Statistisk skjevhet er forskjellen som oppstår mellom en matematisk estimator og dens numeriske verdi når en analyse er utført.
Derfor er skjevhet forskjellen mellom teori og virkelighet.
Det er veldig vanlig i statistikk og må kontrolleres. På den annen side blir estimatorer som ikke har skjevhet kalt upartisk og ville være den ideelle tilstanden i en etterforskning, selv om dette er fordi det er praktisk talt uoppnåelig.
Hva produserer skjevhet i vitenskapen?
Bias kan fremfor alt forekomme på tre måter:
- Utvalg bias: Det er den vanligste i statistikk. Vanligvis har det å gjøre med valg av grupper. Ofte har ikke avgjørelsen blitt tatt basert på objektive prøvetakingsmetoder. Eksempelvis velges utvalget etter tilknytning til en kandidat i en avstemning.
- Informasjonsskjevhet: Vi står overfor en skjevhet på grunn av mangelfull informasjon. Derfor kan vi ikke sammenligne gruppene fordi vi har for begrenset informasjon om dem.
- Forvirringsforstyrrelse: I dette tilfellet er det en såkalt confounding variabel, som er det som forårsaker skjevheten. Det er ofte vanskelig å finne hvor problemet er.
Statistisk skjevhet og prøvetakingsmetoder
Når vi utfører en undersøkelse, må vi vite om vi skal gjennomføre en undersøkende eller bekreftende studie. Dette spørsmålet er viktig. Hvilken type prøvetaking vi velger vil avhenge av det.
Dermed, når vi ønsker å gjennomføre en bekreftende studie, vil vi bruke randomiserte metoder. Men når intensjonen er å gjennomføre en undersøkelse for å tjene som grunnlag for videre undersøkelser, kan metoden være ikke-tilfeldig. Det bør tas i betraktning at denne siste metoden vanligvis er billigere og enklere.
Statistisk utvalg bias
Dette er det vanligste og det som forskere forplikter i større grad. Vi må være veldig forsiktige når vi velger et statistisk utvalg. Denne typen forutinntatthet for statistisk valg er begått i denne prosessen.
Det er derfor det er veldig viktig å etablere protokollen på forhånd og gjøre den i detalj. I tillegg må personene som skal samle inn dataene opplæres. Denne siste delen er prioritert for å unngå også andre typer skjevheter, for eksempel informasjonsskjevhet.
Eksempler på statistisk seleksjonsskjevhet
Vi skal se, til slutt, noen eksempler der en statistisk skjevhet kan forekomme.
De er veldig vanlige og fører ofte til partiske undersøkelser som ikke gjenspeiler virkeligheten. Det er derfor det er viktig å unngå dem.
- Tenk deg for eksempel at vi vil studere tilhørigheten til befolkningen for en politisk kandidat. Pollsters kunne gjøre en skjev feil hvis de ikke valgte områdene tilfeldig. Det vil si hvis de velger områder relatert til kandidaten.
- I økonomi kan du begå en skjevhet, for eksempel i studiet av fattigdom. Landene bør velges likt slik at det er en balanse. Dermed kunne variablene som fremmer fattigdom, men også velstand, studeres.
- I medisin oppstår en statistisk seleksjonsskjevhet hvis tilstrekkelig prøvetaking ikke brukes når man studerer en sykdom. Det vil si at hvis vi ønsker å se populasjonsforekomsten, må vi bruke stikkprøver, spesielt hvis målet er å bekrefte studien.