精度、偏差与各类偏倚
頻出约 22 分钟5 个术语过去问 0 题
本单元目标
- 能够把测量值的离散和单向偏移当作两回事来说明。
- 能够判断偏差是在选取样本时混入的,还是在测量、回答时混入的。
- 能够区分出在数据上的偏差和出在判断者身上的偏差。
术语总表(5 个)
术语
精度指测量值离散程度小,偏差指相对真值的单向偏移,两者(精度と偏り)是衡量测量质量的不同角度。
精度看的是反复测量同一对象时数值有多一致,离散越小,精度越高。偏差看的是测量值的中心朝某一方向偏离真值多少,也叫偏倚(バイアス)或系统误差(系統誤差)。
类比射箭时,箭都扎在一小片区域内,就是精度高。这一小片离靶心有多远,就相当于偏差。
记法“偏”就是偏食、偏见的“偏”,指向一边靠。“精”就是精密的“精”,指细致而整齐。
考点
- 易混测量值很整齐,也不一定正确。如果整体朝一个方向偏移,就会精度(精度)高,同时偏差(偏り)也大。
统计偏倚(統計的バイアス)是由数据的收集或测量方式造成、使结果朝一个方向偏离真值的系统性偏差的总称。
想了解的整体叫总体(母集団),实际调查的那一部分叫样本(標本)。由样本推断总体时,调查方法本身造成的偏移就是统计偏倚,例如选择偏倚(選択バイアス)和信息偏倚(情報バイアス)都属于这一类。
类比快了 5 分钟的钟,看多少次都朝同一方向偏。多看几次,也不会更接近正确的时间。
记法英语 bias 原本是“倾斜”的意思。放在斜台上的球,滚多少次都滚向同一侧。
考点
- 易混偶然造成的离散在数据增多后,会在平均值中相互抵消;统计偏倚(統計的バイアス)只要方法不变就一直存在。
选择偏倚(選択バイアス)是样本的选取方式有所偏向、样本代表不了总体,从而使结果失真的一种统计偏倚。
比如,只向自家网站的会员做网络调查,再把结果当作全国民众的倾向,非会员的情况就被漏掉了。让总体中每个个体被选中的概率都相等的随机抽样(無作為抽出),是减少这种偏差的基本方法。
类比就像不搅拌锅里的汤,只尝一口表层,就断定整锅的味道。
记法有个著名的故事:只调查平安返航的军机上的弹孔,却忽略了被击落的飞机(幸存者偏差,生存者バイアス)。
考点
- 易混原因在样本的选取方式,就是选择偏倚(選択バイアス);原因在从选中对象那里得到的数值,就是信息偏倚(情報バイアス)。
信息偏倚(情報バイアス)是在测量或回答阶段,得到的数值本身偏离真值的一种统计偏倚。
比如,“您觉得这项便利的新功能怎么样?”这种诱导性提问会让好评变多。未经校准的测量仪器、回答者记错,也会使数值偏移。
类比变形的镜子,照谁都会变形。换人来照也没用,不把镜子修好,就看不到真实的样子。
考点
- 易混信息偏倚(情報バイアス)并不只因回答者说谎才出现。即使是没有人作答的机器测量,仪器自身的毛病也会让数值偏移。
认知偏差(認知バイアス)是成见、先入之见等思维习惯,使判断和解读朝不合理的方向走样的偏差。
它在无意识中起作用,本人很难察觉自己的判断已经走样。读分析结果时,找一找有没有支持相反结论的数据,再由多人一起确认,就能减轻影响。
类比戴着有色眼镜看风景,风景没变,颜色却不一样了。戴的人习惯了这种颜色,也就察觉不到了。
考点
- 易混即使数据收集得毫无偏差,读数据的人的成见也可能让结论走样。认知偏差(認知バイアス)光靠提高数据质量是防不住的。
要点
- 精度与偏差要分开评价,有的测量只有其中一项表现好。
- 统计偏倚的原因在方法上,所以要从调查设计入手重新审视。
- 样本代表不了总体,测量得再准确,也把握不住整体的样子。
- 诱导性提问和未经校准的测量仪器,会让数值本身偏离真值。
- 认知偏差在无意识中起作用,有意去寻找相反的依据,就能减轻影响。
查看这个领域的全部过去问 →