอธิบายเฉพาะผู้โทร ไม่ใช่ประชากร
- การได้ $10{,}000$ ผู้โทรแทนที่จะได้ $100$ ก็ ไม่ลดทอนความ biased ลงเลย
วิธีการ เก็บรวบรวมข้อมูลกำหนดสิ่งที่เราสรุปได้ ความลำเอียง (bias) เป็นข้อผิดพลาดที่มีระบบที่ทำให้ตัวอย่าง ไม่เป็นตัวแทน ของ ประชากร และไม่ลดทอนลงเมื่อขนาดตัวอย่างใหญ่ขึ้น การเก็บรวบรวมที่ปราศจากความลำเอียง (ในอุดมคติสุ่ม) จึง justificats การ สรุปทั่วไป — ดังนั้นควรวางแผนเก็บรวบรวมอย่างระมัดระวัง ก่อน การวิเคราะห์
ตัวอย่างที่มีอคติแทนกลุ่มใดกลุ่มหนึ่งมากเกินไป
เมื่อส่วนย่อยใดส่วนหนึ่งครอบงำ ตัวอย่างนั้นจะไม่เป็นตัวแทนของประชากร
การเก็บตัวอย่างที่ใหญ่ขึ้นโดยใช้วิธีที่ flawed เดิม จะขจัดอคติไม่ได้
Difficulty 1/5 · 100 coins + a small bonus on first completion today
ขนาดลดข้อผิดพลาดแบบสุ่ม ไม่ใช่ อคติ — วิธีที่ flawed จะยังคงมีอคติไม่ว่าขนาดเท่าไหร่
การโหวตทางวิทยุเข้าถึงผู้ฟังที่มีแรงจูงใจเป็นหลัก ผลลัพธ์จึงเป็น...
Difficulty 1/5 · 100 coins + a small bonus on first completion today
ผู้โทรเลือกเองไม่เป็นตัวแทน — การโหวตมีอคติ
แนวโน้ม系统将ในการพลาดความจริงในทิศทางเดียวกันเรียกว่า ___.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
อคตินิเป็นข้อผิดพลาดแบบมีระบบและทิศทางที่ไม่เฉลี่ยหายไป
การขยายผลการวิจัยจากตัวอย่างไปยังประชากรทั้งหมดทำได้ก็ต่อเมื่อตัวอย่างนั้น...
Difficulty 1/5 · 100 coins + a small bonus on first completion today
การเก็บที่ไร้อคติเท่านั้นที่รองรับการสรุปทั่วไป
วิธีการเก็บข้อมูลกำหนดว่าข้อสรุปอะไรเป็นไปได้
Difficulty 1/5 · 100 coins + a small bonus on first completion today
ข้อสรุปที่ดีต้องการการเก็บที่ดี — วางแผนก่อนวิเคราะห์