Ocena danych w badaniach: dokładność, precyzja i rodzaje błędów

Podczas studiowania lub przeglądania danych naukowych istotne i pierwszorzędne znaczenie ma staranne przestudiowanie i ocena danych naukowych. Dane naukowe są kluczowym czynnikiem w kształtowaniu polityki, a także mają głęboki i dalekosiężny wpływ na prowadzenie badań. Przedstawione wraz z dokładnymi i precyzyjnymi obliczeniami dane znacznie przyczyniają się do sukcesu naukowej oceny danych. Kiedy decyzje są poparte dokładnymi danymi naukowymi, zwiększa to wiarygodność badań naukowych.

Dokładność danych naukowych zależy od precyzji eksperymentu. Powtarzanie eksperymentu w kółko daje dokładniejsze dane i więcej informacji niż dane zebrane podczas eksperymentowania tylko kilka razy. Takie dane uzyskuje się poprzez wielokrotne powtarzanie tych samych kroków podczas eksperymentów. Powtarzanie eksperymentu przynosi nieoczekiwane błędy i daje szansę na ich zanegowanie. Dane, gdy są wolne od błędów, stają się dokładne i dają wynik, jakiego oczekiwano od eksperymentu.

W danych naukowych terminy takie jak błędy, precyzja i dokładność mają ogromne znaczenie. Należy je zrozumieć bardziej szczegółowo, aby lepiej zrozumieć, jak działa ocena danych w badaniach naukowych. Również relacja między tymi pojęciami musi być postrzegana na różne sposoby, aby badania naukowe zakończyły się sukcesem.

Dokładność

Gdy pomiar jest dokładny, jest bardzo zbliżony do rzeczywistej wartości. Rzeczywista wartość to wartość, która nie jest z góry znana, ale zwykle jest to wartość pożądana, której osiągnięcia oczekuje się. Dokładność jest jak trafienie w dziesiątkę, w którą celuje rzutka za każdym razem, gdy zostaje rzucona. Jeśli strzałka nie trafia w dziesiątkę i jest wystarczająco blisko, aby ją trafić, mierzy dokładność rzutki. Każda różnica między wartością rzeczywistą a wartością akceptowaną jest błędem.

Weźmy na przykład inny przykład. Jeśli objętość cieczy ma przyjąć 100 ml, a zamiast tego zmierzona objętość wynosi 98 ml, jest to bardzo bliskie podania dokładności eksperymentu. Dokładność jest definiowana jako bliskość pomiaru do rzeczywistej lub akceptowanej wartości. Dokładność uzyskuje się wykonując kilka pomiarów i biorąc średnią z wartości pomiarowych. Różnicę między nimi można wyrazić jako dodatnią lub ujemną. Wartość dodatnia jest jednocześnie wartością bezwzględną i jest to odczyt z wysokim wynikiem. Wartość ujemna jest również wartością bezwzględną, gdy odczyt jest na niskim poziomie.

Polecane dla Ciebie: Data Science vs. Artificial Intelligence – Jakie są różnice?

Jak mierzyć dokładność

Dokładność może być bezwzględna lub względna. Ponownie, dokładność jest mierzona w kategoriach błędów lub różnic w wartościach. W ten sposób uzyskujemy dokładność absolutną lub względną.

Błąd bezwzględny: Dokładność bezwzględna to różnica między wartością zmierzoną a wartością rzeczywistą. Jeśli zmierzona wartość jest mniejsza niż wartość rzeczywista, wynik jest ujemny lub ujemny. A gdy zmierzona wartość jest wyższa niż wartość rzeczywista lub prawdziwa, wynikiem jest wartość dodatnia lub dodatnia. Można to również wyrazić prostym obliczeniem: Błąd bezwzględny = Wartość zmierzona – Wartość rzeczywista.

Błąd względny: jest mierzony w procentach. Gdy błąd bezwzględny zostanie podzielony przez wartość prawdziwą i pomnożony przez 100, otrzymamy procent błędu względnego. Wyraża się ją również w częściach na tysiąc lub na milion, zależnie od przypadku. Zatem błąd względny można obliczyć za pomocą wzorów:

 Błąd względny = {(wartość zmierzona – wartość prawdziwa) / wartość prawdziwa} x 100%

Precyzja

Precyzja to kolejny czynnik wpływający na ocenę danych. Można powiedzieć, że są to powtarzające się wartości, które uzyskano w tych samych warunkach i wielokrotnie przeprowadzając eksperyment. W przypadku gry w rzutki, jeśli strzałka nie trafia w dziesiątkę i wielokrotnie uderza w to samo miejsce, blisko tarczy, jest to miarą precyzji rzutki. Wracając do analizy naukowej, precyzja to liczba takich samych pomiarów. Jeśli rzeczywista i pożądana objętość cieczy miała wynosić 100 ml, a co 10 razy po wykonaniu eksperymentu wynik wynosił 80 ml, to dane można uznać za dokładne. Ponieważ wynik był taki, że objętość cieczy wynosiła 80 ml, a osiągano to co 10 razy, przeprowadzano doświadczenie.

Dokładność i precyzja nie są samodzielnymi terminami, ale są ze sobą powiązane. Wyraża się to w postaci błędów. Błędy są spowodowane przez wadliwe instrumenty, a także przez ludzi. Można je dalej sklasyfikować jako błędy systematyczne i błędy losowe. Zrozumienie błędów jest lepszym sposobem zrozumienia warunków dokładności i precyzji.

Błąd systematyczny

Błędy spowodowane wadliwymi przyrządami wziętymi do eksperymentu lub użyciem do pomiarów starych i przestarzałych przyrządów są błędami systematycznymi. Na przykład przy użyciu zardzewiałych i starych wag pomiarowych. Błędy systematyczne zwykle nie są błędem osoby mierzącej lub przeprowadzającej eksperymenty. Przyczyną błędu jest błąd w systemie lub używanej konfiguracji. Taki błąd można naprawić, wymieniając stary na nowy oraz dopasowując i poprawiając stosowane systemy.

Na przykład tarcza do gry w rzutki ustawiona pod kątem w taki sposób, że rzutki uderzają w lewą stronę, jest błędem systematycznym, a ponowne wyrównanie tarczy naprawi ten błąd. Zardzewiałą i starą skalę pomiarową można wymienić na nową, tak aby oznaczenia były pogrubione i widoczne, a to koryguje błąd. Ale jeśli wykonasz wiele pomiarów ze starej linijki i wykonasz średnie pomiary, wynik będzie daleki od rzeczywistej wartości.

Błędy systematyczne mogą być:

• Błędy w obliczeniach.
• Przyjmowanie nieprawidłowych temperatur.
• Ubytek mechaniczny materiału na różnych etapach.
• Do analizy użyto substancji zanieczyszczonych.
• Błędy w odczytach.
• Instrumenty nie są prawidłowo skalibrowane.
• Ramiona nierównej długości.
• Materiały obce wchodzące do eksperymentu.
• Używanie nieczystych chemikaliów do eksperymentu.

Może Cię zainteresować: Stosowanie dużych zbiorów danych w celu uzyskania korzyści z reklamy w mediach społecznościowych.

Błąd losowy

Przypadkowe błędy są stosunkowo łatwiejsze do naprawienia. Ten błąd jest rodzajem błędu ludzkiego i błędem oceny ze strony osób dokonujących odczytów lub przeprowadzających eksperyment. Wykonanie wielu odczytów, a następnie uzyskanie średniej wartości będzie bliższe rzeczywistej wartości.

Znaczące liczby

Cyfra znacząca to cyfra o wartości praktycznej. Rozumiejąc pojęcie, czy cyfra ma cyfry znaczące, możemy dostrzec pewne zasady. Zasady te mają zastosowanie do poznawania cyfr o wartości praktycznej oraz cyfr, które nie mają wartości użytkowej, a ich miejsce w liczbie nie wpływa na nią w żaden sposób. Te zasady to:

• Cyfry, które nie są „zerami” są zawsze znaczące. Na przykład 269 jest cyfrą znaczącą.
• Zera na początku nie są znaczące. Na przykład 0,065.
• Uwięzione zera są znaczące. Na przykład 2,0085.
• Jeśli liczba ma kropki dziesiętne, a za liczbą występują zera, to liczba jest znacząca. Na przykład 3,65800.
• Zero może być lub nie może być cyfrą znaczącą. To zależy od tego, gdzie jest umieszczony w numerze. Na przykład w 15.0002598 lub 25.365100 zera są cyframi znaczącymi. Zero przed przecinkiem np. 0,00258 są tylko trzy cyfry znaczące, ponieważ zera nie mają żadnej praktycznej wartości.

Ponadto liczby znaczące są również określane przez zestaw zasad, którymi są:

• Dodawanie/odejmowanie jest zaokrąglane do najmniejszej liczby miejsc po przecinku.
• Mnożenie/dzielenie jest zaokrąglane do najmniejszej liczby cyfr znaczących.
• Logarytmy są zaokrąglane w taki sposób, aby kilka cyfr znaczących w danych wejściowych odpowiadało liczbie miejsc po przecinku w wyniku.
• Potęgowanie zaokrąglone do pewności tylko w podstawie.
• Końcowe zera są umieszczane po miejscu dziesiętnym po liczbie. Na przykład 1200.
• Rundy na ostatnim stopniu. Podąża za nawiasami, gdy ma to zastosowanie.

Liczby znaczące obliczenia i kalkulator

Good Calculators ma swój własny kalkulator cyfr znaczących, który oblicza i oblicza, ile cyfr znaczących zawiera liczba.

Jakie operatory i funkcje obsługuje Kalkulator Liczb Znaczących?

• Funkcje arytmetyczne, takie jak dodawanie (+), odejmowanie (-), dzielenie (/ lub ÷), mnożenie (* lub x), wykładnik (^).
• Symbole grupowe, takie jak ().
• Funkcje takie jak log n, ln n.
• Stałe takie jak pi, np.

Może ci się również spodobać: Technologiczne kopanie głębokich danych: globalne poszukiwanie skarbów w świecie rzeczywistym.

Jak korzystać z kalkulatora cyfr znaczących, aby uzyskać dokładne wyniki?

Podczas obliczania kalkulatora cyfr znaczących czasami dane wynikowe nie są dokładne. Tak więc, aby uzyskać większą dokładność danych, umieść # na końcu liczby. Na przykład 6,24#.

 Przykład: 10,00698 ÷ 13,6 = 0,736 (Cyfry znaczące to 3).

 10,00698 ÷ 13,6# = 0,7358074 (Cyfry znaczące to 7).

Dodanie symbolu # na końcu liczby daje dokładniejsze wyniki niż samo wstawienie liczby. Liczby znaczące to tylko sposób na zwiększenie precyzji pomiarów i obliczeń. Stosując powyższe zasady do obliczania cyfr znaczących, użytkownicy mogą być bardziej precyzyjni w uzyskiwaniu wyników. Ma zastosowanie we wszystkich dziedzinach obliczeń naukowych i ma istotny i bezpośredni wpływ na ocenę danych naukowych.