Araştırmada Veri Değerlendirmesi: Doğruluk, Kesinlik ve Hata Türleri

Bilimsel verileri incelerken veya incelerken, bilimsel verileri dikkatli bir şekilde incelemek ve değerlendirmek esastır ve birincil öneme sahiptir. Bilimsel veriler, politika oluşturmada çok önemli bir faktördür ve aynı zamanda araştırma yürütmede derin ve geniş kapsamlı bir etkiye sahiptir. Doğru ve kesin hesaplamalarla sunulduğunda, veriler bilimsel veri değerlendirmesini başarıya dönüştürmede uzun bir yol kat eder. Kararlar doğru bilimsel verilerle desteklendiğinde, bilimsel araştırmaya daha fazla güvenilirlik kazandırır.

Bilimsel verilerin doğruluğu deneyin kesinliğine bağlıdır. Bir deneyi defalarca tekrarlamak, sadece birkaç kez deney yaparak toplanan verilerden daha doğru veriler ve daha fazla bilgi verir. Bu tür veriler, deney yapılırken aynı adımların defalarca tekrarlanmasıyla elde edilir. Deneyi tekrarlamak, beklenmeyen hataları ortaya çıkarır ve onları etkisiz hale getirme şansı verir. Veriler hatasız olduğunda doğru hale gelir ve deneyden elde edilmesi beklenen bir sonuç verir.

Bilimsel verilerde hata, kesinlik, kesinlik gibi terimler büyük önem taşır. Bilimsel araştırmalarda veri değerlendirmenin nasıl çalıştığını daha iyi anlamak için biraz ayrıntılı olarak anlaşılmaları gerekir. Ayrıca, bilimsel araştırmaların başarılı olması için bu terimler arasındaki ilişkinin çeşitli şekillerde algılanması gerekir.

Kesinlik

Ölçüm doğru olduğunda, gerçek değere çok yakındır. Gerçek değer önceden bilinmeyen, ancak genellikle ulaşılması beklenen istenen değerdir. İsabetlilik, bir dartın her fırlatıldığında hedefi hedeflediği hedefi vurmak gibidir. Dart, hedefi ıskalarsa ve onu vuracak kadar yakınsa, dartın isabetliliğini ölçer. Gerçek değer ile kabul edilen değer arasındaki herhangi bir fark bir hatadır.

Örneğin, başka bir örnek alın. Bir sıvının hacmi 100 ml olarak alınacaksa ve bunun yerine ölçülen hacim 98 ml ise deneyin doğruluğunu vermeye çok yakındır. Doğruluk, ölçümün gerçek veya kabul edilen değere ne kadar yakın olduğu olarak tanımlanır. Doğruluk, birkaç ölçüm yapılarak ve ölçüm değerlerinin ortalaması alınarak elde edilir. Bunlar arasındaki fark, pozitif veya negatif olarak ifade edilebilir. Pozitif bir değer aynı zamanda mutlak değerdir ve yüksek puanla okunmaktadır. Negatif bir değer, okuma düşük bir puanda olduğunda da mutlak değerdir.

Sizin için önerilen: Veri Bilimi ve Yapay Zeka – Farklar Nelerdir?

doğruluk nasıl ölçülür

Doğruluk mutlak veya göreceli olabilir. Yine doğruluk, değerlerdeki hatalar veya farklılıklar açısından ölçülür. Böylece mutlak bir doğruluk veya göreceli bir doğruluk elde ederiz.

Mutlak hata: Mutlak doğruluk, ölçülen değer ile gerçek değer arasındaki farktır. Ölçülen değer gerçek değerden düşükse sonuç negatif veya eksidir. Ölçülen değer gerçek veya gerçek değerden yüksek olduğunda, sonuç pozitif veya artı bir değerdir. Bu basit bir hesaplama ile de ifade edilebilir: Mutlak hata = Ölçülen değer – Gerçek değer.

Bağıl hata: Bu, yüzde olarak ölçülür. Mutlak hata, gerçek değere bölünüp 100 ile çarpıldığında, göreli hatanın yüzdesini elde ederiz. Duruma göre binde bir veya milyonda bir kısım olarak da ifade edilir. Böylece, bağıl hata aşağıdaki formüllerle elde edilebilir:

 Bağıl hata = {(Ölçülen değer – Gerçek değer) / Gerçek değer} x %100

Kesinlik

Kesinlik, veri değerlendirmesini etkileyen başka bir faktördür. Aynı koşullarda elde edilen değerlerin tekrarlanması ve deneyin defalarca yapılması olarak söylenebilir. Dart oyunu örneğinde, dart hedefi ıskalamaya devam ederse ve hedefi hedef noktasına yakın aynı noktaya tekrar tekrar vurmaya devam ederse, bu, dartın ne kadar hassas olduğunun bir ölçüsüdür. Bilimsel analize geri dönecek olursak kesinlik, aynı ölçümün elde edilme sayısıdır. Sıvının gerçek ve istenilen hacminin 100 ml olması beklenirse ve deneyin yapıldığı her 10 seferde 80 ml'ye ulaşılırsa, verilerin kesin olduğu söylenebilir. Çünkü sonuç sıvının hacminin 80 ml olduğu ve deneyin her 10 denemesinde bir elde edildiği idi.

Doğruluk ve kesinlik bağımsız terimler değildir, birbiriyle ilişkilidir. Bu hatalar cinsinden ifade edilir. Hatalar, hatalı araçlardan ve ayrıca insanlardan kaynaklanır. Bunlar ayrıca Sistematik Hatalar ve Rastgele Hatalar olarak sınıflandırılabilir. Hataları anlamak, doğruluk ve kesinlik terimlerini anlamanın daha iyi bir yoludur.

Sistematik hata

Bir deney için alınan hatalı aletlerden veya ölçümler için eski ve modası geçmiş aletlerin kullanılmasından kaynaklanan hatalar Sistematik hatalardır. Örneğin, paslanmış ve eski ölçüm terazileri kullanmak. Sistematik hatalar genellikle ölçüm yapan veya deney yapan kişinin hatası değildir. Hataya neden olan sistemdeki veya kullanılan kurulumdaki bir hatadır. Böyle bir hata, eskinin yenisiyle değiştirilmesi ve kullanılan sistemlerin ayarlanması ve düzeltilmesi ile giderilebilir.

Örneğin, dartların sol tarafa çarpmaya devam edeceği bir açıyla sabitlenmiş bir dart tahtası sistematik bir hatadır ve dart tahtasının yeniden hizalanması bu hatayı düzeltir. Paslı ve eski bir terazi yeni bir terazi ile değiştirilebilir, böylece işaretler kalın ve görünür olur ve hatayı düzeltir. Ancak eski bir cetvelden birden fazla ölçüm alıp ortalama ölçümler yaparsanız sonuç gerçek değerden uzak olacaktır.

Sistematik hatalar şunlar olabilir:

• Hesaplamalardaki hatalar.
• Yanlış sıcaklıklar alıyor.
• Çeşitli aşamalarda malzemenin mekanik kaybı.
• Analizde saf olmayan maddeler kullanılmıştır.
• Okumaları alırken hatalar.
• Aletler uygun şekilde kalibre edilmemiş.
• Eşit olmayan uzunluklarda kollar.
• Deneye giren yabancı maddeler.
• Bir deney için saf olmayan kimyasallar kullanmak.

Şunlar hoşunuza gidebilir: Sosyal Medya Reklamcılığınıza Avantaj Sağlamak için Büyük Veri Uygulamak.

Rastgele hata

Rastgele hataların düzeltilmesi nispeten daha kolaydır. Bu hata, bir tür insan hatasıdır ve okumaları alan veya deneyi yapan kişilerin yaptığı bir muhakeme hatasıdır. Birden fazla okuma yapmak ve ardından ortalama bir rakama ulaşmak gerçek değere daha yakın olacaktır.

Önemli Rakamlar

Önemli Bir Rakam, pratik değeri olan bir rakamdır. Bir rakamın anlamlı rakamlara sahip olup olmadığı kavramını anlayarak, bazı kurallar görebiliriz. Bu kurallar, pratik değeri olan ve pratik değeri olmayan rakamların öğrenilmesi için geçerlidir ve sayı içindeki yerleri sayıyı hiçbir şekilde etkilemez. Bu kurallar:

• 'Sıfır' olmayan rakamlar her zaman anlamlıdır. Örneğin, 269 önemli bir rakamdır.
• Başlangıçtaki sıfırlar önemli değildir. Örneğin, 0,065.
• Esir sıfırlar önemlidir. Örneğin, 2.0085.
• Bir sayının ondalık noktası varsa ve sayının arkasında sıfırlar varsa, sayı anlamlıdır. Örneğin, 3.65800.
• Sıfır önemli bir rakam olabilir veya olamaz. Bir sayıda nereye yerleştirildiğine bağlıdır. Örneğin, 15.0002598 veya 25.365100'de sıfırlar önemli rakamlardır. Bir ondalık noktadan önce sıfır, örneğin 0.00258, sıfırların herhangi bir pratik değeri olmadığı için yalnızca üç anlamlı rakam vardır.

Ayrıca, önemli rakamlar da aşağıdakiler gibi bir dizi kural tarafından belirlenir:

• Toplama/çıkarma en düşük ondalık basamak sayısına yuvarlanır.
• Çarpma/bölme, en düşük anlamlı rakam sayısına yuvarlanır.
• Logaritmalar, girdideki birkaç önemli rakam sonuçtaki ondalık sayılarla eşleşecek şekilde yuvarlanır.
• Üs alma, yalnızca tabandaki kesinliğe yuvarlandı.
• Sondaki sıfırlar, sayıdan sonra bir ondalık basamaktan sonra gelir. Örneğin, 1200.
• Son adımda yuvarlar. Uygulanabilir olduğunda parantez takip eder.

Önemli Rakamlar hesaplaması ve hesap makinesi

İyi Hesaplayıcıların kendi Anlamlı Rakam Hesaplayıcısı vardır ve bir sayının kaç tane önemli rakam tuttuğunu hesaplar ve hesaplar.

Önemli Rakamlar Hesaplayıcı tarafından hangi operatörler ve işlevler desteklenir?

• Toplama (+), çıkarma (-), bölme (/ veya ÷), çarpma (* veya x), üs (^) gibi aritmetik işlevler.
• () gibi grup sembolleri.
• log n, ln n gibi fonksiyonlar.
• pi, e gibi sabitler.

Şunlar da ilginizi çekebilir: Derin Verilerde Teknoloji Kazma: Gerçek Dünyada Küresel Bir Hazine Avı.

Sonuçların doğruluğu için Önemli Rakamlar Hesaplayıcı nasıl kullanılır?

Anlamlı Rakamlar Hesaplayıcı'yı hesaplarken bazen sonuç verileri doğru olmayabilir. Bu nedenle, verilerde daha fazla doğruluk elde etmek için sayının sonuna # koyun. Örneğin, 6.24#.

 Örnek: 10.00698 ÷ 13.6 = 0.736 (Anlamlı Rakamlar 3'tür).

 10.00698 ÷ 13.6# = 0.7358074 (Anlamlı Rakamlar 7'dir).

Sayının sonuna # işareti eklemek, yalnızca sayı koymaktan daha doğru sonuçlar verir. Significant Figures, ölçümlerde ve hesaplamalarda daha fazla kesinlik sağlamanın bir yoludur. Önemli bir rakamın hesaplanmasında yukarıdaki kuralları uygulayarak, kullanıcılar sonuçlara varmada daha kesin olabilir. Bilimsel hesaplamaların tüm alanlarına uygulanabilir ve bilimsel verilerin değerlendirilmesi üzerinde ilgili ve doğrudan bir etkiye sahiptir.