Statistik jujur
Kenapa ini penting Sebuah pengukuran hanya berguna kalau pembaca tahu seberapa jauh boleh memercayainya. Menuliskan bagaimana sampelmu dipilih, seberapa tidak pasti angkanya, dan apa yang tidak bisa kamu lihat adalah yang membedakan studi dari tebakan. Itu juga melindungimu dari membohongi diri sendiri.
Bayangkan bertanya kepada orang-orang di pusat kebugaran seberapa sering mereka berolahraga, lalu mengumumkan "rata-rata orang berolahraga lima kali seminggu". Hitungannya bisa sempurna. Masalahnya adalah siapa yang kamu tanya.
Sampel: bagian dunia yang benar-benar kamu ukur, seperti 1.000 situs yang kamu crawl.
Populasi: keseluruhan hal yang ingin kamu bicarakan, seperti "situs web yang dipakai orang".
Bias sampel: perbedaan antara sampelmu dan populasi yang mendorong hasilnya ke satu arah, sebesar apa pun sampelnya.
Di mana crawl web bias
- Hanya situs populer. Peringkat mengutamakan situs besar. Situs kecil, yang merupakan sebagian besar web, mungkin berperilaku berbeda.
- Wilayah dan bahasa. Crawler di satu negara melihat versi situs untuk negara itu, sering dalam satu bahasa.
- Perangkat. Crawl di desktop melewatkan apa yang dilakukan situs seluler dan aplikasi, dan banyak pelacakan sekarang terjadi di aplikasi.
- Halaman tanpa login. Crawler jarang login, jadi halaman akun, checkout, dan feed tidak terukur.
- Deteksi bot. Sebagian situs berperilaku berbeda untuk browser otomatis.
- Labelnya. Hitungan pelacakmu sebenarnya "situs yang disebut pelacak oleh daftar blokir". Daftar yang melewatkan pelacak menurunkan angkamu.
Seberapa tidak pasti sebuah porsi?
Bahkan tanpa bias, sampel bergoyang karena kebetulan. Untuk porsi p yang diukur pada n situs, margin of error 95% kasar yang umum adalah 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 %Margin ini hanya mencakup kebetulan. Ia tidak mengatakan apa pun tentang bias, yang sering menjadi galat yang lebih besar, jadi kamu tetap butuh daftar di atas.
Menuliskan batasan
Bagian batasan yang baik itu singkat, spesifik, dan jujur. Untuk setiap batasan, katakan apa itu, ke arah mana kemungkinan ia mendorong hasil, dan apa yang akan memperbaikinya. Contohnya:
- "Kami hanya mengunjungi halaman beranda. Halaman dalam sering memuat lebih banyak pelacak, jadi hitungan kami kemungkinan terlalu rendah."
- "Kami memakai satu daftar blokir untuk label. Pelacak yang dilewatkannya tidak terhitung."
- "Crawl berjalan pada satu hari, dari satu lokasi, di desktop."
Kesalahpahaman umum: "Mencantumkan batasan membuat studi terlihat lemah." Justru sebaliknya. Pembaca lebih memercayai hasil kalau mereka bisa melihat tepinya, dan batasan memberi tahu peneliti berikutnya apa yang perlu diukur.
Dua kebiasaan lagi: cantumkan tanggal dan metode persisnya supaya orang lain bisa mengulanginya, dan jangan mengubah "kami melihatnya di 60% situs" menjadi "60% orang dilacak". Situs bukan orang.
Coba sendiri Ambil crawl-mu dari pelajaran 146. Hitung margin of error untuk porsi pelacaknya, lalu tulis tiga batasan, masing-masing menyebut ke arah mana ia mendorong angkanya.
Ringkasan
- Bias sampel berasal dari siapa atau apa yang kamu ukur, dan sampel yang lebih besar tidak menyembuhkannya.
- Crawl melewatkan situs kecil, wilayah lain, seluler dan aplikasi, halaman dengan login, dan apa pun yang dilewatkan labelnya.
- Margin of error seperti 1.96 * sqrt(p(1 - p)/n) hanya mencakup kebetulan.
- Tulis batasan yang menyebut apa, ke arah mana, dan apa yang akan memperbaikinya.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.