Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "random error" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Opróbowanie złóż do badań chemicznych i jego dokumentowanie - oczekiwania i rzeczywistość
Sampling of deposits for chemical analyses and its reporting - expectations and reality
Autorzy:
Mucha, J.
Wasilewska-Błaszczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/169218.pdf
Data publikacji:
2013
Wydawca:
Poltegor-Instytut Instytut Górnictwa Odkrywkowego
Tematy:
opróbowanie
złoża
błędy
błąd losowy
błąd systematyczny
sampling
deposits
errors
random error
systematic error
Opis:
Przedstawiono podstawowe mankamenty i uchybienia opróbowania złóż kopalin stałych. Podkreślono powszechny brak systematycznych opróbowań kontrolnych i oceny dokładności opróbowania w dokumentacjach geologicznych. Zwrócono uwagę na zbyt powściągliwy i niedostateczny opis opróbowania rdzeni wiertniczych i wyrobisk górniczych. Zaproponowano poszerzony zakres i układ projektu opróbowania złóż. Scharakteryzowano specyficzne problemy opróbowania złóż węgla kamiennego, wapieni i rud Cu-Ag. Na przykładzie fikcyjnego zbioru danych zilustrowano wpływ trzech rodzajów błędów opróbowania (losowego, systematycznego stałego i systematycznego proporcjonalnego) na ocenę zawartości składników chemicznych.
The basic shortcomings and misconduct of deposits’ sampling were presented. The common lack of systematic control samples and the assessment of deposit sampling accuracy in geological reporting were emphasized. The attention has been drawn to too laconic and insufficient description of sampling of bore cores and mine workings. The specific problems of deposit sampling of hard coal, limestone and Cu-Ag ores were characterized. The impact of three kinds of sampling errors (random, systematic - constant and systematic – proportional) on an estimation of mean contents of chemical components was illustrated by example of fictional data set.
Źródło:
Górnictwo Odkrywkowe; 2013, 54, 2; 52-57
0043-2075
Pojawia się w:
Górnictwo Odkrywkowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Błędy nielosowe i ich znaczenie w testowaniu hipotez
Non-random errors and their importance in testing of hypotheses
Autorzy:
Szreder, Mirosław
Powiązania:
https://bibliotekanauki.pl/articles/971504.pdf
Data publikacji:
2021-03-31
Wydawca:
Główny Urząd Statystyczny
Tematy:
testowanie hipotez statystycznych
błąd losowania
błąd losowy
błędy nielosowe
testing of hypotheses
sampling error
random error
non-random errors
Opis:
We współczesnych badaniach reprezentacyjnych coraz częściej dają o sobie znać błędy o charakterze nielosowym, w tym w szczególności wynikające z braków odpowiedzi lub źle wykonanych pomiarów (niedokładnej obserwacji statystycznej). Do tej pory rzadko dyskutowano o skutkach tego typu błędów w procedurze weryfikacji hipotez statystycznych. Uwaga badaczy skupiała się niemal wyłącznie na błędzie losowania (błędzie losowym). Błąd ten maleje wraz ze wzrostem liczebności próby. To sprawia, że badacze, nierzadko mający do dyspozycji bardzo duże liczebnie próby, tracą z pola widzenia konsekwencje nie tylko błędu losowego, lecz także błędów nielosowych. Celem artykułu jest wskazanie na znaczenie błędów nielosowych w podejmowaniu decyzji opartych na wykorzystaniu klasycznej procedury weryfikacji hipotez. Szczególną uwagę poświęcono sytuacjom, w których badacz dysponuje dużą liczebnie próbą. W pracy uzasadniono twierdzenie, że w dużych próbach testy statystyczne stają się bardziej wrażliwe na oddziaływanie błędów nielosowych. Błędy systematyczne, będące szczególnym przypadkiem błędów nielosowych, zwiększają prawdopodobieństwo błędnej decyzji o odrzuceniu prawdziwej hipotezy wraz ze wzrostem liczebności próby. Wzbogacenie weryfikacji hipotez o analizę opartą na estymacji przedziałowej może wspomóc badacza w poprawnym wnioskowaniu.
Increasing numbers of non-random errors are observed in contemporary sample surveying – in particular, those resulting from no response or faulty measutrements (imprecise statistical observation). Until recently, the consequences of these kinds of errors have not been widely discussed in the context of the testing of hypoteses. Researchers focused almost entirely on sampling errors (random errors), whose magnitude decreases as the size of the random sample grows. In consequence, researchers who often use samples of very large sizes tend to overlook the influence random and non-random errors have on the results of their study. The aim of this paper is to present how non-random errors can affect the decision-making process based on the classical hypothesis testing procedure. Particular attention is devoted to cases in which researchers manage samples of large sizes. The study proved the thesis that samples of large sizes cause statistical tests to be more sensitive to non-random errors. Systematic errors, as a special case of non-random errors, increase the probability of making the wrong decision to reject a true hypothesis as the sample size grows. Supplementing the testing of hypotheses with the analysis of confidence intervals may in this context provide substantive support for the researcher in drawing accurate inferences.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2021, 66, 3; 7-21
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Szanse i iluzje dotyczące korzystania z dużych prób we wnioskowaniu statystycznym
Opportunities and illusions of using large samples in statistical inference
Autorzy:
Szreder, Mirosław
Powiązania:
https://bibliotekanauki.pl/articles/2106803.pdf
Data publikacji:
2022-08-31
Wydawca:
Główny Urząd Statystyczny
Tematy:
wnioskowanie statystyczne
błąd próbkowania
błąd losowy
liczebność próby
istotność statystyczna
p-value
statistical inference
sampling error
random error
sample size
statistical significance
Opis:
Teoria wnioskowania statystycznego jasno określa korzyści związane z dużą liczebnością próby badawczej. Wraz ze wzrostem wielkości próby maleje ilość błędów ocen szacowanych parametrów populacji (zwiększa się precyzja estymacji), a także rosną wartości mocy testów wykorzystywanych do weryfikacji hipotez statystycznych. Współczesne możliwości łatwego dotarcia do dużych prób badawczych (np. paneli internetowych), a także korzystania z coraz bardziej zaawansowanego i przyjaznego dla użytkownika oprogramowania statystycznego sprzyjają niedostrzeganiu zagrożeń dla wnioskowania statystycznego, jakie wiążą się z dużymi liczebnie próbami. Część badaczy ulega iluzji, że duża próba jest w stanie zniwelować i rozproszyć nie tylko błąd losowy, charakterystyczny dla każdej techniki losowania próby, lecz także błędy nielosowe. Znaczenie dużej liczebności próby jest ponadto jednym z ważnych aspektów toczącej się od kilkunastu lat dyskusji na temat istotności statystycznej (p-value) oraz problemów z jej rozstrzyganiem i interpretowaniem. Celem opracowania jest wskazanie i omówienie konsekwencji dostrzegania w dużych próbach statystycznych jedynie szans, a pomijanie wyzwań i zagrożeń wynikających z ich stosowania. W artykule pokazano, że duża liczebność próby, której doboru dokonano za pomocą techniki nieprobabilistycznej, nie może stanowić alternatywy dla wyboru losowego. W szczególności dotyczy to internetowych paneli wolontariuszy deklarujących chęć udziału w badaniu. Wskazano ponadto na znaczenie komponentu nielosowego w błędzie próbkowania, który nie jest malejącą funkcją liczebności próby. W odniesieniu zaś do współczesnych problemów weryfikacji hipotez nakreślono i zilustrowano przykładem naukowy i etyczny wymiar podążania za istotnością statystyczną z wykorzystaniem dużych liczebnie prób lub wielokrotnego próbkowania.
The theory of statistical inference clearly describes the benefits of large samples. The larger the sample size, the fewer standard errors of the estimated population parameters (the precision of the estimation improves) and the values of the power of statistical tests in hypothesis testing increase. Today’s easy access not only to large samples (e.g. web panels) but also to more advanced and user-friendly statistical software may obscure the potential threats faced by statistical inference based on large samples. Some researchers seem to be under the illusion that large samples can reduce both random errors, typical for any sampling technique, as well as non-random errors. Additionally, the role of a large sample size is an important aspect of the much discussed in the recent years issue of statistical significance (p-value) and the problems related to its determination and interpretation. The aim of the paper is to present and discuss the consequences of focusing solely on the advantages of large samples and ignoring any threats and challenges they pose to statistical inference. The study shows that a large-size sample collected using one of the non-random sampling techniques cannot be an alternative to random sampling. This particularly applies to online panels of volunteers willing to participate in a survey. The paper also shows that the sampling error may contain a non-random component which should not be regarded as a function of the sample size. As for the contemporary challenges related to testing hypotheses, the study discusses and exemplifies the scientific and ethical aspects of searching for statistical significance using large samples or multiple sampling.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2022, 67, 8; 1-16
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies