Kurrikulum Leson 149 van 156 · Meet die web soos 'n navorser
Meet die web soos 'n navorser

Eerlike statistieke

Waarom dit saak maak 'n Meting is net nuttig as lesers weet hoeveel hulle dit kan vertrou. Om neer te skryf hoe jou monster gekies is, hoe onseker die getal is, en wat jy nie kon sien nie, is wat 'n studie van 'n raai onderskei. Dit beskerm jou ook teen om jouself te mislei.

Stel jou voor jy vra mense by 'n gimnasium hoe gereeld hulle oefen, en kondig dan aan dat "die gemiddelde persoon vyf keer per week oefen". Die rekenkunde mag perfek wees. Die probleem is wie jy gevra het.

Sample: die deel van die wêreld wat jy werklik gemeet het, soos die 1,000 webwerwe wat jy gekrap het.

Population: die hele ding waaroor jy iets wil sê, soos "webwerwe wat mense gebruik".

Monsteelingsvooroordeel: 'n verskil tussen jou steekmonster en die bevolking wat die resultaat een kant toe stoot, hoe groot die steekmonster ook al is.

Waar web-kruipies bevoorvoordeel is

  • Slegs gewilde webwerwe. Ranglysings bevoordeel groot webwerwe. Klein webwerwe, wat die meeste van die web is, kan anders optree.
  • Regio's en tale. 'n Crawler in een land sien daardie land se weergawes van webwerwe, dikwels in een taal.
  • Devices. Desktop-kruipers mis wat mobiele webwerwe en apps doen, en baie sporing gebeur nou in apps.
  • Gevolguit-blaaie. Crawlers teken selde in, so rekeningblaaie, afrekenblaaie en feeds word nie gemeet nie.
  • Bot-opsporing.Sommige webwerwe reageer anders op outomatiese blousers.
  • Die etikette.Jou tracker telling is regtig "sites the blocklist calls trackers". 'n Lys wat trackers mis, verlaag jou getal.

Hoe onseker is 'n aandeel?

Selfs sonder vooroordeel wankel 'n steekel by toeval. Vir 'n aandeel p wat op n terreine gemeet is, is 'n algemene ruwe 95% marge van fout is 1.96 * sqrt(p * (1 - p) / n).

import math
p, n = 0.6, 1000          # 600 of 1,000 sites had a tracker
margin = 1.96 * math.sqrt(p * (1 - p) / n)
print(round(100 * p), "% plus or minus", round(100 * margin, 1), "%")   # 60 % plus or minus 3.0 %

Hierdie marge dek slegs kans. Dit sê niks oor bEVOORVOORDRING nie, wat dikwels die groter fout is, so jy het steeds die lys bo nodig.

Skryf beperkings neer

'n goeie beperkingsafdeling is kort, spesifiek en eerlik. Sê vir elke beperking wat dit is, watter kant dit waarskynlik die resultaat stoot, en wat dit sou regstel. Byvoorbeeld:

  • "Ons het net tuisblaaipunte besoek. Binneblaaipunte laai dikwels meer trackers, so ons tellings is waarskynlik laag."
  • "Ons het een bloklys vir labels gebruik. Trackers wat dit mis, word nie getel nie."
  • "Die crawl het op een dag, vanaf een lokasie, op die skootrekenaar gedraai."

'n algemene wanbelewing: "Beperkings laat 'n studie swak lyk." Dit doen die teenoorgestelde. Lesers vertrou 'n resultaat meer wanneer hulle die grense daarvan kan sien, en beperkings vertel vir die volgende navorser wat om te meet.

Twee nog gewoontes: gee die datum en die presiese metode sodat iemand dit kan herhaal, en vermy om "ons het dit op 60% van die webwerwe gesien" in "60% van mense word dopgehou" te verander. Webwerwe is nie mense nie.

Probeer dit Neem jou crawl van les 146. Bereken die foutmarge vir sy tracker share, skryf dan drie limiete vir dit, elk wat sê watter kant dit die nommer skuif.

Opsomming

  • Monste-bevoorsde kom van wie of wat jy gemeet het, en 'n groter monster herstel dit nie nie.
  • Crawls mis klein webwerwe, ander regiões, mobiele en apps, ingelogde bladsye, en enigiets wat die labels mis.
  • A foutmarge soos 1.96 * sqrt(p(1 - p)/n) dek tel net kans.
  • Skryf beperkings wat sê wat, watter rigting, en wat dit sou regstel.

Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les

Hierdie oefening open binnekort

Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.