Statistisk bias er forskellen mellem en matematisk estimator og dens numeriske værdi, når en analyse er udført.
Derfor er bias forskellen mellem teori og virkelighed.
Det er meget almindeligt i statistikker og skal kontrolleres. På den anden side kaldes estimatorer, der ikke har skævhed, upartiske og ville være den ideelle tilstand i en undersøgelse, skønt dette skyldes, at det praktisk talt er uopnåeligt.
Hvad giver bias inden for videnskab?
Bias kan frem for alt forekomme på tre måder:
- Udvælgelsesforstyrrelse: Det er den mest almindelige i statistikker. Normalt har det at gøre med valg af grupper. Beslutningen er oftest ikke taget på grundlag af objektive prøveudtagningsmetoder. Eksempelvis vælges prøven efter affinitet til en kandidat i en afstemning.
- Informationsforstyrrelse: Vi står over for en bias på grund af mangelfuld information. Derfor kan vi ikke sammenligne grupperne, fordi vi har for begrænset information om dem.
- Forvirring bias: I dette tilfælde er der en såkaldt confounding-variabel, hvilket er årsagen til bias. Det er ofte svært at finde, hvor problemet er.
Statistisk bias og prøvetagningsmetoder
Når vi foretager en undersøgelse, skal vi vide, om vi skal gennemføre en sonderende eller bekræftende undersøgelse. Dette spørgsmål er vigtigt. Den type prøveudtagning, vi vælger, afhænger af den.
Når vi således ønsker at gennemføre en bekræftende undersøgelse, bruger vi randomiserede metoder. Men når hensigten er at gennemføre en undersøgelse for at tjene som grundlag for yderligere undersøgelser, kan metoden være ikke-tilfældig. Det skal huskes, at denne sidste metode normalt er billigere og enklere.
Bias for statistisk udvælgelse
Dette er den mest almindelige og den, som forskere i højere grad forpligter sig til. Vi skal være meget forsigtige, når vi vælger en statistisk stikprøve. Denne type af statistisk udvælgelsesforstyrrelse er begået i denne proces.
Derfor er det meget vigtigt at oprette protokollen på forhånd og gøre den detaljeret. Derudover skal de personer, der indsamler dataene, trænes. Denne sidste del er en prioritet for at undgå også andre typer af bias, såsom informationsbias.
Eksempler på statistisk udvælgelsesforstyrrelse
Vi vil se, for at afslutte, nogle eksempler, hvor en statistisk bias kan forekomme.
De er meget almindelige og fører ofte til forudindtagede undersøgelser, der ikke afspejler virkeligheden. Derfor er det vigtigt at undgå dem.
- Forestil dig for eksempel, at vi vil undersøge befolkningens tilhørsforhold til en politisk kandidat. Pollsters kunne begå en forudindtaget fejl, hvis de ikke valgte tilfældigt. Det vil sige, hvis de vælger områder relateret til nævnte kandidat.
- I økonomi kan du begå en bias, for eksempel i studiet af fattigdom. Landene skal vælges lige så, at der er balance. Således kunne de variabler, der fremmer fattigdom, men også velstand, undersøges.
- I medicin forekommer en statistisk selektionsforstyrrelse, hvis der ikke anvendes tilstrækkelig prøveudtagning, når man studerer en sygdom. Det vil sige, hvis vi ønsker at se populationens forekomst, skal vi bruge stikprøver, især hvis målet er at bekræfte undersøgelsen.