Data presisjon er en av de viktigste hensynene når man utfører vitenskapelig eller statistisk analyse. Vanligvis forvekslet med det like viktige konseptet om nøyaktighet, viser dartkort-analogien som er formulert av University of Hawaii, forholdet: nøyaktige datapunkter er gjennomsnittlige utover lik forventede resultater, mens nøyaktige datapunkter klyser tett sammen, selv om de ikke er nært forventede resultater. Ifølge Dartmouth College er presisjon en måling av reproduksjonsevnen av et sett med resultater. Presisjon i datasett er et viktig konsept selv i teknologi relaterte tiltak, som vist av Kenneth E. Foote og Donald J. Huebner med University of Texas-Austin i en analyse av Geographic Information Systems. Beregning av presisjon er en ganske enkel, men litt subjektiv øvelse.
Elementer du trenger
-
Grafisk fremstilling av et datasett
-
Informasjon om relevante enheter uttrykt i dataene
-
Minimum tillatt feilmargin i eksperimentet
Utvikle en visuell representasjon av datapunkter som et spredningsdiagram. En veldig enkel visuell representasjon innebærer å plotte de tilsvarende avhengige og uavhengige variable verdier for hvert datapunkt på et kartesisk koordinatsystem.
Vurder gruppering av datapunkter og se etter mønstre. Nøyaktige data manifesterer i klynger av datapunkter, noe som indikerer at lignende inngangsvariabler korrelerer med tilsvarende utgangsvariabler.
Bruk informasjon om måleenhetene som brukes til å samle dataene for å bestemme gjennomsnittlig avstand mellom datapunkter. En enkel linealmåling kan brukes til å bestemme avstanden mellom punkter på grafen, og deretter konverteres ved hjelp av en vilkårlig, praktisk skala som tilsvarer måleenhetene som brukes til å generere datapunkter. Dette vil tillate datapunkter 'presisjon i forhold til hverandre å beregnes ved å ta gjennomsnittet av avstandene.
Sammenlign den minste feilmarginen som er tillatt i eksperimentet, og den gjennomsnittlige presisjonen til datapunktene for å bestemme den relative generelle presisjonen for eksperimentet. Ulike typer eksperimenter vil ha større eller mindre feiltoleranse: Et prosjekts prosjekt vil sannsynligvis kreve presisjon ned til svært små enheter, mens et sosialt eksperiment vil trolig tolerere mer varians.
Tips
-
Prøv å vurdere den sannsynlige enhetsskalaen før du lager den grafiske representasjonen til datapunkter. Dette vil gjøre det lettere å vurdere presisjon visuelt for å identifisere områder med særlig merkbar presisjon eller presisjon.
Klare datamønstre som forekommer på en visuell representasjon, er meget tydelige for presisjon og repeterbarhet av et eksperiment. Fortsatt eksperimentering bør legge til ytterligere datapunkter i presise klynger nær de som allerede eksisterer.
Advarsel
Ikke forveksle nøyaktighet med presisjon. Hvis målet med et eksperiment er å oppnå en gjennomsnittlig utgangsverdi for gi for alle innganger, og dette oppnås med gjennomsnittlige verdier fra -12 til 14, er dette usannsynlig å være en presis måling, selv om den kan være nøyaktig. En presis måling kan resultere i alle datapunkter clustering rundt 17, noe som ville være unøyaktig, men presis og derfor forutsigbar.
