Biasul statistic este diferența care apare între un estimator matematic și valoarea sa numerică, odată ce a fost efectuată o analiză.
Prin urmare, părtinirea este diferența dintre teorie și realitate.
Este foarte frecvent în statistici și trebuie controlat. Pe de altă parte, estimatorii care nu au părtinire sunt numiți imparțiali și ar fi starea ideală într-o investigație, deși acest lucru se datorează faptului că este practic de neatins.
Ce produce prejudecăți în știință?
Particularitatea poate apărea, mai presus de toate, în trei moduri:
- Bias de selecție: Este cel mai comun în statistici. De obicei, are de-a face cu alegerea grupurilor. Cel mai adesea, decizia nu a fost luată pe baza metodelor obiective de eșantionare. De exemplu, eșantionul este ales prin afinitate față de un candidat într-un sondaj.
- Tendința de informare: Ne confruntăm cu o prejudecată din cauza informațiilor deficitare. Prin urmare, nu putem compara grupurile, deoarece avem informații prea limitate despre ele.
- Tendința de confuzie: În acest caz există o așa-numită variabilă de confuzie, care este cauza provocării. Este adesea dificil de găsit unde se află problema.
Tendințe statistice și metode de eșantionare
Atunci când efectuăm o investigație, trebuie să știm dacă vom efectua un studiu exploratoriu sau de confirmare. Această întrebare este esențială. Tipul de eșantionare pe care îl alegem va depinde de acesta.
Astfel, atunci când dorim să realizăm un studiu de confirmare, vom folosi metode randomizate. Cu toate acestea, atunci când intenția este de a efectua o examinare pentru a servi drept bază pentru investigații ulterioare, metoda poate fi non-aleatorie. Trebuie avut în vedere faptul că această ultimă metodă este de obicei mai mică și mai simplă.
Tendința de selecție statistică
Acesta este cel mai comun și cel pe care cercetătorii îl angajează într-o măsură mai mare. Trebuie să fim foarte atenți atunci când alegem un eșantion statistic. Acest tip de prejudecată de selecție statistică este angajat în acest proces.
De aceea este foarte important să stabiliți protocolul în prealabil și să îl faceți în detaliu. În plus, persoanele care vor colecta datele trebuie să fie instruite. Această ultimă parte este o prioritate pentru a evita, de asemenea, alte tipuri de părtinire, cum ar fi părtinirea informațiilor.
Exemple de prejudecată de selecție statistică
Vom vedea, pentru a termina, câteva exemple în care poate apărea o prejudecată statistică.
Acestea sunt foarte frecvente și deseori conduc la investigații părtinitoare care nu reflectă realitatea. De aceea este important să le eviți.
- De exemplu, imaginați-vă că vrem să studiem afinitatea populației pentru un candidat politic. Anchetatorii ar putea face o greșeală de părtinire dacă nu ar selecta zonele la întâmplare. Adică, dacă aleg domenii legate de candidatul respectiv.
- În economie puteți comite o prejudecată, de exemplu, în studiul sărăciei. Țările ar trebui alese în mod egal, astfel încât să existe un echilibru. Astfel, ar putea fi studiate variabilele care promovează sărăcia, dar și prosperitatea.
- În medicină, apare o tendință de selecție statistică dacă nu se utilizează eșantionarea adecvată la studierea unei boli. Adică, dacă vrem să vedem incidența populației, trebuie să folosim eșantioane aleatorii, mai ales dacă obiectivul este confirmarea studiului.