Прецизност података је једно од најважнијих разматрања при спровођењу научне или статистичке анализе. Обично збуњени са подједнако важним концептом тачности, аналогија пикадо плоче коју артикулише Универзитет на Хавајима демонстрира везу: тачне тачке података су просечне до једнаких очекиваних резултата, док прецизне тачке података скупљају се блиско заједно, чак и ако нису близу очекивани резултати. Према Дартмоутх Цоллегеу, прецизност је мерење репродуктивности скупа резултата. Прецизност у скуповима података је важан концепт чак иу технолошким потхватима, као што су показали Кенет Е. Фооте и Доналд Ј. Хуебнер са Универзитетом Тексас-Аустин у анализи географских информационих система. Израчунавање прецизности је прилично једноставна, иако донекле субјективна.
Ставке које су вам потребне
-
Графички приказ скупа података
-
Информације о релевантним јединицама изражене у подацима
-
Минимална дозвољена граница грешке у експерименту
Развити визуални приказ тачака података као што је дијаграм расипања. Врло једноставна визуална репрезентација укључује цртање одговарајућих зависних и независних вредности варијабли за сваку тачку података на Картезијевом координатном систему.
Процијените групирање тачака података и потражите обрасце. Прецизни подаци се појављују у кластерима тачака података, што указује да су сличне улазне варијабле повезане са сличним излазним варијаблама.
Примијенити информације о мјерним јединицама које се користе за прикупљање података за одређивање просјечног размака између точака података. Једноставно мјерење равнала може се користити за одређивање удаљености између точака на графу, а затим се претвара помоћу произвољне, прикладне скале која одговара јединицама мјерења која се користе за генерирање точака података. Ово ће омогућити прецизност података тачака у односу на друге да се израчуна узимањем просека растојања.
Упоредите минималну границу грешке која је дозвољена у експерименту и просечну прецизност тачака података да бисте одредили релативну укупну прецизност експеримента. Различити типови експеримената ће имати већу или мању толеранцију грешке: инжењерски пројекат ће вероватно захтевати прецизност до веома малих јединица, док ће социјални експеримент вероватно толерисати више варијација.
Савети
-
Покушајте да процените вероватну скалу јединице пре него што креирате графички приказ тачака података. Ово ће олакшати визуелну процену прецизности како би се идентификовале било које области посебно значајне прецизности или непрецизности.
Јасни обрасци података који се појављују на визуелном приказу су веома индикативни за прецизност и поновљивост експеримента. Наставак експеримента треба да дода нове тачке података у прецизним кластерима блиским онима који већ постоје.
Упозорење
Не мешајте прецизност са прецизношћу. Ако је циљ експеримента да се постигне просјечна излазна вриједност дат за све улазе, а то се постиже просјечним вриједностима у распону од -12 до 14, мало је вјеројатно да ће то бити прецизно мјерење, иако може бити прецизно. Прецизно мерење може довести до тога да све тачке података буду груписане око 17, што би било нетачно, али прецизно и стога предвидљиво.
