随机误差与系统误差|定义与示例

在科学研究中，测量误差是某物的观测值与真实值之间的差异。它也被称为观察误差或实验误差。

测量误差主要有两种类型:

• 随机误差是某物的观测值与真实值之间的偶然差异(例如，研究人员误读了称量秤，记录了不正确的测量)。
• 系统误差某物的观测值与真实值之间是否存在一致或成比例的差异(例如，一个校准错误的刻度一致地将权重记录为更高比它们确实是)。

通过识别错误的来源，您可以减少它们的影响并记录准确和精确的测量。如果不注意，这些错误会导致研究偏见就像忽略变量偏差或信息偏倚．

随机错误和系统错误哪个更严重?

在研究中，系统误差通常比随机误差更大。

随机误差不一定是错误，而是测量的自然组成部分。总有一些可变性在测量中，即使你重复测量同一件事，因为环境、仪器或你自己的解释的波动。

但是，当变异性影响你对人际关系得出有效结论的能力时，它就会成为一个问题变量．这更有可能是系统错误的结果。

精度与准确度

随机误差主要影响精度，这就是可再生的相同的测量是在等效的情况下进行的。相反，系统误差影响精度测量值，或观测值与真实值的接近程度。

测量类似于在飞镖靶上击中中心目标。为了精确测量，你的目标是让你的镖(你的观测值)尽可能接近目标(真实值)。对于精确的测量，您的目标是重复观察越靠近越好。

随机误差引入了对同一事物不同测量之间的变异性，而系统误差倾斜你的测量值在一个特定的方向上偏离真实值。

当你只有随机误差时，如果你多次测量相同的东西，你的测量结果将倾向于聚集或围绕真实值变化。有些值将高于真实分数，而其他值将较低。当你平均通过这些测量，你会得到非常接近真实分数的结果。

出于这个原因，当你从一个大样本中收集数据时，随机误差不被认为是一个大问题——不同方向的误差在你计算时会相互抵消描述性统计．但当你有一个小样本时，它可能会影响你数据集的精度。

系统错误比随机错误更有问题，因为它们会扭曲你的数据，导致你得出错误的结论。如果你有系统误差，你的测量就会偏离真实值。最终，你可能会得出一个假阳性或假阴性的结论(aI或II型错误你正在学习的变量之间的关系。

随机误差

随机误差影响您的测量以不可预测的方式进行:您的测量值有可能高于或低于真实值。

在下面的图表中，黑线代表了一个量表的真实分数和观察分数之间的完美匹配。在理想的情况下，您的所有数据都将恰好落在这条线上。绿点表示每次测量的实际观察得分，并添加了随机误差。

随机误差被称为“噪声”，因为它模糊了所测量的真实值(或“信号”)。保持较低的随机错误有助于收集精确的数据。

随机误差的来源

一些常见的随机错误来源包括:

• 现实世界或实验环境中的自然变异。
• 不精确或不可靠的测量仪器。
• 参与者或单位之间的个体差异。
• 实验程序控制不善。

减少随机误差

随机错误在研究中几乎总是存在，即使在高度控制的环境中也是如此。虽然不能完全消除它，但可以使用以下方法减少随机错误。

重复测量

提高精度的一个简单方法是重复测量并使用它们的平均值。例如，你可以测量一个参与者的手腕围三次，每次得到的长度略有不同。以的意思是在这三种测量中，而不是只使用一种，会让你更接近真实的值。

增加样本量

大样本比小样本随机误差小。这是因为当你有更多的数据点时，不同方向上的误差会更有效地相互抵消。从大样本中收集数据可以提高精度和统计能力．

控制变量

在控制实验，你应该小心控制任何外部变量这可能会影响你的测量。这些应该针对所有参与者进行控制，以便全面消除随机错误的关键来源。

系统误差

系统误差这意味着你对同一事物的测量将以可预测的方式变化:在同一方向上，每一次测量都将与真实测量值不同，甚至在某些情况下相差相同。

系统误差也被称为偏见因为你的数据倾斜以标准化的方式隐藏真实的价值。这可能会导致不准确的结论。

系统错误的类型

偏移误差和比例因子误差是两种可量化的系统误差。

一个偏置误差当刻度未校准到正确的零点时发生。它也被称为加性误差或设零误差。

一个比例因子误差是指测量值始终与真实值有一定比例的差异(例如，相差10%)。它也被称为相关系统误差或乘数误差。

您可以在图形中绘制偏移误差和比例因子误差，以确定它们的差异。在下面的图表中，黑线显示了你观察到的值是准确的真实值，并且没有随机误差。

蓝色的线是一个偏移误差:它将所有观察到的值向上或向下移动一个固定的量(这里是一个额外的单位)。

粉红色的线是一个比例因子误差:所有观察到的值乘以一个因子——所有值以相同的比例向同一方向移动，但绝对值不同。

系统误差的来源

系统错误的来源可以从你的研究材料到你的数据收集程序和你的分析技术。这不是系统错误来源的详尽列表，因为它们可能来自研究的各个方面。

反应偏差当你的研究材料(例如，调查问卷)通过引导性问题提示参与者以不真实的方式回答或行动．例如,社会可取性偏见可以引导参与者试图遵守社会规范，即使这不是他们的真实感受。

实验者漂移当观察者在长时间的观察后感到疲劳、无聊或缺乏动力时发生数据收集或者编码，他们慢慢地以可识别的方式偏离了使用标准化的过程。

抽样偏差属性的某些成员时发生人口更有可能被纳入你的研究。它减少了普遍性因为你的样本不能代表整个人群。

减少系统误差

你可以通过在你的研究中实施这些方法来减少系统误差。

三角测量

三角测量意味着使用多种技术来记录观察结果，这样你就不会只依赖于一种仪器或方法。

例如，如果你在测量压力水平，你可以使用调查反应、生理记录和反应时间作为指标。您可以检查所有这三个测量是否收敛或重叠，以确保您的结果不依赖于所使用的确切仪器。

定期校准

校准仪器意味着将仪器所记录的数据与已知的标准量的真实值进行比较。定期用准确的参考标准校准仪器有助于减少系统错误影响学习的可能性。

您还可以根据观察者或研究人员编码或记录数据的方式来校准他们。使用标准的协议和例行检查来避免实验者的偏差。

随机化

概率抽样方法这有助于确保你的样本与总体没有系统性差异。

另外，如果你在做实验，请使用随机分配将参与者置于不同的治疗条件下。这有助于通过平衡各组参与者的特征来消除偏见。

屏蔽

在任何可能的情况下，您应该将条件分配隐藏给参与者和研究人员掩蔽(模板)．

参与者的行为或反应会受到实验者期望和实验结果的影响需求的特点在环境中，控制这些会帮助你减少系统偏差。

关于随机和系统错误的常见问题

随机误差和系统误差的区别是什么?

随机和系统误差测量误差有两种类型。

随机误差是某物的观测值与真实值之间的偶然差异(例如，研究人员误读了称量秤，记录了不正确的测量)。

系统误差是某物的观测值与真实值之间的一致或成比例的差异(例如，校准错误的天平始终记录的权重高于实际值)。

随机错误和系统错误哪个更严重?

系统误差在研究中是个更大的问题。

在随机误差的情况下，多次测量将倾向于聚集在真实值周围。当你从一个大型的样本时，不同方向的误差将相互抵消。

系统性错误的问题更大，因为它们可以斜你的数据偏离了真实的价值。这可能会让你得出错误的结论(第一类和第二类错误你正在学习的变量之间的关系。

如何避免测量误差?

随机误差几乎总是出现在科学研究中，即使是在高度控制的环境中。虽然你不能完全消除它，但你可以通过重复测量、使用大样本和控制来减少随机误差外部变量．

你可以通过精心设计你的系统来避免系统错误抽样，数据收集，以及分析程序。例如，使用三角测量来使用多种方法测量变量;定期校准仪器或程序;使用随机抽样随机分配；并应用掩蔽(模板)在可能的情况下。