Vychýlenie je chyba v odhadoch spôsobená systematickými chybami, ktoré vedú k trvale vysokým alebo nízkym výsledkom v porovnaní so skutočnými hodnotami. Jednotlivé skreslenie odhadu, o ktorom je známe, že je skreslený, je rozdiel medzi odhadovanou a skutočnou hodnotou. Ak nie je známe, že je predpoveď skreslená, rozdiel môže byť spôsobený aj náhodnou chybou alebo inými nepresnosťami. Na rozdiel od skreslenia, ktoré vždy pôsobí jedným smerom, môžu byť tieto chyby pozitívne alebo negatívne.
Ak chcete vypočítať odchýlku metódy použitej pri mnohých odhadoch, nájdite chyby tak, že každý odhad odrátate od skutočnej alebo pozorovanej hodnoty. Sčítajte všetky chyby a vydeľte ich počtom odhadov, aby ste dosiahli odchýlku. Ak sa chyby zvýšia na nulu, odhady boli nestranné a metóda poskytuje nestranné výsledky. Ak sú odhady skreslené, je možné nájsť zdroj skreslenia a odstrániť ho, aby sa zlepšila metóda.
TL; DR (príliš dlhý; Nečítali)
Vypočítajte odchýlku nájdením rozdielu medzi odhadom a skutočnou hodnotou. Ak chcete zistiť odchýlku metódy, vykonajte veľa odhadov a spočítajte chyby každého odhadu v porovnaní so skutočnou hodnotou. Vydelením počtom odhadov sa získa predpojatosť metódy. V štatistikách môže byť veľa odhadov na nájdenie jednej hodnoty. Predpätie je rozdiel medzi priemerom týchto odhadov a skutočnou hodnotou.
Ako funguje zaujatosť
Ak sú odhady skreslené, v jednom smere sa neustále mýlia kvôli chybám v systéme použitom pre odhady. Napríklad predpoveď počasia môže neustále predpovedať teploty, ktoré sú vyššie ako skutočne pozorované. Predpoveď je skreslená a niekde v systéme sa nachádza chyba, ktorá dáva príliš vysoký odhad. Ak je metóda predpovede nestranná, môže stále predpovedať teploty, ktoré nie sú správne, ale nesprávne teploty budú niekedy vyššie a niekedy nižšie ako pozorované teploty.
Štatistická odchýlka funguje rovnakým spôsobom, ale zvyčajne sa zakladá na veľkom počte odhadov, prieskumov alebo prognóz. Tieto výsledky môžu byť graficky znázornené v distribučnej krivke a predpätie predstavuje rozdiel medzi priemerom distribúcie a skutočnou hodnotou. Ak dôjde k zaujatosti, bude vždy existovať rozdiel, aj keď niektoré individuálne odhady môžu spadať na obidve strany skutočnej hodnoty.
Predpojatosť v prieskumoch
Príkladom zaujatosti je prieskumná spoločnosť, ktorá vedie volebné kampane počas predvolebných kampaní, ale ich volebné prieskumy výsledky neustále nadhodnocujú výsledky za jednu politickú stranu v porovnaní so skutočnými voľbami výsledky. Predpätie je možné vypočítať pre každú voľbu odpočítaním skutočného výsledku od predpovede prieskumu. Priemernú odchýlku použitej metódy dotazovania je možné vypočítať zistením priemeru jednotlivých chýb. Ak je zaujatosť veľká a konzistentná, môže sa volebná spoločnosť pokúsiť zistiť, prečo je ich metóda zaujatá.
Predpojatosť môže pochádzať z dvoch hlavných zdrojov. Buď je výber účastníkov ankety zaujatý, alebo je zaujatosť výsledkom interpretácie informácií získaných od účastníkov. Napríklad internetové prieskumy sú vo svojej podstate zaujaté, pretože účastníci prieskumov, ktorí vypĺňajú internetové formuláre, nereprezentujú celú populáciu. Toto je zaujatosť výberu.
Ankety sú si vedomé tohto skreslenia výberu a kompenzujú to úpravou čísel. Ak sú výsledky stále skreslené, jedná sa o skreslenie informácií, pretože spoločnosti tieto informácie nevykladali správne. Vo všetkých týchto prípadoch výpočet skreslenia ukazuje, do akej miery sú odhadované hodnoty užitočné a kedy je potrebné metódy upraviť.