Contenu
Le biais est l'erreur d'erreur dans les estimations en raison d'erreurs systématiques conduisant à des résultats constamment élevés ou faibles par rapport aux valeurs réelles. Le biais individuel d'une estimation connue pour être biaisée est la différence entre les valeurs estimée et réelle. Si l'estimation n'est pas biaisée, la différence pourrait également être due à une erreur aléatoire ou à d'autres inexactitudes. Contrairement aux préjugés, qui agissent toujours dans un sens, ces erreurs peuvent être positives ou négatives.
Pour calculer le biais d'une méthode utilisée pour de nombreuses estimations, recherchez les erreurs en soustrayant chaque estimation de la valeur réelle ou observée. Additionnez toutes les erreurs et divisez par le nombre d'estimations pour obtenir le biais. Si le total des erreurs est égal à zéro, les estimations sont sans biais et la méthode fournit des résultats non biaisés. Si les estimations sont biaisées, il peut être possible de trouver la source du biais et de l'éliminer pour améliorer la méthode.
TL; DR (Trop long; n'a pas lu)
Calculez le biais en trouvant la différence entre une estimation et la valeur réelle. Pour trouver le biais d'une méthode, effectuez de nombreuses estimations et additionnez les erreurs de chaque estimation par rapport à la valeur réelle. La division par le nombre d'estimations donne le biais de la méthode. En statistique, il peut exister de nombreuses estimations permettant de trouver une valeur unique. Le biais est la différence entre la moyenne de ces estimations et la valeur réelle.
Comment fonctionne le biais
Lorsque les estimations sont biaisées, elles se trompent systématiquement dans une direction en raison d’erreurs dans le système utilisé pour les estimations. Par exemple, une prévision météorologique peut prévoir de manière constante des températures supérieures à celles réellement observées. La prévision est biaisée et il y a une erreur dans le système qui donne une estimation trop élevée. Si la méthode de prévision est non biaisée, elle peut toujours prédire des températures incorrectes, mais les températures incorrectes seront parfois plus élevées et parfois inférieures aux températures observées.
Le biais statistique fonctionne de la même manière mais est généralement basé sur un grand nombre d'estimations, d'enquêtes ou de prévisions. Ces résultats peuvent être représentés graphiquement dans une courbe de distribution et le biais est la différence entre la moyenne de la distribution et la valeur réelle. S'il y a un biais, il y aura toujours une différence même si certaines estimations individuelles peuvent tomber de part et d'autre de la valeur réelle.
Biais dans les enquêtes
Une entreprise d’enquête qui gère des sondages pendant les campagnes électorales est un exemple de partialité, mais leurs résultats surestiment constamment les résultats d’un parti politique par rapport aux résultats réels des élections. Le biais peut être calculé pour chaque choix en soustrayant le résultat réel de la prédiction de sondage. Le biais moyen de la méthode d'interrogation utilisée peut être calculé en calculant la moyenne des erreurs individuelles. Si le biais est important et cohérent, la société de sondage peut essayer de savoir pourquoi leur méthode est biaisée.
Les préjugés peuvent provenir de deux sources principales. Soit la sélection des participants au sondage est biaisée, soit le résultat de l'interprétation des informations communiquées par les participants. Par exemple, les sondages sur Internet sont intrinsèquement biaisés, car les participants qui remplissent les formulaires Internet ne sont pas représentatifs de la population entière. C'est un biais de sélection.
Les sociétés de vote sont conscientes de ce biais de sélection et compensent en ajustant les chiffres. Si les résultats sont toujours biaisés, il s'agit d'un biais d'information car les entreprises n'ont pas interprété correctement les informations. Dans tous ces cas, un calcul de biais indique dans quelle mesure les valeurs estimées sont utiles et quand les méthodes doivent être ajustées.