Statistisk bias är skillnaden mellan en matematisk uppskattning och dess numeriska värde, när en analys har utförts.
Därför är partiskhet skillnaden mellan teori och verklighet.
Det är mycket vanligt i statistik och måste kontrolleras. Å andra sidan kallas uppskattare som inte har fördomar och är det ideala tillståndet i en undersökning, även om det är praktiskt taget ouppnåeligt.
Vad ger bias inom vetenskapen?
Bias kan framför allt förekomma på tre sätt:
- Urvalsbias: Det är det vanligaste i statistik. Vanligtvis har det att göra med valet av grupper. Oftast har beslutet inte fattats baserat på objektiva provtagningsmetoder. Exempelvis väljs urvalet efter affinitet till en kandidat i en omröstning.
- Informationsbias: Vi står inför en partiskhet på grund av bristfällig information. Därför kan vi inte jämföra grupperna eftersom vi har för begränsad information om dem.
- Förvirring bias: I det här fallet finns det en så kallad confounding variabel, vilket är orsaken till bias. Det är ofta svårt att hitta var problemet är.
Statistisk bias och provtagningsmetoder
När vi gör en utredning måste vi veta om vi ska genomföra en undersökande eller bekräftande studie. Denna fråga är väsentlig. Vilken typ av provtagning vi väljer beror på den.
Således, när vi vill genomföra en bekräftande studie, kommer vi att använda randomiserade metoder. Men när avsikten är att genomföra en undersökning för att tjäna som grund för ytterligare utredningar kan metoden vara icke-slumpmässig. Man bör komma ihåg att denna sista metod vanligtvis är lägre kostnad och enklare.
Statistisk urvalsförspänning
Detta är det vanligaste och det som forskare i större utsträckning åtar sig. Vi måste vara mycket försiktiga när vi väljer ett statistiskt urval. Denna typ av statistisk urvalsförspänning begås i denna process.
Det är därför det är mycket viktigt att i förväg upprätta protokollet och göra det i detalj. Dessutom måste de personer som samlar in uppgif.webpterna utbildas. Den här sista delen är en prioritet för att undvika även andra typer av fördomar, såsom informationsbias.
Exempel på statistisk urvalsförspänning
Vi kommer att se, för att avsluta, några exempel där en statistisk bias kan uppstå.
De är mycket vanliga och leder ofta till partiska undersökningar som inte återspeglar verkligheten. Det är därför det är viktigt att undvika dem.
- Föreställ dig till exempel att vi vill studera befolkningens samhörighet med en politisk kandidat. Pollsters kan göra ett partiskt misstag om de inte väljer områdena slumpmässigt. Det vill säga om de väljer områden relaterade till nämnda kandidat.
- I ekonomi kan du begå en partiskhet, till exempel i studien av fattigdom. Länderna bör väljas lika så att det finns en balans. Således kan variablerna som främjar fattigdom men också välstånd studeras.
- Inom medicinen uppträder en statistisk urvalsförskjutning om adekvat provtagning inte används när man studerar en sjukdom. Det vill säga om vi vill se populationsincidensen måste vi använda slumpmässiga prover, särskilt om målet är att bekräfta studien.