Nunca es demasiado alto. Es lo que es (si se calcula correctamente). El uso de un valor con un alto porcentaje de error en la medición es el juicio del usuario.
La precisión, la precisión y el porcentaje de error deben tomarse juntos para dar sentido a una medición. Como científico y estadístico, tendría que decir que no hay límite superior en un «error porcentual». Solo existe el juicio (humano) necesario sobre si los datos se refieren pueden ser útiles o no.
La precisión y la precisión son inherentes a los diseños de medición. Son lo que son, y solo se pueden mejorar mejorando el dispositivo. Las mediciones múltiples pueden mejorar la precisión de las estadísticas de una medición, pero no pueden mejorar el error de medición inherente. El error porcentual se calcula como el rango de desviación de una medición desde el último punto métrico mejor fijo.
Por ejemplo, puedo tener la varilla de medidor estándar primaria real. Pero, sin subintervalos calibrados, solo puedo hacer científicamente mediciones «precisas» a +/- 1 metro. Realmente no puedo confiar en mis ojos (especialmente en comparación con los demás) para definir con precisión incluso ¼ de metro.
Mi medición de 0.5 metros contiene error, porque no hay una marca de referencia real de 0.5 m. Entonces, en comparación con mi medidor preciso, mi medición de 0.5 metros tiene un error de 0.5/1 * 100 = 50%. Esa es más o menos la realidad física para cualquier intervalo de medición. Incluso allí estamos asumiendo que nuestra agudeza visual es realmente capaz de encontrar ese «punto medio» entre otras dos marcas.
La precisión tiene que ver con la forma en que el dispositivo ofrece el mismo valor para la misma medición. Eso suele ser una función de la construcción y el uso del dispositivo. La precisión es cuán cerca del valor «real» está el valor medido. Eso a menudo se relaciona con la calibración del dispositivo. El porcentaje de error es solo la determinación de cómo los valores posibles pueden desviarse del valor «verdadero» debido a las limitaciones del dispositivo métrico y su uso.
¿Cómo interpretar un porcentaje de error?
El error porcentual se expresa formalmente como el valor absoluto de la diferencia entre un valor exacto y un estimado, dividido por el valor absoluto del valor exacto, multiplicado por 100 casos. En la práctica, le permite evaluar la distancia entre el valor aproximado y el valor exacto como porcentaje del valor real. Los desechos pueden ser causados por errores de medición (instrumental o humano) o por las aproximaciones utilizadas en el cálculo (errores de redondeo, por ejemplo). De todos modos, la fórmula es bastante simple de calcular.
- El valor aproximado es su estima, mientras que el exacto es el tamaño real.
- Por ejemplo, si estímica que en una bolsa hay 9 naranjas, pero en realidad hay 10, 9 es el valor aproximado, 10 exactamente uno.
- Esta es la diferencia entre el valor aproximado y real. Es una primera indicación de cuánto abordó el resultado exacto.
- En el ejemplo de naranjas, 9 – 10 = -1. El valor absoluto de -1, escrito como | -1 | Es 1.
- Si el resultado es positivo, deje el número tal como es. Por ejemplo, 12 manzanas (aproximadas) – 10 manzanas (exactos) = 2. El valor absoluto de 2 (| 2 |) es siempre 2.
- En estadísticas, considerar el valor absoluto significa no dar importancia a la dirección del error de estima (si es demasiado alto, positivo o demasiado bajo, negativo). Simplemente está interesado en saber qué tan lejos se ha alejado del valor exacto.
- En este ejemplo, 1/| 10 | = 1/10.
- En algunos casos, el valor exacto puede ser negativo. Tendrá que ignorar el signo menos (es decir, tomar el valor absoluto de la variable real). [5] Investigación XPhonte
- Si no puede usar una calculadora, deberá llevar a cabo la división a mano para convertir la fracción en decimal. Por lo general, será suficiente redondear a 4-5 figuras decimales.
- Siempre debe dividir un número positivo para un número positivo al convertir la forma decimal.
- En nuestro ejemplo, queremos asegurarnos de que la estimación de 9 naranjas sea 10% incorrecta en comparación con el valor real de las frutas. 10% (10% = 0.1) de 10 naranjas son 1 (0.1 x 10 = 1).
- 9 naranjas + 1 = 10 naranjas. Este cálculo confirma que la estimación de 9 era incorrecta de solo 1 naranja, es decir, 10% en comparación con el valor real de 10 naranjas.
- Los valores también se pueden definir como experimentales (aproximados) y teóricos (exactos). Asegúrese de usar el valor que está comparando en relación con el real.
- Curiosamente, dado que considerar el valor absoluto de la diferencia entre el valor aproximado y exacto, el orden de resta no importa. Por ejemplo, | 8 – 4 | = 4 E | 4 – 8 | = | -4 | = 4. ¡Los valores son idénticos!
El equipo de gestión de contenido de Wikihow controla cuidadosamente el trabajo del personal editor para asegurarse de que cada artículo cumpla con nuestros estándares de calidad. Este artículo fue visto 70 086 veces
Para calcular el porcentaje de error, use la fórmula: [(valor exacto – valor aproximado)/valor exacto] x 100. Primero, reste el valor aproximado por el valor exacto. Luego, divida el resultado para el valor exacto. Finalmente, convierta las fracciones en forma decimal y multiplique el resultado por 100 para encontrar el porcentaje de error. Si desea aprender a verificar sus resultados, ¡continúe leyendo el artículo!
¿Qué pasa si el porcentaje de error es negativo?
El porcentaje de error compara la cifra experimental obtenida con el valor conocido o real. También se conoce como error absoluto, y cuanto menor sea, más cerca estará con el valor conocido.
Por lo tanto, la diferencia entre el valor experimental y real es el error.
Cuando la figura experimental obtenida es más baja que el valor conocido, la respuesta será negativa. Si la figura experimental es más que la figura real, la respuesta será positiva.
Por lo tanto, el porcentaje de error puede calcularse como,
% Error = (Figura experimental – Valor conocido)/Valor conocido x 100 Por ejemplo, está realizando un experimento para calcular la densidad de un trozo de aluminio. La densidad conocida para este metal es 2.70 g/cm3. Pero después de experimentar, encuentra que la densidad es 2. 32 g/cm3, que es más baja que la figura conocida. El porcentaje de error se puede calcular de la siguiente manera.
% Error = (2.32 g/cm3 - 2.70 g/cm3)/2.70 g/cm3 x 100 = 14.07%
Por lo tanto, el error porcentual se calcula como 14.07%.
- Si el valor calculado después de realizar el experimento está casi cerca del valor conocido, el error porcentual puede ser cero.
- El error generalmente se calcula como el valor absoluto para que no haya espacio para la confusión.
Si la cifra experimental obtenida es más baja que la cifra conocida aceptada, el error porcentual es negativo. Pero dado que la versión final debe informarse, se considera el valor positivo, por lo que el valor final no puede ser negativo.
¿Qué significa un margen de error del 10?
es la desviación estándar de la población, N es el tamaño de la muestra y z* es el valor de z* apropiado para su nivel de confianza deseado (que puede encontrar en la siguiente tabla).
Estos son los pasos para calcular el margen de error para una media de muestra:
Encuentre la desviación estándar de la población y el tamaño de la muestra, n.
La desviación estándar de la población, σ, se dará en el problema.
Divida la desviación estándar de la población por la raíz cuadrada del tamaño de la muestra.
Multiplique por el valor Z*apropiado (consulte la tabla anterior).
Por ejemplo, el valor Z*es 1.96 si desea tener aproximadamente un 95% de confianza.
La condición que necesita cumplir para usar un valor Z*en el margen de fórmula de error para una media de muestra es: 1) La población original tiene una distribución normal para comenzar o 2) el tamaño de la muestra es lo suficientemente grande, por lo que el normal, el normal, por lo que el normal es lo suficientemente grande. Se puede usar la distribución (es decir, se aplica el teorema del límite central).
En general, el tamaño de la muestra, N, debe estar por encima de aproximadamente 30 para que el teorema del límite central sea aplicable. Ahora, si son 29, no se asuste: 30 no es un número mágico, es solo una regla general. (La desviación estándar de la población debe ser conocida de cualquier manera).
¿Qué significa un margen de error?
Un margen de error es una medición estadística que explica la diferencia entre los resultados reales y proyectados en una muestra de encuesta aleatoria. En términos más simples, el margen de error le permite medir el nivel de imprevisibilidad en los datos y los resultados de la investigación.
Por ejemplo, supongamos que un investigador da la estimación media para una encuesta como 50 con un margen de error de ± 5. Esto significa que la media real, cuando se calcula, podría ser cualquier valor de 45–55.
El margen de error de un conjunto de datos influye directamente en el nivel de confianza del investigador en los resultados de la investigación. Por lo general, si los resultados de su investigación o los resultados de la encuesta tienen un mayor margen de error, significa que los conjuntos de datos pueden ser poco confiables. Por otro lado, un margen de error más bajo indica que los resultados realmente representan a la población de investigación.
El margen de error explica cualquier disparidad entre los resultados de la muestra de investigación y la población objetivo. Por lo general, cuanto mayor sea el margen de error, mayor es la diferencia entre los resultados reales y estimados, lo que sugiere que los resultados de la encuesta tienen menos probabilidades de ser ciertos para toda la población.
Un bajo margen de error muestra que la población de muestra representa de cerca la población de interés en una investigación sistemática.
Cuando se trata de una gran población de interés, es imposible recopilar datos de cada variable. Por lo tanto, el investigador tiene que seleccionar una población de muestra que represente todos los subgrupos en la población original de interés.
¿Qué es el margen de medida?
La medida para la medida es una obra de William Shakespeare, que se cree que fue escrita en 1603 o 1604 y se realizó por primera vez en 1604, según los registros disponibles. Fue publicado en el primer folio de 1623.
La trama de la obra presenta a su protagonista, el duque Vincentio de Viena, saliendo de la vida pública para observar los asuntos de la ciudad bajo el gobierno de su diputado, Angelo. La imagen pública dura y ascética de Angelo se compara con su conducta personal aborrecible una vez en el cargo, en la que explota su poder para obtener un favor sexual de Isabella, a quien considera enigmáticamente hermoso. La tensión en la obra finalmente se resuelve a través de la intervención de Duke Vincentio, que se considera un uso temprano del Deus ex Machina en la literatura inglesa. [1]
La medida para la medida se imprimió como una comedia en el primer folio y sigue siendo clasificada como una sola. Aunque comparte características con otras comedias de Shakespeare, como el uso de juegos de palabras e ironía, y el empleo de disfraz y sustitución como dispositivos de trama, también presenta elementos trágicos como ejecuciones y soliloquios, con el discurso de Claudio en particular en comparación con Héroes trágicos como el Príncipe Hamlet. [2] [3] Hoy, a menudo se cita como uno de los juegos de problemas de Shakespeare debido a su tono ambiguo.
Vincentio, el duque de Viena, debe abandonar la ciudad en una misión diplomática. Instala a un juez estricto, Angelo, a actuar como su diputado hasta que regrese.
La siguiente escena comienza con Lucio y un grupo de soldados que bromea sobre los temas de la religión, la prostitución y las enfermedades sexuales, mientras caminan por una calle vienés, con la esperanza de que pronto encuentren trabajo cuando estalla la guerra con Hungría. La señora Overdone, el operador de un burdel cercano, interviene para regañarlos por su charla frenética. Ella compara su mal comportamiento con el del relativamente honrado Claudio, que, según ella, les dice, que pronto se ejecutará por el crimen de dormir con una mujer fuera del matrimonio. Uno de los caballeros, el amigo de Claudio, Lucio, un «fantástico», está asombrado de esta noticia y se apresura. Pompeyo Bum, un empleado de la señora Overdone, entra cuando se va, trayendo noticias más angustiantes: Angelo ha emitido una proclamación de que todos los burdeles en los suburbios deben ser derribados.
¿Qué significa no tener margen de error?
¿Por qué tenemos un margen de error en las estadísticas? Si las estadísticas están destinadas a ser precisas, ¿por qué a veces se acompañan una estimación de duda? Bueno, si simplemente estamos describiendo algo sobre lo que sabemos todo, realmente no necesitamos incluir una estimación de error. Por ejemplo, las estadísticas descriptivas a menudo se usan para resumir las observaciones de alguna manera; Entonces, si hemos tabulado todo lo que hay que saber (de cada miembro) de la población que estamos estudiando, entonces no necesitamos un margen de error. Nuestra estadística no es una suposición. Pero si necesitamos inferir algo sobre una población más grande, y solo tenemos una muestra con la que trabajar, nuestra estadística será una suposición, y esa suposición contendrá cierto grado de error potencial. Weisstein (2013) define el error como la diferencia entre una cantidad real y nuestra estimación de la misma. En estadísticas inferenciales, un margen de error es cuánto es probablemente esta diferencia, cualquier lado de la cifra correcta.
Alinear el marco teórico, la recopilación de artículos, sintetizar brechas, articular una metodología y plan de datos claros, y escribir sobre las implicaciones teóricas y prácticas de su investigación son parte de nuestros servicios integrales de edición de tesis.
- Rastree todos los cambios, luego trabaje con usted para lograr una escritura académica.
- Apoyo continuo para abordar los comentarios del comité, reduciendo las revisiones.
Para apreciar esto mejor, introduzcamos dos términos: la estimación puntual y la estimación del intervalo. Una estimación de puntos es una suposición única sobre la figura real. Digamos, por ejemplo, de una población de 10,000 encuestamos a 100 personas si les gusta el yogur, y la respuesta media fue que el 45% dijo que les gusta el yogurt. Realmente no sabemos qué les gusta a las 10,000 personas, pero tal vez resulta ser el 48% que me gusta el yogurt. Nuestro 45% es una estimación puntual (y estamos un poco apagados). Ahora digamos que usamos una estimación de intervalo, utilizando nuestra misma suposición del 45% pero con un margen de error de más o menos 3%. Ahora estamos permitiendo un intervalo del 42% al 48%, lo que incluye la cifra correcta. Es fácil ver que una estimación de intervalo permite una mayor flexibilidad (Nolan y Heinzen, 2011).
Usemos un ejemplo del mundo real. Digamos que necesitamos saber cuántos psicólogos en América del Norte favorecen la naturaleza sobre la crianza como explicación de las diferencias de comportamiento individuales (un debate popular y no una mala idea para una encuesta). No podemos encuestar a todos, por lo que utilizamos una muestra de población representativa de toda la población y encuesta esa muestra. Las encuestas de opinión son una forma común y útil de recopilar datos. Encuestamos una muestra aleatoria de 300 psicólogos, y encontramos que los naturistas representan el 55% de la población de muestras, con nurturistas que se arrastran al 45%. Eso es genial, pero no encuestamos a todos los psicólogos en América del Norte, por lo que el número que no encuestamos representará nuestro margen de error como un rango de posibles porcentajes correctos a cada lado del porcentaje real. Si nuestro margen de error es del 6%, los naturistas pueden estar en algún lugar entre el 49% y el 61% (55 +- 6) y los nurturistas pueden estar entre 39% y 51% (45 +- 6). Como puede ver, el ganador de la encuesta puede balancearse de cualquier manera, dependiendo de nuestro margen de error.
La clave es la relación entre nuestro tamaño de muestra y la población completa. Si nuestra población es de 100,000 y nuestra muestra es de solo 300, tendremos un margen de error del 6% (a un nivel de confianza del 95%). Necesitamos encuestar al menos a 1,000 psicólogos (preferiblemente 1,500) para alcanzar un margen de error del 3% para una carrera tan cerca como esta. Una ventaja real es que una vez que su población completa es de 10,000 o más, generalmente puede probar solo 1,000 y aún así obtener la misma precisión que si hubiera probado mucho más (Asociación Americana para la Investigación de Opinión Pública, 2007).
Artículos Relacionados:
