Contenuto
La distorsione è l'errore nelle stime a causa di errori sistematici che portano a risultati costantemente alti o bassi rispetto ai valori effettivi. La distorsione individuale di una stima nota come distorta è la differenza tra i valori stimati e quelli effettivi. Se non è noto che la stima sia distorta, la differenza potrebbe anche essere dovuta a errori casuali o altre imprecisioni. Contrariamente alla distorsione, che agisce sempre in una direzione, questi errori possono essere positivi o negativi.
Per calcolare la distorsione di un metodo utilizzato per molte stime, trovare gli errori sottraendo ciascuna stima dal valore effettivo o osservato. Aggiungi tutti gli errori e dividi per il numero di stime per ottenere il bias. Se gli errori si sommano a zero, le stime erano imparziali e il metodo fornisce risultati imparziali. Se le stime sono distorte, potrebbe essere possibile trovare l'origine della distorsione ed eliminarla per migliorare il metodo.
TL; DR (Too Long; Didnt Read)
Calcola la distorsione trovando la differenza tra una stima e il valore effettivo. Per trovare la distorsione di un metodo, eseguire molte stime e sommare gli errori in ciascuna stima rispetto al valore reale. Dividendo per il numero di stime si ottiene la distorsione del metodo. Nelle statistiche, potrebbero esserci molte stime per trovare un singolo valore. La distorsione è la differenza tra la media di queste stime e il valore effettivo.
Come funziona il bias
Quando le stime sono distorte, sono costantemente errate in una direzione a causa di errori nel sistema utilizzato per le stime. Ad esempio, una previsione meteorologica può prevedere costantemente temperature più elevate di quelle effettivamente osservate. La previsione è distorta e da qualche parte nel sistema c'è un errore che dà una stima troppo alta. Se il metodo di previsione è imparziale, è comunque possibile prevedere temperature non corrette, ma a volte le temperature errate saranno più alte e altre più basse delle temperature osservate.
La distorsione statistica funziona allo stesso modo ma di solito si basa su un gran numero di stime, sondaggi o previsioni. Questi risultati possono essere rappresentati graficamente in una curva di distribuzione e il bias è la differenza tra la media della distribuzione e il valore reale. In presenza di distorsioni, ci sarà sempre una differenza anche se alcune stime individuali potrebbero cadere su entrambi i lati del valore reale.
Bias in Surveys
Un esempio di parzialità è una società di sondaggi che esegue sondaggi durante le campagne elettorali, ma i risultati dei sondaggi sopravvalutano costantemente i risultati di un partito politico rispetto ai risultati elettorali effettivi. La distorsione può essere calcolata per ogni elezione sottraendo il risultato effettivo dalla previsione del sondaggio. La distorsione media del metodo di polling utilizzato può essere calcolata trovando la media dei singoli errori. Se la distorsione è ampia e coerente, la società di sondaggi può provare a scoprire perché il loro metodo è distorto.
La distorsione può provenire da due fonti principali. O la selezione dei partecipanti per il sondaggio è distorta o la distorsione deriva dall'interpretazione delle informazioni ricevute dai partecipanti. Ad esempio, i sondaggi su Internet sono intrinsecamente distorti perché i partecipanti al sondaggio che compilano i moduli Internet non sono rappresentativi dell'intera popolazione. Questo è un errore di selezione.
Le società elettorali sono consapevoli di questo errore di selezione e compensano regolando i numeri. Se i risultati sono ancora distorti, si tratta di una distorsione delle informazioni perché le società non hanno interpretato correttamente le informazioni. In tutti questi casi, un calcolo di polarizzazione mostra fino a che punto i valori stimati sono utili e quando i metodi necessitano di aggiustamenti.