/ در پایان نامه / توسط
آخرین زمان ویرایش:

خطای تصادفی در مقابل سیستماتیک

زمان مطالعه: ۹ دقیقه

خطای تصادفی در مقابل سیستماتیک ، در تحقیقات علمی، خطای اندازه گیری تفاوت بین مقدار مشاهده شده و ارزش واقعی چیزی است. به آن خطای مشاهده یا خطای آزمایشی نیز گفته می شود.

دو نوع اصلی خطای اندازه گیری وجود دارد:

خطای تصادفی یک اختلاف شانس بین مقادیر مشاهده شده و واقعی چیزی است (به عنوان مثال، یک محقق که از مقیاس توزین اشتباه خوانده است، اندازه گیری نادرستی را ثبت می کند).
خطای سیستماتیک یک تفاوت سازگار یا متناسب بین مقادیر مشاهده شده و واقعی چیزی است (به عنوان مثال، یک مقیاس اشتباه بدست آمده به طور مداوم وزن های بالاتر از حد واقعی را ثبت می کند).

با شناخت منابع خطا، می توانید تأثیرات آن ها را کاهش داده و اندازه گیری های دقیق و دقیق را ثبت کنید.

آیا خطاهای تصادفی یا سیستماتیک بدتر هستند؟

در تحقیقات، خطاهای سیستماتیک به طور کلی یک مشکل بزرگتر از خطاهای تصادفی هستند.

خطای تصادفی لزوما یک اشتباه نیست، بلکه یک بخش طبیعی از اندازه گیری است. به دلیل نوسانات موجود در محیط، ساز یا تعابیر خود، همیشه برخی از تنوع ها در اندازه گیری ها وجود دارد، حتی وقتی یک چیز را به طور مکرر اندازه بگیرید.

اما تنوع هنگامی می تواند یک مشکل باشد که بر توانایی شما در نتیجه گیری معتبر در مورد روابط بین متغیرها تأثیر بگذارد. این اتفاق بیشتر در نتیجه خطای سیستماتیک رخ می دهد.

دقت و صحت
خطای تصادفی عمدتا بر دقت تأثیر می گذارد، یعنی اینکه اندازه گیری مشابه در شرایط معادل چگونه قابل تکرار است. در مقابل، خطای سیستماتیک بر دقت اندازه گیری یا میزان نزدیک بودن مقدار مشاهده شده به مقدار واقعی تأثیر می گذارد.

اندازه گیری مانند اصابت هدف مرکزی به تخته دارت است. برای اندازه گیری دقیق ، هدف شما این است که ممکن است دارت خود را (مشاهدات خود) به هدف (مقادیر واقعی) نزدیک کنید. برای اندازه گیری دقیق ، شما قصد دارید مشاهدات مکرر را تا حد ممکن به یکدیگر نزدیک کنید.

خطای تصادفی تنوع بین اندازه گیری های مختلف یک چیز را ایجاد می کند ، در حالی که خطای سیستماتیک اندازه گیری شما را از مقدار واقعی در یک جهت خاص دور می کند.

وقتی فقط خطای تصادفی دارید ، اگر یک چیز را چندین بار اندازه بگیرید ، اندازه گیری های شما به صورت خوشه ای تغییر می کند یا در حدود مقدار واقعی متفاوت است. برخی از مقادیر بالاتر از نمره واقعی خواهند بود ، در حالی که برخی دیگر کمتر هستند. وقتی این اندازه گیری ها را به طور متوسط انجام می دهید ، به نمره واقعی بسیار نزدیک می شوید.

به همین دلیل ، هنگام جمع آوری داده ها از یک نمونه بزرگ ، خطای تصادفی مسئله بزرگی تلقی نمی شود – هنگام محاسبه آمار توصیفی ، خطاهای موجود در جهات مختلف یکدیگر را لغو می کنند. اما هنگامی که یک نمونه کوچک داشته باشید می تواند بر دقت مجموعه داده شما تأثیر بگذارد.

خطاهای سیستماتیک بسیار مشکل تر از خطاهای تصادفی هستند زیرا می توانند داده های شما را منحرف کنند تا شما را به نتیجه گیری نادرست برساند. اگر خطای سیستماتیک داشته باشید ، اندازه گیری های شما به دور از مقادیر واقعی مغرضانه عمل می کنند. در نهایت ، ممکن است در مورد رابطه بین متغیرهایی که مطالعه می کنید ، یک نتیجه مثبت یا منفی کاذب (خطای نوع I یا II) بگیرید.

خطای تصادفی

خطای تصادفی اندازه گیری های شما را به روش های غیرقابل پیش بینی تحت تأثیر قرار می دهد: اندازه گیری های شما احتمالاً بالاتر یا کمتر از مقادیر واقعی است.

در نمودار زیر ، خط سیاه نشان دهنده یک تطابق کامل بین نمرات واقعی و نمرات مشاهده شده یک مقیاس است. در یک دنیای ایده آل ، تمام داده های شما دقیقاً بر روی همین خط قرار می گیرند. نقاط سبز نشان دهنده امتیازات مشاهده شده واقعی برای هر اندازه گیری با اضافه شدن خطای تصادفی است.

Random error

خطای تصادفی “نویز” نامیده می شود ، زیرا مقدار واقعی (یا “سیگنال”) اندازه گیری شده را تار می کند. پایین نگه داشتن خطای تصادفی به شما کمک می کند تا داده های دقیق را جمع آوری کنید.

منابع خطاهای تصادفی
برخی از منابع رایج خطای تصادفی عبارتند از:

. تغییرات طبیعی در دنیای واقعی یا زمینه های تجربی.
. ابزار اندازه گیری غیر دقیق یا غیر قابل اعتماد.
. تفاوتهای فردی بین شرکت کنندگان یا واحدها.
. رویه های آزمایشی ضعیف کنترل شده.

کاهش خطای تصادفی

خطای تصادفی تقریباً همیشه در تحقیقات وجود دارد ، حتی در تنظیمات بسیار کنترل شده. اگرچه نمی توانید آن را کاملاً ریشه کن کنید ، اما می توانید با استفاده از روش های زیر خطای تصادفی را کاهش دهید.

اندازه گیری های مکرر انجام دهید
یک روش ساده برای افزایش دقت ، اندازه گیری های مکرر و استفاده از میانگین آنها است. به عنوان مثال ، ممکن است دور مچ یک شرکت کننده را سه بار اندازه بگیرید و هر بار طول کمی متفاوت داشته باشید. گرفتن میانگین از سه اندازه گیری ، به جای استفاده از فقط یک اندازه گیری ، شما را به مقدار واقعی نزدیکتر می کند.

اندازه نمونه خود را افزایش دهید
نمونه های بزرگ نسبت به نمونه های کوچک خطای تصادفی کمتری دارند. این به این دلیل است که وقتی نقاط داده بیشتری داشته باشید ، خطاها در جهات مختلف با کارآیی بیشتری یکدیگر را لغو می کنند. جمع آوری داده ها از یک نمونه بزرگ باعث افزایش دقت و قدرت آماری می شود.

متغیرهای کنترل
در آزمایش های کنترل شده ، باید متغیرهای اضافی را که می توانند اندازه گیری های شما را تحت تأثیر قرار دهند ، با دقت کنترل کنید. این موارد باید برای همه شرکت کنندگان کنترل شود تا منابع اصلی خطای تصادفی را در سراسر هیئت مدیره حذف کنید.

خطای سیستماتیک

خطای سیستماتیک به این معنی است که اندازه گیری های شما از یک چیز به روش های قابل پیش بینی متفاوت خواهد بود: هر اندازه گیری با اندازه گیری واقعی در همان جهت و حتی در بعضی موارد با همان مقدار متفاوت خواهد بود.

خطای سیستماتیک همچنین به عنوان بایاس شناخته می شود زیرا داده های شما به روش های استاندارد کج شده و مقادیر واقعی را پنهان می کنند. این ممکن است منجر به نتیجه گیری نادرست شود.

انواع خطاهای سیستماتیک
خطاهای افست و خطاهای عامل مقیاس دو نوع قابل اندازه گیری از خطای سیستماتیک هستند.

وقتی مقیاس در یک نقطه صفر صحیح کالیبره نشده باشد ، خطای جبران رخ می دهد. همچنین به آن خطای افزودنی یا خطای تنظیم صفر گفته می شود.

مثال: خطای جبران
هنگام اندازه گیری دور مچ شرکت کنندگان ، “۲” روی نوار اندازه گیری را به عنوان نقطه صفر اشتباه می خوانید. تمام اندازه گیری های شما ۲ سانتی متر اضافی به آنها اضافه شده است.
خطای فاکتور مقیاس زمانی است که اندازه گیری ها به طور متناسب با مقدار واقعی به طور متناسب (مثلاً ۱۰٪) متفاوت باشند. همچنین از آن به عنوان یک خطای سیستماتیک همبستگی یا یک خطای ضریب یاد می شود.

مثال: خطای فاکتور مقیاس
مقیاس توزین به طور مداوم ۱۰٪ به هر وزن اضافه می کند. وزن واقعی ۱۰ کیلوگرم ۱۱ کیلوگرم ثبت می شود ، در حالی که وزن واقعی ۴۰ کیلوگرم ۴۴ کیلوگرم ثبت می شود.
می توانید خطاهای جبران و خطای فاکتور مقیاس را در نمودارها ترسیم کنید تا تفاوت آنها را شناسایی کنید. در نمودارهای زیر ، خط سیاه نشان می دهد چه زمانی مقدار مشاهده شده شما دقیقاً مقدار واقعی است و هیچ خطای تصادفی وجود ندارد.

خط آبی یک خطای جبران است: تمام مقادیر مشاهده شده شما را با یک مقدار ثابت به سمت بالا یا پایین منتقل می کند (در اینجا ، این یک واحد اضافی است).

خط صورتی یک خطای فاکتور مقیاس است: تمام مقادیر مشاهده شده شما در یک عامل ضرب می شوند – همه مقادیر در یک جهت با همان نسبت ، اما با مقادیر مطلق مختلف تغییر مکان می یابند.

Systematic error

منابع خطاهای سیستماتیک
منابع خطای سیستماتیک می تواند از مطالب تحقیقاتی شما گرفته تا رویه های جمع آوری اطلاعات و تکنیک های تجزیه و تحلیل شما باشد. این یک لیست جامع از منابع خطای سیستماتیک نیست ، زیرا آنها می توانند از همه جنبه های تحقیق بدست بیایند.

تعصب پاسخ زمانی اتفاق می افتد که مواد تحقیقاتی شما (به عنوان مثال پرسشنامه) از طریق سوالات اصلی شرکت کنندگان را وادار به پاسخگویی یا عمل به روشهای غیراصادی می کند. به عنوان مثال ، تعصب مطلوبیت اجتماعی می تواند شرکت کنندگان را وادار کند تا با هنجارهای جامعه مطابقت داشته باشند ، حتی اگر احساس واقعی آنها اینگونه نباشد.

مثال: س Leadال پیشرو
در یک نظرسنجی ، شما از شرکت کنندگان نظر خود را در مورد اقدامات تغییر آب و هوا می خواهید.
در س Yourال شما آمده است: «کارشناسان معتقدند که فقط اقدامات منظم می توانند اثرات تغییر اقلیم را کاهش دهند. آیا شما موافق هستید که اقدامات فردی بی معنی است؟ “

با استناد به “نظرات خبره” ، این نوع س loadال های پرشده به شرکت کنندگان علامت می دهد که باید با نظر موافق باشند یا خطر ناآگاهانه به نظر می رسد. شرکت کنندگان ممکن است با اکراه پاسخ دهند که حتی اگر موافق نباشند با بیانیه موافق هستند.

رانش آزمایشگر زمانی اتفاق می افتد که ناظران پس از مدتها جمع آوری یا کدگذاری داده ها خسته ، بی حوصله و یا انگیزه کمتری پیدا می کنند و آنها به آرامی از روش های استاندارد به روش های قابل شناسایی دور می شوند.

مثال: رانش آزمایشگر (ناظر)
شما به صورت کیفی ویدئوها را از آزمایشات اجتماعی کدگذاری می کنید تا اقدامات یا رفتارهای مشترک بین شرکت کنندگان را یادداشت کنید.
در ابتدا ، شما همه رفتارهای ظریف و واضح و متناسب با معیارهای خود را به عنوان یک همکاری رمزگذاری می کنید. اما پس از صرف روزها برای این کار ، شما فقط اقدامات کاملاً مفیدی را به عنوان همکاری کدگذاری می کنید.

شما به تدریج از معیارهای استاندارد اصلی برای کدگذاری داده ها فاصله می گیرید و اندازه گیری های شما از قابلیت اطمینان کمتری برخوردار می شوند.

تعصب نمونه گیری زمانی اتفاق می افتد که برخی از اعضای یک جمعیت بیشتر از بقیه در مطالعه شما قرار بگیرند. این قابلیت تعمیم یافته های شما را کاهش می دهد ، زیرا نمونه شما نماینده کل جمعیت نیست.

کاهش خطای سیستماتیک

با استفاده از این روش ها در مطالعه خود می توانید خطاهای سیستماتیک را کاهش دهید.

مثلث کردن
مثلث سازی به معنای استفاده از چندین تکنیک برای ثبت مشاهدات است تا فقط به یک ابزار یا روش اعتماد نکنید.

به عنوان مثال ، اگر سطح استرس را اندازه گیری می کنید ، می توانید از پاسخ های نظرسنجی ، ضبط های فیزیولوژیکی و زمان واکنش به عنوان شاخص استفاده کنید. برای اطمینان از اینکه نتایج شما به ابزار دقیق مورد استفاده بستگی ندارند ، می توانید بررسی کنید که آیا هر سه این اندازه گیری ها با هم همگرایی دارند یا همپوشانی دارند.

کالیبراسیون منظم
کالیبراسیون یک ابزار به معنای مقایسه مواردی است که این ابزار با مقدار واقعی یک مقدار استاندارد شناخته شده مقایسه می کند. کالیبراسیون منظم ابزار خود با یک مرجع دقیق به کاهش احتمال خطاهای سیستماتیک م affectثر بر مطالعه کمک می کند.

همچنین می توانید ناظران یا محققان را از نظر نحوه کدگذاری یا ثبت اطلاعات ، کالیبره کنید. برای جلوگیری از رانش آزمایشگر ، از پروتکل های استاندارد و چک های معمول استفاده کنید.

تصادفی سازی
روش های نمونه گیری تصادفی به شما اطمینان می دهند که نمونه شما با جمعیت تفاوتی منظم نداشته باشد.

علاوه بر این ، اگر آزمایشی انجام می دهید ، برای قرار دادن شرکت کنندگان در شرایط مختلف درمان ، از انتساب تصادفی استفاده کنید. این کمک می کند تا با تعادل بخشیدن به ویژگی های شرکت کنندگان در بین گروه ها ، از تعصب جلوگیری کنید.

نقاب زدن
هر جا که ممکن است ، باید تعیین شرایط را از طریق پوشاندن (کور کردن) از شرکت کنندگان و محققان پنهان کنید.

رفتارها یا پاسخ های شرکت کنندگان می تواند تحت تأثیر انتظارات آزمایشگر و ویژگی های تقاضا در محیط قرار گیرد ، بنابراین کنترل این موارد به شما کمک می کند تا تعصب سیستماتیک را کاهش دهید.

نوشته های مشابه

انواع قابلیت اطمینان و نحوه اندازه گیری آن ها

انواع قابلیت اطمینان و نحوه اندازه گیری آن ها ، وقتی تحقیقات کمی انجام می دهید، باید اطمینان و اعتبار…