Obsah
Predpojatosť je chyba v odhadoch spôsobená systematickými chybami, ktoré vedú k trvalo vysokým alebo nízkym výsledkom v porovnaní so skutočnými hodnotami. Jednotlivé skreslenie odhadu, o ktorom je známe, že je skreslené, je rozdiel medzi odhadovanými a skutočnými hodnotami. Ak nie je známe, že je odhad neobjektívny, rozdiel by mohol byť spôsobený aj náhodnou chybou alebo inými nepresnosťami. Na rozdiel od zaujatosti, ktorá vždy pôsobí jedným smerom, môžu byť tieto chyby pozitívne alebo negatívne.
Ak chcete vypočítať zaujatosť metódy použitej pri mnohých odhadoch, nájdite chyby odpočítaním každého odhadu od skutočnej alebo pozorovanej hodnoty. Sčítajte všetky chyby a vydeľte počtom odhadov, aby ste získali zaujatosť. Ak sa chyby rovnajú nule, odhady boli nezaujaté a metóda prináša nezaujaté výsledky. Ak sú odhady neobjektívne, je možné nájsť zdroj zaujatosti a odstrániť ho, aby sa zlepšila metóda.
TL; DR (príliš dlho; neprečítané)
Vypočítajte skreslenie nájdením rozdielu medzi odhadom a skutočnou hodnotou. Ak chcete nájsť zaujatosť metódy, vykonajte veľa odhadov a spočítajte chyby v každom odhade v porovnaní so skutočnou hodnotou. Vydelenie počtom odhadov dáva zaujatosť metódy. V štatistike môže byť veľa odhadov na nájdenie jedinej hodnoty. Predpojatosť je rozdiel medzi priemerom týchto odhadov a skutočnou hodnotou.
Ako funguje zaujatosť
Ak sú odhady skreslené, vždy sa mýlia jedným smerom z dôvodu chýb v systéme použitom pri odhadoch. Predpoveď počasia môže napríklad neustále predpovedať teploty, ktoré sú vyššie ako skutočne pozorované teploty. Prognóza je neobjektívna a niekde v systéme existuje chyba, ktorá dáva príliš vysoký odhad. Ak metóda prognózy nie je objektívna, môže stále predpovedať teploty, ktoré nie sú správne, ale nesprávne teploty budú niekedy vyššie a niekedy nižšie ako pozorované teploty.
Štatistická predpojatosť funguje rovnakým spôsobom, zvyčajne je však založená na veľkom počte odhadov, prieskumov alebo predpovedí. Tieto výsledky môžu byť graficky znázornené v distribučnej krivke a predpätie je rozdiel medzi priemerom distribúcie a skutočnou hodnotou. Ak dôjde k predpojatosti, vždy bude rozdiel, aj keď niektoré individuálne odhady môžu klesnúť na obe strany skutočnej hodnoty.
Skreslenie v prieskumoch
Príkladom zaujatosti je prieskumová spoločnosť, ktorá počas volebných kampaní vedie prieskumy verejnej mienky, ale výsledky ich volieb neustále prehodnocujú výsledky jednej politickej strany v porovnaní so skutočnými výsledkami volieb. Predpojatosť sa môže vypočítať pre každú voľbu odpočítaním skutočného výsledku od predikcie hlasovania. Priemerná zaujatosť použitej metódy prieskumu sa môže vypočítať zistením priemeru jednotlivých chýb. Ak je zaujatosť veľká a konzistentná, môže sa volebná spoločnosť pokúsiť zistiť, prečo je ich metóda neobjektívna.
Predpojatosť môže pochádzať z dvoch hlavných zdrojov. Buď je výber účastníkov pre anketu neobjektívny alebo je to dôsledok interpretácie informácií získaných od účastníkov. Napríklad prieskumy verejnej mienky sú zo svojej podstaty neobjektívne, pretože účastníci prieskumu, ktorí vypĺňajú internetové formuláre, nepredstavujú celú populáciu. Toto je výberová predpojatosť.
Volebné spoločnosti sú si vedomé tohto skreslenia pri výbere a kompenzujú úpravou čísel. Ak sú výsledky stále neobjektívne, ide o informačnú predpojatosť, pretože spoločnosti tieto informácie nevykladali správne. Vo všetkých týchto prípadoch výpočet predpätia ukazuje, do akej miery sú odhadované hodnoty užitočné a kedy je potrebné metódy upraviť.