Overzicht
- Veel mensen lezen de resultaten van de electability-enquête verkeerd omdat ze geen aandacht besteden aan de foutmarge
- De foutmarge biedt het potentieel voor resultaten die tegengesteld zijn aan de resultaten die in de enquête worden weergegeven
Toen het dicht bij de huidige verkiezingsperiode was, was het publiek druk aan het praten over het verkiesbaarheidsonderzoek van de presidentskandidaten.
Dit onderzoek werd uitgevoerd door een klein deel van de mensen te nemen die worden beschouwd als de volledige bevolking van mensen in de wereld, die vervolgens werd gevraagd naar hun interesse in een van de presidentskandidaten.
De resultaten van het verkiesbaarheidsonderzoek zullen later cijfers opleveren in procenten ...
… Wat helaas mensen vaak verkeerd begrijpen.
Wat is daar mis mee?
Stel dat we een voorbeeld nemen
De enquêteresultaten lieten A 52% en B 48% zien ,
Een pakah Een superieur?
In één oogopslag zult u concluderen dat A superieur is en een groter potentieel heeft om geselecteerd te worden dan B.
Helaas is dit een onjuiste conclusie.
Bekijk de enquête niet op basis van de uiteindelijke cijfers. Let ook op de foutmarge .
Als je verder kijkt, blijkt dat deze enquête (hayalan) de volgende volledige resultaten heeft:
A : 52% ± 3%
B : 48% ± 3%
Welnu, deze figuur laat zien dat het bereik van kandidaat A zich bevindt
Onderste bereik: 52 - 3 = 49%
Top bereik: 52 + 3 = 55%
En het bereik van kandidaat B is op
Onderste bereik: 48 - 3 = 45
Top bereik: 48 + 3 = 51
Voor de duidelijkheid: deze waarde kan in een grafiek als deze worden gevisualiseerd.
In wezen is er een ontmoetingspunt tussen de bereiken van de twee verkiesbaarheidswaarden, wat aangeeft dat er een mogelijkheid is dat het resultaat B meer dan A zal omkeren.
Dus in de context van de enquêteresultaten A 52% en B 38% met een foutenmarge van 3%, wie superieur is, is nog onzeker.
Dit zou anders zijn als de foutenmarge van deze enquête slechts 1% was
Lees ook: Venn-diagram (volledige uitleg en voorbeelden van gebruik)Dus door een analyse zoals hierboven te gebruiken, kunnen we bevestigen dat A hoger is dan B.
In feite is geen enkel verkiesbaarheidsonderzoek hetzelfde als deze denkbeeldige steekproef.
Het verkiesbaarheidsonderzoek toont niet alleen de scores voor elke kandidaat, maar moet ook het aantal mensen laten zien dat nog niet heeft beslist.
Maar voor de eenvoud vul ik hier niet het percentage mensen in dat nog geen beslissing heeft genomen.
Een goed begrip hiervan is erg belangrijk wanneer we omgaan met de statistische gegevens van Quick Count.
Dus als later in de snelle telling je held nipt wint door een verschil dat niet ver van de foutmarge ligt ...
Wees bereid om een mogelijke omkering van de uitkomst te accepteren.
Afgezien van de simpele dingen die verband houden met het lezen van de resultaten van deze enquête, is een belangrijk ding om op te merken de vertekening bij de uitvoering van de enquête.
Om een goed onderzoek uit te voeren, moet de steekproefselectiemethode duidelijk en nauwkeurig zijn om de hele populatie te vertegenwoordigen. Alles dat een enquêtefout veroorzaakt, moet worden vermeden.
De volledige informatie hierover leest u in dit artikel: U moet de resultaten van enquêtes en peilingen op sociale media niet geloven
Tot slot hoop ik dat een korte uitleg omtrent fouten bij het uitlezen van de data uit de onderzoeksresultaten een voorziening kan zijn wanneer dit daadwerkelijk gebeurt op 17 april 2019.
Referentie
- Experimentele methoden: een inleiding tot de analyse en presentatie van gegevens , door Les Kirkup. Wiley, 1996.
- Hoe de foutmarge in statistieken kan worden bepaald
