Tietojen tarkkuus on yksi tärkeimmistä näkökohdista tieteellistä tai tilastollista analyysiä tehtäessä. Yleisesti sekoittaa yhtä tärkeään tarkkuuden käsitteeseen, että Havaijin yliopiston muotoilema tikkataulu-analyysi osoittaa suhdetta: tarkat datapisteet keskimäärin tasa-arvoisiin odotettuihin tuloksiin, kun taas täsmälliset datapisteet klusteroivat tiiviisti, vaikka he eivät olekaan lähellä odotetut tulokset. Dartmouth Collegein mukaan tarkkuus on mittaustuloksen toistettavuus. Tietosarjojen täsmällisyys on tärkeä käsite jopa tekniikkaan liittyvissä pyrkimyksissä, kuten Kenneth E. Foote ja Donald J. Huebner esittivät Texas-Austinin yliopistossa maantieteellisten tietojärjestelmien analyysissä. Tarkkuuden laskeminen on melko yksinkertainen, joskin hieman subjektiivinen harjoitus.
Tarvittavat kohteet
-
Tietosarjan graafinen esitys
-
Tiedot tiedoissa ilmoitetuista yksiköistä
-
Minimi sallittu virhemarginaali kokeessa
Kehitetään visuaalinen esitys tietopisteistä, kuten hajontakaaviosta. Erittäin yksinkertainen visuaalinen esitys käsittää vastaavien riippuvien ja riippumattomien muuttujien arvojen laskemisen kullekin datapisteelle suorakulmaisessa koordinaattijärjestelmässä.
Arvioi datapisteiden ryhmittelyjä ja etsi malleja. Tarkat tiedot ilmenevät datapisteiden klustereista, mikä osoittaa, että samanlaiset tulomuuttujat korreloivat samankaltaisiin tulosmuuttujiin.
Käytä tietoja mittayksiköistä, joita käytetään tietojen keräämiseen, jotta voidaan määrittää keskipisteen välinen etäisyys. Yksinkertaista viivainmittausta voidaan käyttää pisteiden välisen etäisyyden määrittämiseen kaaviossa, ja sitten muunnetaan mielivaltaisella, sopivalla mittakaavalla, joka vastaa datapisteiden muodostamiseen käytettyjä mittayksiköitä. Tämä mahdollistaa datapisteiden tarkkuuden laskemisen keskenään ottamalla etäisyyksien keskiarvon.
Vertaa kokeessa sallittua vähimmäismäärämäärää ja datapisteiden keskimääräistä tarkkuutta kokeen suhteellisen tarkkuuden määrittämiseksi. Erilaisilla kokeilla on suurempi tai pienempi virheiden toleranssi: insinöörihanke edellyttää todennäköisesti tarkkuutta hyvin pieniin yksiköihin, kun taas sosiaalinen kokeilu kestää todennäköisesti enemmän vaihtelua.
vinkkejä
-
Yritä arvioida todennäköistä yksikkötasoa ennen datapisteiden graafisen esityksen luomista. Tämä helpottaa tarkkuuden arviointia visuaalisesti, jotta voidaan tunnistaa kaikki erityisen tarkat tai epätarkat alueet.
Visuaalisessa esityksessä esiintyvät selkeät tietomallit osoittavat suuresti tarkkuutta ja kokeen toistettavuutta. Jatkuvan kokeilun pitäisi lisätä lisäpisteitä täsmällisissä klustereissa, jotka ovat lähellä jo olemassa olevia.
Varoitus
Älä sekoita tarkkuutta tarkasti. Jos kokeen tavoitteena on saavuttaa keskimääräinen lähtöarvo kaikille syötteille, ja tämä saavutetaan keskiarvoilla arvoilla -12 - 14, tämä ei todennäköisesti ole tarkka mittaus, vaikka se voi olla tarkka. Tarkka mittaus voi johtaa siihen, että kaikki datapisteet ryhmittyvät noin 17: een, mikä olisi epätarkka, mutta tarkka ja siten ennustettavissa.
