Avaliação de dados em pesquisa: exatidão, precisão e tipos de erros

Ao estudar ou revisar dados científicos, é essencial e de primordial importância estudar e avaliar cuidadosamente os dados científicos. Dados científicos são um fator crucial na formulação de políticas e também têm um efeito profundo e de longo alcance na condução de pesquisas. Quando apresentados com cálculos precisos e precisos, os dados contribuem muito para tornar a avaliação de dados científicos um sucesso. Quando as decisões são respaldadas por dados científicos precisos, dá-se mais credibilidade à pesquisa científica.

A precisão dos dados científicos depende da precisão do experimento. Replicar um experimento repetidas vezes fornece dados mais precisos e mais informações do que os dados coletados por experimentos apenas algumas vezes. Esses dados são obtidos repetindo as mesmas etapas várias vezes ao experimentar. Repetir o experimento traz erros inesperados e dá uma chance de negá-los. Os dados, quando livres de erros, tornam-se precisos e fornecem um resultado que se esperava obter do experimento.

Em dados científicos, termos como erros, precisão e exatidão têm grande significado. Eles devem ser entendidos com algum detalhe para entender melhor como funciona a avaliação de dados na pesquisa científica. Além disso, a relação entre esses termos deve ser percebida de várias maneiras, para que a pesquisa científica seja um sucesso.

Precisão

Quando a medição é precisa, é muito próximo do valor real. O valor real é o valor que não é conhecido de antemão, mas geralmente é o valor desejado que se espera alcançar. Precisão é como acertar na mosca que um dardo mira toda vez que é lançado. Se o dardo errar o alvo e estiver perto o suficiente para acertá-lo, ele mede a precisão do dardo. Qualquer diferença entre o valor real e o valor aceito é um erro.

Veja outro exemplo, por exemplo. Se o volume de um líquido for medido em 100 ml e, em vez disso, o volume medido for de 98 ml, isso está muito próximo de fornecer a precisão do experimento. A precisão é definida como a proximidade da medição com o valor real ou aceito. A precisão é alcançada fazendo várias medições e fazendo uma média dos valores medidos. A diferença entre eles pode ser expressa como positiva ou negativa. Um valor positivo também é o valor absoluto e é uma leitura com pontuação alta. Um valor negativo também é o valor absoluto quando a leitura está em uma pontuação baixa.

Recomendado para você: Data Science vs. Inteligência Artificial – Quais são as diferenças?

Como medir a precisão

A precisão pode ser absoluta ou relativa. Novamente, a precisão é medida em termos de erros ou diferenças de valores. Assim, obtemos uma precisão absoluta ou uma precisão relativa.

Erro absoluto: A precisão absoluta é a diferença entre um valor medido e o valor real. Se o valor medido for menor que o valor real, o resultado é negativo ou negativo. E quando o valor medido é maior que o valor real ou verdadeiro, o resultado é um valor positivo ou positivo. Isso também pode ser expresso por um cálculo simples: Erro absoluto = Valor medido – Valor real.

Erro relativo: é medido como uma porcentagem. Quando o erro absoluto é dividido pelo valor verdadeiro e multiplicado por 100, obtemos uma porcentagem do erro relativo. Também é expresso em partes por mil ou partes por milhão, conforme o caso. Assim, o erro relativo pode ser obtido pelas fórmulas:

 Erro relativo = {(Valor medido - Valor verdadeiro) / Valor verdadeiro} x 100%

Precisão

A precisão é outro fator que influencia a avaliação dos dados. Pode-se dizer que os valores repetidos foram alcançados nas mesmas condições e realizando o experimento várias vezes. No exemplo do jogo de dardos, se o dardo continuar errando o centro do alvo e continuar acertando o mesmo ponto, próximo ao centro do alvo, repetidamente, é uma medida de quão preciso o dardo foi. Voltando à análise científica, a precisão é o número de vezes que a mesma medida foi alcançada. Se o volume real e desejado de líquido fosse de 100 ml, e a cada 10 vezes que o experimento fosse feito, o resultado chegasse a 80 ml, os dados podem ser considerados precisos. Porque o resultado foi que o volume de líquido foi de 80 ml, e foi alcançado a cada 10 vezes que o experimento foi feito.

Exatidão e precisão não são termos independentes, mas estão inter-relacionados entre si. Isso é expresso em termos de erros. Erros são causados ​​por instrumentos defeituosos e também por seres humanos. Estes podem ser ainda classificados como Erros Sistemáticos e Erros Aleatórios. Entender os erros é uma maneira melhor de entender os termos de exatidão e precisão.

Erro sistemático

Erros causados ​​por instrumentos defeituosos levados para um experimento ou pelo uso de instrumentos antigos e desatualizados para medições são erros sistemáticos. Por exemplo, usando balanças de medição enferrujadas e velhas. Erros sistemáticos geralmente não são um erro por parte da pessoa que está medindo ou fazendo experimentos. É um erro no sistema ou na configuração usada que causa o erro. Esse erro pode ser retificado substituindo o antigo pelo novo e ajustando e corrigindo os sistemas usados.

Um alvo de dardos, por exemplo, fixado em um ângulo, de forma que os dardos continuem acertando o lado esquerdo é um erro sistemático, e o realinhamento do alvo corrigirá esse erro. Uma escala de medição enferrujada e velha pode ser substituída por uma nova escala, de modo que as marcações sejam nítidas e visíveis, e isso corrige o erro. Mas se você fizer várias medições de uma régua antiga e fizer as medições médias, o resultado ficará longe do valor real.

Os erros sistemáticos podem ser:

• Erros nos cálculos.
• Tomando temperaturas incorretas.
• Perda mecânica de material em várias etapas.
• Substâncias impuras foram usadas na análise.
• Erros na tomada de leituras.
• Instrumentos não calibrados corretamente.
• Braços de comprimentos desiguais.
• Materiais estranhos entrando no experimento.
• Usando produtos químicos impuros para um experimento.

Você pode gostar de: Aplicando Big Data para Beneficiar Sua Publicidade em Redes Sociais.

Erro aleatório

Erros aleatórios são relativamente mais fáceis de corrigir. Esse erro é um tipo de erro humano e um erro de julgamento por parte das pessoas que fazem as leituras ou os experimentos. Fazer várias leituras e, em seguida, chegar a um valor médio estará mais próximo do valor real.

algarismos significativos

Um Algarismo Significativo é um dígito com valor prático. Entendendo o conceito de se um dígito tem algarismos significativos, podemos ver algumas regras. Essas regras são aplicáveis ​​para conhecer dígitos com valor prático e dígitos sem valor prático, e seu lugar em um número não o afeta de forma alguma. Essas regras são:

• Dígitos que não são 'zeros' são sempre significativos. Por exemplo, 269 é um dígito significativo.
• Zeros no início não são significativos. Por exemplo, 0,065.
• Os zeros cativos são significativos. Por exemplo, 2.0085.
• Se um número tiver pontos decimais e zeros estiverem atrás do número, o número é significativo. Por exemplo, 3.65800.
• Zero pode ser ou não um algarismo significativo. Depende de onde ele é colocado em um número. Por exemplo, em 15.0002598 ou 25.365100, os zeros são algarismos significativos. Zero antes de um ponto decimal, por exemplo, 0,00258, existem apenas três algarismos significativos, pois os zeros não têm nenhum valor prático.

Além disso, algarismos significativos também são determinados por um conjunto de regras, que são:

• A adição/subtração é arredondada para o menor número de casas decimais.
• A multiplicação/divisão é arredondada para o menor número de algarismos significativos.
• Os logaritmos são arredondados de forma que vários algarismos significativos na entrada correspondam ao número de casas decimais no resultado.
• Exponenciação arredondada para a certeza apenas na base.
• Os zeros à direita são colocados após uma casa decimal após o número. Por exemplo, 1200.
• Rodadas na última etapa. Segue parênteses quando aplicável.

Cálculo e calculadora de algarismos significativos

A Good Calculators tem sua própria calculadora de algarismos significativos, que calcula e calcula quantos algarismos significativos um número contém.

Quais operadores e funções são suportados pela Calculadora de Algarismos Significativos?

• Funções aritméticas como adição (+), subtração (-), divisão (/ ou ÷), multiplicação (* ou x), expoente (^).
• Símbolos de grupo como ().
• Funções como log n, ln n.
• Constantes como pi, e.

Você também pode gostar de: Tecnologia cavando em dados profundos: uma caça ao tesouro global do mundo real.

Como usar a Calculadora de Algarismos Significativos para precisão dos resultados?

Às vezes, ao calcular a Calculadora de Algarismos Significativos, os dados do resultado não são precisos. Então, para obter maior precisão nos dados coloque # no final do número. Por exemplo, 6.24#.

 Exemplo: 10,00698 ÷ 13,6 = 0,736 (os algarismos significativos são 3).

 10,00698 ÷ 13,6# = 0,7358074 (os algarismos significativos são 7).

Acrescentar o símbolo # no final do número fornece resultados mais precisos do que apenas colocar um número. Algarismos Significativos é apenas uma forma de dar maior precisão nas medidas e cálculos. Ao aplicar as regras acima no cálculo de um algarismo significativo, os usuários podem ser mais precisos ao chegar aos resultados. É aplicável em todos os campos de cálculos científicos e tem um impacto relevante e direto na avaliação de dados científicos.