관찰 오류

Observational error
"조직적 편견"은 여기서 리다이렉트됩니다.이 기사는 도량형 및 통계 주제에 관한 것입니다.사회학적, 조직적 현상에 대해서는 체계적 편견을 참조한다.

관측 오차(또는 측정 오차)는 수량의 측정된 값과 실제 [1]값 사이의 차이입니다.통계학에서 오류가 반드시 "실수"인 것은 아닙니다.변동성은 측정 결과와 측정 과정의 고유한 부분입니다.

측정 오류는 무작위 및 체계적 [2]두 가지 구성 요소로 나눌 수 있습니다.랜덤 오류는 일정한 속성 또는 양을 반복적으로 측정할 때 측정 가능한 값이 일관되지 않도록 하는 측정 오류입니다.시스템 오류는 우연에 의해 결정되는 것이 아니라 시스템에 [3]고유한 반복 가능한 프로세스에 의해 발생하는 오류입니다.체계적 오류는 관측치가 [citation needed]평균화될 때 효과가 감소하지 않는 평균이 0이 아닌 오류를 나타낼 수도 있습니다.

측정 오차는 정확도 및 정밀도 측면에서 요약할 수 있습니다.측정 오차는 측정 불확실성과 혼동해서는 안 된다.

과학과 실험

확률론에 의해 모델링된 무작위성 또는 불확실성이 이러한 오류에 기인하는 경우, 통계에서 해당 용어가 사용되는 의미에서 오류이다. 통계에서 오류 및 잔차를 참조한다.

민감한 기기로 측정을 반복할 때마다 약간 다른 결과를 얻을 수 있습니다.일반적으로 사용되는 통계 모형은 오차가 다음 두 개의 가법 부품을 가지고 있다는 것입니다.

  1. 동일한 방식으로 동일한 경우 계측기를 사용할 때 항상 동일한 값으로 발생하는 시스템 오류입니다.
  2. 관측치에 따라 다를 수 있는 랜덤 오차입니다.

체계적 오류는 때때로 통계적 편견이라고 불립니다.표준화된 절차를 통해 종종 감소될 수 있습니다.다양한 과학의 학습 과정 중 일부는 시스템 오류를 최소화하기 위해 표준 기구와 프로토콜을 사용하는 방법을 배우는 것입니다.

변량 오차(또는 변량 변동)는 제어할 수 없거나 제어할 수 없는 요인 때문에 발생합니다.이러한 랜덤 오차에 대한 제어를 포기하는 한 가지 가능한 이유는 실험을 수행하거나 측정을 수행할 때마다 오차를 제어하는 데 비용이 너무 많이 들기 때문입니다.다른 이유는 우리가 측정하려는 것이 무엇이든 시간에 따라 변화하거나(동적 모델 참조), 근본적으로 확률적(양자 역학에서와 마찬가지로)이기 때문일 수 있다.임의 오류는 계측기가 작동 한계치의 극단까지 밀릴 때 종종 발생합니다.예를 들어, 디지털 밸런스의 경우 최하위 자릿수에 랜덤 오류가 나타나는 것이 일반적입니다.단일 객체의 세 가지 측정값은 0.9111g, 0.9110g 및 0.9112g입니다.

특성화

측정 오류는 랜덤 오류와 시스템 [2]오류의 두 가지 요소로 나눌 수 있습니다.

측정에는 항상 랜덤 오차가 있습니다.측정 장비의 판독치 또는 실험자의 기기 판독치 해석에서 본질적으로 예측할 수 없는 변동으로 인해 발생합니다.무작위 오류는 표면적으로 동일한 반복 측정에 대해 다른 결과로 나타납니다.여러 측정값을 비교하여 추정할 수 있고 여러 측정값을 평균화하여 줄일 수 있습니다.

시스템 오류는 예측 가능하며 일반적으로 참 값에 일정하거나 비례합니다.시스템 에러의 원인을 특정할 수 있으면, 통상은 제거할 수 있습니다.계통오차는 측정기기의 불완전한 교정이나 관측방법의 불완전함 또는 측정과정의 환경간섭에 의해 발생하며 항상 예측가능한 방향으로 실험결과에 영향을 미친다.계측기의 제로 에러를 일으키는 잘못된 제로 에러는 계측기의 시스템 에러의 예입니다.

미국기계공학회(ASME)가 발행한 성능시험 표준 PTC 19.1-2005 "시험 불확실성"은 체계적 오류와 무작위 오류를 상당히 상세하게 논의한다.사실, 이러한 관점에서 기본적인 불확실성 범주를 개념화한다.

무작위 오류는 측정 장치의 판독치 또는 실험자의 기기 판독치 해석에서 예측할 수 없는 변동으로 인해 발생할 수 있습니다. 이러한 변동은 부분적으로 측정 프로세스에 대한 환경 간섭으로 인해 발생할 수 있습니다.랜덤 오차의 개념은 정밀도의 개념과 밀접하게 관련되어 있습니다.측정 기기의 정밀도가 높을수록 판독값 변동의 변동성(표준 편차)이 작아집니다.

원천

시스템 오류의 원인

불완전한 교정

시스템 오류의 원인은 측정 기기의 불완전한 교정(제로 오차)일 수 있으며, 측정 프로세스를 방해하는 환경의 변화 및 때로는 불완전한 관찰 방법이 0 오차 또는 백분율 오차일 수 있습니다.기준 마커를 통과하는 진자의 시간 주기를 판독하는 실험자를 고려한다면: 스톱워치 또는 타이머가 시계에서 1초 동안 시작되면 모든 결과가 1초씩 어긋납니다(오류 0).실험자가 이 실험을 20회(매회 1초부터 시작) 반복하면 계산된 결과의 평균에 백분율 오류가 발생하고 최종 결과는 실제 기간보다 약간 커집니다.

공기 중의 파동이 약간 느려지는 것을 고려하지 않으면 레이더에 의해 측정된 거리는 체계적으로 과대평가될 것이다.계측기의 제로 에러를 일으키는 잘못된 제로 에러는 계측기의 시스템 에러의 예입니다.

수학적 모델 또는 물리 법칙에 기초한 추정 결과에도 체계적 오류가 존재할 수 있습니다.예를 들어 지지대의 약간의 움직임을 고려하지 않을 경우 추의 추정 진동 주파수는 계통적으로 오차가 발생할 수 있다.

양

계통 오차는 일정하거나 측정 수량의 실제 값과 관련(예: 비례 또는 백분율)되거나 다른 수량의 값과 관련이 있을 수 있습니다(눈금의 판독치는 환경 온도에 영향을 받을 수 있습니다).일정할 경우 단순히 계측기의 잘못된 영점 조정 때문일 뿐입니다.일정하지 않을 때는 부호를 변경할 수 있습니다.예를 들어 온도계가 실제 온도의 2%에 해당하는 비례 계통 오차의 영향을 받고 실제 온도가 200°, 0° 또는 -100°일 경우 측정 온도는 각각 204°( 계통 오차 = +4°, 0°(계통 오차 = -2°) 또는 -102°(계통 오차 = -2°)가 됩니다.따라서 온도가 0보다 높을 때는 과대평가되고 영하일 때는 과소평가됩니다.

드리프트

실험 중에 변경되는 체계적 오류(표류)는 탐지하기가 더 쉽습니다.측정값은 평균에 대해 랜덤하게 변동하는 대신 시간에 따른 추세를 나타냅니다.일정한 양의 측정이 여러 번 반복되고 실험 중에 측정이 한 방향으로 드리프트되면 드리프트가 분명하게 나타납니다.다음 측정값이 실험 중 기기가 따뜻해졌을 때 발생할 수 있는 이전 측정값보다 높으면 측정된 양은 가변적이며 실험 시작 시뿐만 아니라 실험 중에 영점 판독값을 확인하여 드리프트를 감지할 수 있습니다(실제로 영점 판독값은 c의 측정값입니다).(정량)영점 판독값이 일관되게 영점보다 크거나 작으면 시스템 오류가 있는 것입니다.이 문제를 제거할 수 없는 경우, 실험 직전에 기기를 재설정하여 판독치에서 계측기의 값(시간 변동 가능성 있음)을 빼고 측정의 정확성을 평가하는 동안 이를 고려함으로써 계측기를 허용해야 합니다.

일련의 반복 측정에서 패턴이 나타나지 않는 경우, 알려진 수량을 측정하거나 더 정확한 것으로 알려진 다른 장치를 사용하여 판독한 값과 비교하여 측정을 점검할 경우에만 고정 계통적 오류가 있음을 확인할 수 있습니다.예를 들어, 정확한 스톱워치를 여러 번 사용하는 진자의 타이밍을 생각하면 평균에 대해 랜덤하게 분포된 판독치가 제공됩니다.스톱워치가 전화 시스템의 '스피킹 클럭'과 대조되어 저속 또는 고속으로 실행되고 있는 것이 확인되면 호핑 시스템 오류가 발생합니다.분명히 스톱워치가 얼마나 빨리 작동하는지 또는 얼마나 느린지에 따라 진자 타이밍을 보정해야 합니다.

전류계 및 전압계 등의 계측기는 알려진 표준과 비교하여 정기적으로 점검해야 합니다.

시스템 오류는 이미 알려진 수량을 측정하여 탐지할 수도 있습니다.예를 들어 회절격자를 갖춘 분광계를 이용하여 600nm 및 589.6nm의 나트륨 전자 스펙트럼의 D라인 파장을 측정해도 된다.이 측정은 회절격자의 밀리미터당 라인 수를 결정하는 데 사용될 수 있으며, 회절격자는 다른 스펙트럼 라인의 파장을 측정하는 데 사용될 수 있습니다.

지속적인 시스템 오류는 제거할 수 있는 경우에만 효과를 관찰할 수 있기 때문에 처리하기가 매우 어렵습니다.이러한 오류는 측정을 반복하거나 많은 수의 결과를 평균하여 제거할 수 없습니다.시스템 오류를 제거하는 일반적인 방법은 측정 기기의 교정을 사용하는 것입니다.

무작위 오류의 원인

측정에서 무작위 또는 확률적 오류는 한 측정에서 다음 측정으로 랜덤한 오류입니다.확률적 오류는 중앙 한계 정리 때문에 확률적 오류가 많은 독립적 무작위 오류의 합일 때 정규 분포를 따르는 경향이 있다.회귀 방정식에 추가된 확률적 오차는 포함된 X로 설명할 수 없는 Y의 변동을 설명합니다.

조사

"관측 오류"라는 용어는 응답 오류 및 다른 유형의 비샘플링 [1]오류를 나타낼 때도 사용됩니다.조사 유형의 상황에서 이러한 오류는 잘못된 응답 기록과 응답자의 부정확한 응답 기록 모두를 포함한 데이터 수집의 실수일 수 있다.이러한 비표본 오류의 원천은 Salant and Dillman(1994년)과 Bland and Altman(1996년)[4][5]에서 논의된다.

이러한 오류는 랜덤 또는 체계적일 수 있습니다.무작위 오류는 응답자, 인터뷰 담당자 및/또는 코더의 의도하지 않은 실수로 인해 발생합니다.설문지를 작성하는 데 사용된 방법에 대한 응답자들의 체계적인 반응이 있을 경우 체계적인 오류가 발생할 수 있다.따라서 측정 [6]오차 수준에 영향을 미치기 때문에 조사 질문의 정확한 공식화가 중요하다.MTMM 실험을 사용하여 질문의 품질을 추정하는 등 연구자들이 질문의 정확한 공식화에 대해 결정하는 데 도움이 되는 다양한 도구를 사용할 수 있다.품질에 대한 이 정보는 측정 [7][8]오류를 수정하는 데에도 사용할 수 있습니다.

회귀 분석에 대한 영향

회귀 분석의 종속 변수가 오차로 측정되면 R이 완벽한2 측정값보다 낮다는 점을 제외하고 회귀 분석 및 관련 가설 검정에는 영향이 없습니다.

그러나 하나 이상의 독립 변수가 오차로 측정되면 회귀 계수 및 표준 가설 검정이 유효하지 않습니다.[9]: p. 187 이를 감쇠 [10]바이어스라고 합니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b Dodge, Y. (2003) 옥스퍼드 통계 용어 사전, OUP. ISBN978-0-19-920613-1
  2. ^ a b John Robert Taylor (1999). An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements. University Science Books. p. 94, §4.1. ISBN 978-0-935702-75-0.
  3. ^ "Systematic error". Merriam-webster.com. Retrieved 2016-09-10.
  4. ^ Salant, P.; Dillman, D. A. (1994). How to conduct your survey. New York: John Wiley & Sons. ISBN 0-471-01273-4.
  5. ^ Bland, J. Martin; Altman, Douglas G. (1996). "Statistics Notes: Measurement Error". BMJ. 313 (7059): 744. doi:10.1136/bmj.313.7059.744. PMC 2352101. PMID 8819450.
  6. ^ Saris, W. E.; Gallhofer, I. N. (2014). Design, Evaluation and Analysis of Questionnaires for Survey Research (Second ed.). Hoboken: Wiley. ISBN 978-1-118-63461-5.
  7. ^ DeCastellarnau, A. 및 Saris, W. E. (2014).설문 조사에서 측정 오류를 수정하는 간단한 절차입니다.European Social Survey Education Net(ESS EduNet).구입처: http://essedunet.nsd.uib.no/cms/topics/measurement
  8. ^ Saris, W. E.; Revilla, M. (2015). "Correction for measurement errors in survey research: necessary and possible" (PDF). Social Indicators Research. 127 (3): 1005–1020. doi:10.1007/s11205-015-1002-x. hdl:10230/28341. S2CID 146550566.
  9. ^ Hayashi, Fumio (2000). Econometrics. Princeton University Press. ISBN 978-0-691-01018-2.
  10. ^ Angrist, Joshua David; Pischke, Jörn-Steffen (2015). Mastering 'metrics : the path from cause to effect. Princeton, New Jersey. p. 221. ISBN 978-0-691-15283-7. OCLC 877846199. The bias generated by this sort of measurement error in regressors is called attenuation bias.

추가 정보