Bias este eroarea în estimări datorită greșelilor sistematice care duc la rezultate constant ridicate sau scăzute în comparație cu valorile reale. Particularitatea individuală a unei estimări cunoscută a fi influențată este diferența dintre valorile estimate și cele reale. În cazul în care estimarea nu este cunoscută ca fiind părtinitoare, diferența s-ar putea datora și unei erori aleatorii sau altor inexactități. Contrar părtinirii, care acționează întotdeauna într-o singură direcție, aceste erori pot fi pozitive sau negative.
Pentru a calcula părtinirea unei metode utilizate pentru multe estimări, găsiți erorile scăzând fiecare estimare din valoarea reală sau observată. Adăugați toate erorile și împărțiți la numărul de estimări pentru a obține părtinire. Dacă erorile se adaugă la zero, estimările au fost imparțiale, iar metoda oferă rezultate imparțiale. Dacă estimările sunt părtinitoare, poate fi posibil să găsiți sursa părtinirii și să o eliminați pentru a îmbunătăți metoda.
TL; DR (Prea lung; Nu am citit)
Calculați părtinirea găsind diferența dintre o estimare și valoarea reală. Pentru a găsi părtinirea unei metode, efectuați multe estimări și adăugați erorile din fiecare estimare comparativ cu valoarea reală. Împărțirea la numărul de estimări oferă părtinirea metodei. În statistici, pot exista multe estimări pentru a găsi o singură valoare. Bias este diferența dintre media acestor estimări și valoarea reală.
Cum funcționează prejudecățile
Când estimările sunt părtinitoare, acestea sunt în mod constant greșite într-o singură direcție din cauza greșelilor din sistemul utilizat pentru estimări. De exemplu, o prognoză meteo poate prezice în mod constant temperaturi mai mari decât cele observate efectiv. Prognoza este părtinitoare și undeva în sistem există o greșeală care oferă o estimare prea mare. Dacă metoda de prognoză este imparțială, poate prezice în continuare temperaturi care nu sunt corecte, dar temperaturile incorecte vor fi uneori mai mari și alteori mai mici decât temperaturile observate.
Tendința statistică funcționează în același mod, dar se bazează de obicei pe un număr mare de estimări, sondaje sau prognoze. Aceste rezultate pot fi reprezentate grafic într-o curbă de distribuție, iar distorsiunea este diferența dintre media distribuției și valoarea reală. Dacă există părtinire, va exista întotdeauna o diferență, chiar dacă unele estimări individuale pot cădea de fiecare parte a valorii reale.
Bias în sondaje
Un exemplu de părtinire este o companie de sondaj care conduce sondaje în timpul campaniilor electorale, dar sondajul acestora rezultatele supraestimează în mod constant rezultatele pentru un partid politic în comparație cu alegerile reale rezultate. Biasul poate fi calculat pentru fiecare alegere prin scăderea rezultatului real din predicția sondajului. Tendința medie a metodei de sondare utilizate poate fi calculată prin găsirea mediei erorilor individuale. Dacă părtinirea este mare și consecventă, compania de votare poate încerca să afle de ce metoda lor este părtinitoare.
Biasul poate proveni din două surse principale. Fie selectarea participanților la sondaj este părtinitoare, fie părtinirea rezultă din interpretarea informațiilor primite de la participanți. De exemplu, sondajele pe internet sunt inerent părtinitoare, deoarece participanții la sondaj care completează formularele pe internet nu sunt reprezentativi pentru întreaga populație. Aceasta este o părtinire de selecție.
Companiile de votare sunt conștiente de această prejudecată de selecție și compensează ajustând cifrele. Dacă rezultatele sunt încă părtinitoare, este o părtinire a informației, deoarece companiile nu au interpretat corect informațiile. În toate aceste cazuri, un calcul de părtinire arată în ce măsură valorile estimate sunt utile și când metodele necesită ajustare.