Il bias 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 per essere distorta è la differenza tra i valori stimati e quelli effettivi. Se non si sa che la stima è parziale, la differenza potrebbe anche essere dovuta a errori casuali o altre imprecisioni. Contrariamente al bias, che agisce sempre in una direzione, questi errori possono essere positivi o negativi.

Per calcolare il bias di un metodo utilizzato per molte stime, trovare gli errori sottraendo ogni stima dal valore effettivo o osservato . Sommare tutti gli errori e dividere per il numero di stime per ottenere il bias. Se gli errori si sommano a zero, le stime sono imparziali e il metodo fornisce risultati imparziali. Se le stime sono distorte, potrebbe essere possibile trovare l'origine del bias ed eliminarlo per migliorare il metodo.

TL; DR (troppo lungo, non letto)

Calcola il bias trovando la differenza tra una stima e il valore effettivo. Per trovare il bias di un metodo, eseguire molte stime e sommare gli errori in ciascuna stima rispetto al valore reale. Dividere per il numero di stime dà il bias 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 la distorsione

Quando le stime sono distorte, sono costantemente errate in una direzione a causa di errori nel sistema utilizzato per stime. Ad esempio, una previsione del tempo può prevedere costantemente temperature superiori a quelle effettivamente osservate. La previsione è parziale, e da qualche parte nel sistema c'è un errore che dà una stima troppo alta. Se il metodo di previsione è imparziale, potrebbe ancora prevedere temperature non corrette, ma le temperature errate saranno a volte più alte e talvolta inferiori alle temperature osservate.

Il bias statico funziona allo stesso modo ma di solito è basato 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. Se c'è pregiudizio, ci sarà sempre una differenza anche se alcune stime individuali potrebbero cadere su entrambi i lati del valore effettivo.

Bias in Surveys

Un esempio di bias è una società di sondaggi che esegue sondaggi durante le campagne elettorali, ma i loro risultati elettorali sovrastimano costantemente i risultati per un partito politico rispetto ai risultati effettivi delle elezioni. Il bias può essere calcolato per ciascuna elezione sottraendo il risultato effettivo dalla previsione del sondaggio. Il bias medio del metodo di polling utilizzato può essere calcolato individuando la media dei singoli errori. Se il bias è ampio e coerente, la società di sondaggi può provare a scoprire perché il loro metodo è prevenuto.

Il bias può provenire da due fonti principali. O la selezione dei partecipanti per il sondaggio è parziale, o il pregiudizio deriva dall'interpretazione delle informazioni ricevute dai partecipanti. Ad esempio, i sondaggi su Internet sono intrinsecamente di parte perché i partecipanti al sondaggio che compilano i moduli Internet non sono rappresentativi dell'intera popolazione. Questo è un bias di selezione.

Le società di sondaggi sono consapevoli di questo errore di selezione e compensano aggiustando i numeri. Se i risultati sono ancora di parte, è una distorsione delle informazioni perché le società non hanno interpretato correttamente le informazioni. In tutti questi casi, un calcolo di bias mostra fino a che punto i valori stimati sono utili e quando i metodi devono essere adattati.