Évaluation des données dans la recherche : exactitude, précision et types d'erreurs

Lors de l'étude ou de l'examen de données scientifiques, il est essentiel et primordial d'étudier et d'évaluer attentivement les données scientifiques. Les données scientifiques sont un facteur crucial dans l'élaboration des politiques et elles ont également un effet profond et de grande envergure sur la conduite de la recherche. Lorsqu'elles sont présentées avec des calculs exacts et précis, les données contribuent grandement à faire de l'évaluation des données scientifiques un succès. Lorsque les décisions sont étayées par des données scientifiques précises, cela donne plus de crédibilité à la recherche scientifique.

L'exactitude des données scientifiques dépend de la précision de l'expérience. Répliquer une expérience encore et encore donne des données plus précises et plus d'informations que les données recueillies en expérimentant seulement quelques fois. Ces données sont obtenues en répétant les mêmes étapes encore et encore lors de l'expérimentation. La répétition de l'expérience fait apparaître des erreurs inattendues et donne une chance de les annuler. Les données, lorsqu'elles sont exemptes d'erreurs, deviennent exactes et donnent un résultat que l'on s'attendait à obtenir à partir de l'expérience.

Dans les données scientifiques, des termes comme erreurs, précision et exactitude ont une grande importance. Ils doivent être compris en détail pour mieux comprendre comment fonctionne l'évaluation des données dans la recherche scientifique. Aussi, la relation entre ces termes doit être perçue de différentes manières, pour faire de la recherche scientifique un succès.

Précision

Lorsque la mesure est précise, elle est très proche de la valeur réelle. La valeur réelle est la valeur qui n'est pas connue à l'avance, mais c'est généralement la valeur souhaitée que l'on s'attend à atteindre. La précision, c'est comme frapper dans le mille qu'une fléchette cible à chaque fois qu'elle est lancée. Si la fléchette manque de toucher le centre de la cible et est suffisamment proche pour la frapper, elle mesure la précision de la fléchette. Toute différence entre la valeur réelle et la valeur acceptée est une erreur.

Prenons un autre exemple, par exemple. Si le volume d'un liquide doit être pris à 100 ml, et à la place, le volume mesuré est de 98 ml, il est très proche de donner la précision de l'expérience. La précision est définie comme la proximité de la mesure avec la valeur réelle ou acceptée. La précision est obtenue en prenant plusieurs mesures et en prenant une moyenne des valeurs de mesure. La différence entre ceux-ci peut être exprimée en positif ou en négatif. Une valeur positive est également la valeur absolue, et elle est lue avec un score élevé. Une valeur négative est également la valeur absolue lorsque la lecture est à un score faible.

Recommandé pour vous : Science des données vs intelligence artificielle – Quelles sont les différences ?

Comment mesurer la précision

La précision peut être absolue ou relative. Encore une fois, la précision est mesurée en termes d'erreurs ou de différences de valeurs. Ainsi, on obtient une précision absolue ou une précision relative.

Erreur absolue : La précision absolue est la différence entre une valeur mesurée et la valeur réelle. Si la valeur mesurée est inférieure à la valeur réelle, le résultat est négatif ou dans le négatif. Et lorsque la valeur mesurée est supérieure à la valeur réelle ou vraie, le résultat est une valeur positive ou positive. Cela peut aussi être exprimé par un simple calcul : Erreur absolue = Valeur mesurée – Valeur réelle.

Erreur relative : elle est mesurée en pourcentage. Lorsque l'erreur absolue est divisée par la valeur vraie et multipliée par 100, nous obtenons un pourcentage d'erreur relative. Elle est également exprimée en parties pour mille ou en parties par million, selon le cas. Ainsi, l'erreur relative peut être obtenue par les formules :

 Erreur relative = {(Valeur mesurée - Valeur vraie) / Valeur vraie} x 100 %

Précision

La précision est un autre facteur qui influence l'évaluation des données. Cela peut être dit comme les valeurs répétées qui ont été obtenues dans les mêmes conditions et en réalisant l'expérience plusieurs fois. Dans le cas du jeu de fléchettes, si la fléchette continue de manquer le centre de la cible et continue de frapper au même endroit, près du centre de la cible, à plusieurs reprises, c'est une mesure de la précision de la fléchette. Pour en revenir à l'analyse scientifique, la précision est le nombre de fois où la même mesure a été réalisée. Si le volume de liquide réel et souhaité devait être de 100 ml et que toutes les 10 fois que l'expérience était effectuée, le résultat était de 80 ml, les données peuvent être qualifiées de précises. Parce que le résultat était que le volume de liquide était de 80 ml, et il a été atteint toutes les 10 fois l'expérience a été faite.

L'exactitude et la précision ne sont pas des termes autonomes, mais sont interdépendants. Ceci est exprimé en termes d'erreurs. Les erreurs sont causées par des instruments défectueux et aussi par des humains. Celles-ci peuvent être classées en tant qu'erreurs systématiques et erreurs aléatoires. Comprendre les erreurs est une meilleure façon de comprendre les termes d'exactitude et de précision.

Erreur systématique

Les erreurs causées par des instruments défectueux pris pour une expérience ou par l'utilisation d'instruments anciens et obsolètes pour les mesures sont des erreurs systématiques. Par exemple, utiliser des échelles de mesure rouillées et anciennes. Les erreurs systématiques ne sont généralement pas une erreur de la part de la personne qui mesure ou fait des expériences. C'est une erreur dans le système ou la configuration utilisée qui provoque l'erreur. Une telle erreur peut être corrigée en remplaçant l'ancien par le nouveau, et en ajustant et en corrigeant les systèmes utilisés.

Un jeu de fléchettes, par exemple, fixé à un angle, de sorte que les fléchettes continuent de frapper le côté gauche est une erreur systématique, et le réalignement du jeu de fléchettes corrigera cette erreur. Une échelle de mesure rouillée et ancienne peut être remplacée par une nouvelle échelle, de sorte que les marques soient en gras et visibles, et cela corrige l'erreur. Mais si vous prenez plusieurs mesures à partir d'une ancienne règle et que vous prenez les mesures moyennes, le résultat sera loin de la valeur réelle.

Les erreurs systématiques peuvent être :

• Erreurs dans les calculs.
• Prendre des températures incorrectes.
• Perte mécanique de matière à différents stades.
• Des substances impures ont été utilisées dans l'analyse.
• Erreurs dans la prise de lectures.
• Instruments mal calibrés.
• Bras de longueurs inégales.
• Matières étrangères entrant dans l'expérience.
• Utilisation de produits chimiques impurs pour une expérience.

Vous aimerez peut-être : Appliquer le Big Data pour tirer parti de votre publicité sur les réseaux sociaux.

Erreur aléatoire

Les erreurs aléatoires sont relativement plus faciles à rectifier. Cette erreur est un type d'erreur humaine, et une erreur de jugement, de la part des personnes prenant les lectures, ou faisant l'expérience. Prendre plusieurs lectures, puis arriver à un chiffre moyen sera plus proche de la valeur réelle.

Chiffres significatifs

Un chiffre significatif est un chiffre ayant une valeur pratique. Comprendre le concept de savoir si un chiffre a des chiffres significatifs, nous pouvons voir quelques règles. Ces règles sont applicables pour connaître les chiffres à valeur pratique et les chiffres sans valeur pratique, et leur place dans un nombre ne l'affecte en aucune façon. Ces règles sont :

• Les chiffres qui ne sont pas des "zéros" sont toujours significatifs. Par exemple, 269 est un chiffre significatif.
• Les zéros au départ ne sont pas significatifs. Par exemple, 0,065.
• Les zéros captifs sont significatifs. Par exemple, 2,0085.
• Si un nombre a des décimales et que des zéros suivent le nombre, alors le nombre est significatif. Par exemple, 3,65800.
• Zéro peut être ou ne pas être un chiffre significatif. Cela dépend de l'endroit où il est placé dans un numéro. Par exemple, dans 15.0002598 ou 25.365100, les zéros sont des chiffres significatifs. Zéro avant un point décimal, par exemple 0,00258, il n'y a que trois chiffres significatifs, car les zéros n'ont aucune valeur pratique.

En outre, les chiffres significatifs sont également déterminés par un ensemble de règles, qui sont :

• L'addition/soustraction est arrondie au plus petit nombre de décimales.
• La multiplication/division est arrondie au plus petit nombre de chiffres significatifs.
• Les logarithmes sont arrondis de sorte que plusieurs chiffres significatifs dans l'entrée correspondent au nombre de décimales dans le résultat.
• Exponentiation arrondie à la certitude dans la base uniquement.
• Les zéros de fin sont placés après une décimale après le nombre. Par exemple, 1200.
• Rondes sur la dernière marche. Il suit les parenthèses lorsqu'il est applicable.

Calcul et calculatrice des chiffres significatifs

Good Calculators a son propre calculateur de chiffres significatifs, et il calcule et détermine combien de chiffres significatifs contient un nombre.

Quels opérateurs et fonctions sont pris en charge par le calculateur de chiffres significatifs ?

• Fonctions arithmétiques telles que l'addition (+), la soustraction (-), la division (/ ou ÷), la multiplication (* ou x), l'exposant (^).
• Symboles de groupe comme ().
• Des fonctions comme log n, ln n.
• Constantes comme pi, e.

Vous aimerez peut-être aussi : La technologie creuser des données profondes : une chasse au trésor mondiale dans le monde réel.

Comment utiliser le calculateur de chiffres significatifs pour la précision des résultats ?

Lors du calcul du calculateur de chiffres significatifs, les données de résultat ne sont parfois pas exactes. Donc, pour obtenir une plus grande précision dans les données, mettez # à la fin du nombre. Par exemple, 6.24#.

 Exemple : 10,00698 ÷ 13,6 = 0,736 (les chiffres significatifs sont 3).

 10,00698 ÷ 13,6# = 0,7358074 (les chiffres significatifs sont 7).

Ajouter le symbole # à la fin du nombre donne des résultats plus précis que de simplement mettre un nombre. Les chiffres significatifs sont juste un moyen de donner une plus grande précision dans les mesures et les calculs. En appliquant les règles ci-dessus dans le calcul d'un chiffre significatif, les utilisateurs peuvent être plus précis dans l'obtention des résultats. Elle est applicable dans tous les domaines du calcul scientifique et a un impact pertinent et direct sur l'évaluation des données scientifiques.