Bias (statistika) - Bias (statistics)

Statistické zkreslení je funkce a statistický techniky nebo jejích výsledků, kterými očekávaná hodnota výsledků se liší od skutečného kvantitativního základu parametr bytost odhadovaný. Předpětí odhadu parametru by nemělo být zaměňováno s jeho stupněm přesnosti, protože stupeň přesnosti je měřítkem chyby vzorkování. Matematicky lze zkreslení definovat jako:

Nechat být statistikou používanou k odhadu parametru . Li pak se nazývá zkreslení statistiky , kde představuje očekávanou hodnotu statistik . Li , pak . Tak, je nezaujatý odhad pravého parametru, řekněme .

Typy

A statistický je předpojatý pokud se počítá tak, že se systematicky liší od populační parametr se odhaduje. V následujícím seznamu jsou uvedeny některé typy předpětí, které se mohou překrývat.

  • Předpětí výběru zahrnuje jedince, u nichž je větší pravděpodobnost, že budou vybráni pro studium, než u ostatních, předpětí vzorku. To lze také nazvat Berksonian zaujatost.[1]
  • The zaujatost odhadce je rozdíl mezi očekávanou hodnotou odhadce a skutečnou hodnotou odhadovaného parametru.
    • Předpětí vynechané proměnné je zkreslení, které se objeví v odhadech parametrů v regresní analýze, když předpokládaná specifikace vynechá nezávislou proměnnou, která by měla být v modelu.
  • v statistické testování hypotéz, test se říká, že je objektivní pokud je pro nějakou hladinu alfa (mezi 0 a 1) pravděpodobnost, že je null odmítnuta, menší nebo rovna hladině alfa pro celý prostor parametrů definovaný nulovou hypotézou, zatímco pravděpodobnost, že je null odmítnuta, je větší než nebo rovná se hladině alfa pro celý prostor parametrů definovaný alternativní hypotézou.[2]
  • K zkreslení detekce dochází, když je pravděpodobnější, že je jev pozorován u konkrétní skupiny studovaných subjektů. Například syndemický zahrnující obezita a cukrovka může znamenat, že lékaři budou s větší pravděpodobností hledat cukrovku u obézních pacientů než u hubenějších pacientů, což povede k inflaci diabetu u obézních pacientů kvůli snahám o detekci.
  • v vzdělávací měření, zkreslení je definováno jako „Systematické chyby v obsahu testu, jeho administraci a / nebo v bodovacích procedurách, které mohou některým účastníkům testu způsobit, že získají nižší nebo vyšší skóre, než by si jejich skutečná schopnost zasloužila. Zdroj zkreslení je pro danou vlastnost irelevantní. zkouška je určena k měření. “ [3]
  • Předpojatost financování může vést k výběru výsledků, testovacích vzorků nebo testovacích postupů, které upřednostňují finančního sponzora studie.
  • Předpětí hlášení zahrnuje zkreslení v dostupnosti údajů, takže je pravděpodobnější, že budou hlášena pozorování určitého druhu.
  • Analytické zkreslení vzniká kvůli způsobu, jakým jsou vyhodnocovány výsledky.
  • Vyloučení zaujatosti vznikají v důsledku systematického vyloučení určitých jedinců ze studie.
  • Vychýlení oděru vzniká v důsledku ztráty účastníků např. ztráta následná během studie.[4]
  • Připomeňme zaujatost vzniká v důsledku rozdílů v přesnosti nebo úplnosti vzpomínek účastníků na minulé události. např. pacient si nedokáže vzpomenout, kolik cigaret minulý týden přesně vykouřilo, což vedlo k nadhodnocení nebo podhodnocení.
  • Předpětí pozorovatele vzniká, když výzkumník podvědomě ovlivňuje experiment kvůli kognitivní zkreslení kde úsudek může změnit způsob provádění experimentu / způsob zaznamenávání výsledků.

Viz také

Reference

  1. ^ Rothman, Kenneth J.; Grónsko, Sander; Lash, Timothy L. (2008). Moderní epidemiologie. Lippincott Williams & Wilkins. str. 134–137.
  2. ^ Neyman, Jerzy; Pearson, Egon S. (1936). „Příspěvky k teorii testování statistických hypotéz“. Paměti statistického výzkumu. 1: 1–37.
  3. ^ Národní rada pro měření ve vzdělávání (NCME). „Glosář pro hodnocení NCME“. Archivovány od originál dne 22. 7. 2017.
  4. ^ Higgins, Julian P. T.; Green, Sally (březen 2011). "8. Úvod do zdrojů zkreslení v klinických studiích". In Higgins, Julian P. T .; et al. (eds.). Cochrane Handbook for Systematic Reviews of Interventions (verze 5.1). Cochrane Collaboration.