バイアスは、実際の値と比較して一貫して高いまたは低い結果につながる体系的なミスによる推定値のエラーです。 バイアスがかかっていることがわかっている推定値の個々のバイアスは、推定値と実際の値の差です。 推定値に偏りがあることがわかっていない場合は、ランダムエラーまたはその他の不正確さが原因である可能性もあります。 常に一方向に作用するバイアスとは対照的に、これらのエラーは正または負の場合があります。
多くの推定に使用される方法のバイアスを計算するには、実際の値または観測値から各推定を差し引いて誤差を見つけます。 すべてのエラーを合計し、推定数で割ってバイアスを取得します。 エラーの合計がゼロの場合、推定値は偏りがなく、メソッドは偏りのない結果を提供します。 推定値に偏りがある場合は、偏りの原因を見つけて排除し、方法を改善できる可能性があります。
TL; DR（長すぎる; 読んでいない）
推定値と実際の値の差を見つけてバイアスを計算します。 メソッドのバイアスを見つけるには、多くの推定を実行し、実際の値と比較した各推定の誤差を合計します。 推定数で割ると、メソッドのバイアスが得られます。 統計では、単一の値を見つけるために多くの見積もりがある場合があります。 バイアスは、これらの推定値の平均と実際の値の差です。
バイアスのしくみ
見積もりに偏りがある場合、見積もりに使用されるシステムの誤りにより、一方向で一貫して間違っています。 たとえば、天気予報では、実際に観測された気温よりも高い気温を一貫して予測できます。 予測には偏りがあり、システムのどこかに、見積もりが高すぎるという間違いがあります。 予測方法に偏りがない場合でも、正しくない温度を予測する可能性がありますが、誤った温度は、観測された温度よりも高くなることもあれば、低くなることもあります。
統計的バイアスは同じように機能しますが、通常、多数の推定、調査、または予測に基づいています。 これらの結果は分布曲線でグラフィカルに表すことができ、バイアスは分布の平均と実際の値の差です。 バイアスがある場合、個々の見積もりが実際の値のいずれかの側に落ちる可能性があるとしても、常に違いがあります。
調査におけるバイアス
バイアスの例は、選挙運動中に世論調査を実施する調査会社ですが、彼らの世論調査は 結果は、実際の選挙と比較して、一貫して1つの政党の結果を過大評価しています 結果。 バイアスは、投票予測から実際の結果を差し引くことにより、選挙ごとに計算できます。 使用されるポーリング方法の平均バイアスは、個々のエラーの平均を見つけることによって計算できます。 バイアスが大きく、一貫している場合、ポーリング会社は、メソッドがバイアスされている理由を見つけようとすることができます。
バイアスは2つの主な原因から生じる可能性があります。 投票の参加者の選択に偏りがあるか、偏りは参加者から受け取った情報の解釈に起因します。 たとえば、インターネットフォームに記入する世論調査の参加者は全人口を代表していないため、インターネット世論調査は本質的に偏っています。 これは選択バイアスです。
世論調査会社はこの選択バイアスを認識しており、数値を調整することで補償します。 それでも結果に偏りがある場合は、企業が情報を正しく解釈していなかったため、情報に偏りがあります。 これらすべての場合において、バイアス計算は、推定値がどの程度有用であり、いつメソッドを調整する必要があるかを示します。