Zhrnutie
- Mnoho ľudí nesprávne číta výsledky prieskumu volieb, pretože nevenujú pozornosť miera chyby
- Marža chyby poskytuje potenciálne výsledky, ktoré sú protikladné k výsledkom uvedeným v prieskume
Keď to bolo blízko k súčasnému volebnému obdobiu, verejnosť bola zaneprázdnená rozhovormi o prieskume volieb kandidátov na prezidenta.
Tento prieskum bol vykonaný pomocou malého podielu ľudí, ktorí sú považovaní za predstaviteľov celej populácie ľudí na svete, a následne sa ich pýta na ich záujem o jedného z prezidentských kandidátov.
Výsledky tohto prieskumu voliteľnosti prinesú neskôr údaje v percentách ...
... Čo však ľudia bohužiaľ často nepochopia.
Čo je na tom zlé?
Predpokladajme, že si vezmeme príklad
Výsledky prieskumu ukazujú A 52% a B 48%,
Aje nadriadený?
Na prvý pohľad zistíte, že A je nadradené a má väčší potenciál na výber ako B.
Toto je bohužiaľ nesprávny záver.
Nepozerajte sa na prieskum iba podľa jeho konečných čísel. Dbajte tiež na hodnotu miera chyby-jeho.
Ak sa pozriete ďalej, ukázalo sa, že tento prieskum (hayalan) má nasledujúce úplné výsledky:
A: 52% ± 3%
B: 48% ± 3%
Tento obrázok ukazuje, že rozsah voliteľnosti kandidáta A je na
Dolný rozsah: 52 - 3 = 49%
Najvyšší rozsah: 52 + 3 = 55%
A rozsah voliteľnosti kandidáta B je na
Dolný rozsah: 48 - 3 = 45
Najvyšší rozsah: 48 + 3 = 51
Kvôli prehľadnosti je možné túto hodnotu vizualizovať v takom grafe.
V podstate existuje bod stretnutia medzi rozsahmi dvoch hodnôt voliteľnosti, čo naznačuje, že existuje možnosť, že výsledok obráti B o viac ako A.
Takže v kontexte výsledkov prieskumu A 52% a B 38% s miera chyby 3%, ktorý je stále lepší nie istý.
To by bolo iné, ak by len miera chybovosti tohto prieskumu bola 1%
Prečítajte si tiež: Vennov diagram (kompletný popis a príklady použitia)Takže pomocou analýzy, ako je tá vyššie, môžeme potvrdiť, že A je nad B.
Žiadny prieskum voliteľnosti nie je v skutočnosti rovnaký ako táto imaginárna vzorka.
Prieskum volieb nielen zobrazuje skóre každého kandidáta, ale mal by obsahovať aj čísla ľudia, ktorí sa stále nerozhodli.
Ale pre zjednodušenie sem nezahŕňam percento ľudí, ktorí sa ešte nerozhodli.
Pochopenie toho je veľmi dôležité neskôr, keď sa budeme zaoberať štatistickými údajmi Quick Count.
Takže ak neskôr v rýchlom spočítaní váš hrdina zvíťazí tesne o rozdiel, ktorý nie je ďaleko od hodnoty miera chyby…
Buďte pripravení akceptovať možné zvrátenie výsledku.
Okrem jednoduchých vecí súvisiacich s čítaním výsledkov tohto prieskumu je potrebné poznamenať jednu zaujatosť pri implementácii prieskumu.
Na vykonanie správneho prieskumu musí byť metóda výberu vzorky jasná a presná, aby mohla reprezentovať celú populáciu. Mali by ste sa vyhnúť všetkému, čo spôsobí chybu v prieskume.
Kompletné veci súvisiace s týmto sa dočítate v tomto článku: Mal byNeveríte výsledkom prieskumov a prieskumov verejnej mienky na sociálnych sieťach
Na záver dúfam, že krátke vysvetlenie týkajúce sa chýb pri čítaní údajov z výsledkov prieskumu môže byť ustanovením, keď sa tak skutočne stane 17. apríla 2019.
Odkaz
- Experimentálne metódy: Úvod do analýzy a prezentácie údajov, autor: Les Kirkup. Wiley, 1996.
- Ako zisťovať mieru chyby v štatistikách
