Thống kê trung thực
Vì sao điều này quan trọng Một phép đo chỉ hữu ích nếu người đọc biết nên tin nó đến đâu. Ghi ra mẫu của bạn được chọn thế nào, con số không chắc chắn đến đâu, và những gì bạn không thấy được là điều phân biệt một nghiên cứu với một phỏng đoán. Nó cũng bảo vệ bạn khỏi tự lừa mình.
Hãy tưởng tượng hỏi những người ở phòng tập thể dục họ tập thường xuyên cỡ nào, rồi tuyên bố "một người trung bình tập năm lần một tuần". Phép tính có thể hoàn hảo. Vấn đề là bạn đã hỏi ai.
Mẫu (sample): phần của thế giới bạn thật sự đã đo, như 1.000 trang bạn đã thu thập.
Tổng thể (population): toàn bộ thứ bạn muốn nói về, như "các trang web mọi người dùng".
Thiên lệch chọn mẫu (sampling bias): một khác biệt giữa mẫu và tổng thể đẩy kết quả về một phía, dù mẫu lớn đến đâu.
Các lần thu thập web bị thiên lệch ở đâu
- Chỉ các trang phổ biến. Bảng xếp hạng ưu ái các trang lớn. Các trang nhỏ, chiếm phần lớn web, có thể hành xử khác.
- Khu vực và ngôn ngữ. Một trình thu thập ở một quốc gia thấy phiên bản của quốc gia đó, thường bằng một ngôn ngữ.
- Thiết bị. Thu thập trên máy tính bỏ sót những gì trang di động và ứng dụng làm, và nhiều việc theo dõi giờ diễn ra trong ứng dụng.
- Trang khi chưa đăng nhập. Trình thu thập hiếm khi đăng nhập, nên trang tài khoản, thanh toán và bảng tin không được đo.
- Phát hiện bot. Một số trang hành xử khác với trình duyệt tự động.
- Các nhãn. Số đếm bên theo dõi của bạn thật ra là "các trang mà danh sách chặn gọi là bên theo dõi". Một danh sách bỏ sót bên theo dõi làm con số của bạn thấp đi.
Một tỉ lệ không chắc chắn đến đâu?
Ngay cả không có thiên lệch, một mẫu cũng dao động do may rủi. Với một tỉ lệ p đo trên n trang, một biên sai số 95% gần đúng phổ biến là 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 %Biên này chỉ bao quát may rủi. Nó không nói gì về thiên lệch, thứ thường là sai số lớn hơn, nên bạn vẫn cần danh sách ở trên.
Viết về các giới hạn
Một phần giới hạn tốt thì ngắn, cụ thể và trung thực. Với mỗi giới hạn hãy nói nó là gì, nó có lẽ đẩy kết quả theo hướng nào, và điều gì sẽ sửa được nó. Ví dụ:
- "Chúng tôi chỉ truy cập trang chủ. Các trang bên trong thường tải nhiều bên theo dõi hơn, nên số đếm của chúng tôi có lẽ thấp."
- "Chúng tôi dùng một danh sách chặn để gắn nhãn. Các bên theo dõi nó bỏ sót không được đếm."
- "Lần thu thập chạy trong một ngày, từ một địa điểm, trên máy tính."
Một hiểu lầm phổ biến: "Liệt kê giới hạn làm một nghiên cứu trông yếu." Nó làm điều ngược lại. Người đọc tin một kết quả hơn khi họ thấy được các rìa của nó, và giới hạn cho nhà nghiên cứu tiếp theo biết cần đo gì.
Thêm hai thói quen: đưa ra ngày tháng và phương pháp chính xác để ai đó có thể lặp lại, và tránh biến "chúng tôi thấy nó trên 60% số trang" thành "60% số người bị theo dõi". Trang không phải là người.
Tự thử Lấy lần thu thập của bạn từ bài 146. Tính biên sai số cho tỉ lệ bên theo dõi của nó, rồi viết ba giới hạn cho nó, mỗi cái nói nó đẩy con số theo hướng nào.
Tóm tắt
- Thiên lệch chọn mẫu đến từ ai hay cái gì bạn đã đo, và một mẫu lớn hơn không chữa được nó.
- Các lần thu thập bỏ sót trang nhỏ, khu vực khác, di động và ứng dụng, trang đã đăng nhập, và bất cứ thứ gì các nhãn bỏ sót.
- Một biên sai số như 1.96 * sqrt(p(1 - p)/n) chỉ bao quát may rủi.
- Viết các giới hạn nói cái gì, hướng nào, và điều gì sẽ sửa được nó.
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.