跳到正文

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)
术语一句话问题出在哪里该检查什么
精度と偏り离散程度小,以及相对真值的单向偏移测量值的分散情况和中心位置测量方法
統計的バイアス由收集或测量方式造成的系统性偏差的总称数据的收集与测量整个调查的设计
選択バイアス因样本不能代表总体而产生的偏差选取样本的阶段抽样方法
情報バイアス得到的数值本身发生偏移的偏差测量、回答的阶段问题的措辞和测量仪器
認知バイアス思维习惯使判断和解读走样的偏差判断者的头脑中核对相反的依据

术语

精度と偏り精度与偏差

在术语表中打开 精度と偏り

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。

测量值示例(真值为 100)平均值精度偏差
99, 100, 101100高小
90, 100, 110100低小
109, 110, 111110高大
100, 110, 120110低大

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。

統計的バイアス统计偏倚

在术语表中打开 統計的バイアス

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。

  1. 想了解的整体
  2. 选择调查对象
  3. 获取数值
  4. 汇总结果

无论哪个阶段的偏移,都会原样带进汇总结果。

3 / 3

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。

選択バイアス选择偏倚

在术语表中打开 選択バイアス

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)。

情報バイアス信息偏倚

在术语表中打开 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。

「选择偏倚」与「信息偏倚」的区别

比较点选择偏倚信息偏倚
关键偏差混入的阶段选取样本测量、回答
偏移的是什么样本的构成得到的数值
如何减少采用随机抽样让问题措辞保持中立,并校准测量仪器

認知バイアス认知偏差

在术语表中打开 認知バイアス

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。

示例会发生什么
确认偏差只收集符合自己想法的信息,轻视相反的信息
正常化偏差即使发生异常,也觉得没什么大不了
后见之明偏差知道结果之后,觉得自己一开始就能料到

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。

「统计偏倚」与「认知偏差」的区别

比较点统计偏倚认知偏差
关键原因数据的收集或测量方式人的思维习惯
走样的是什么收集的数据和结果数值判断和解读
如何减少重新设计收集和测量的方式寻找相反的依据,由多人确认

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