Относительная ошибка как найти

Об этой статье

Была ли эта статья полезной?

Абсолютная и относительная погрешности (ошибки).

Пусть некоторая
величина x
измерена n
раз. В результате получен ряд значений
этой величины: x₁,
x₂,
x₃,
…, x_n

Величиной, наиболее
близкой к действительному значению,
является среднее арифметическое этих
результатов:

Отсюда следует,
что каждое физическое измерение должно
быть повторено несколько раз.

Разность между
средним значением
измеряемой
величины и значением отдельного измерения
называется абсолютной
погрешностью отдельного измерения:

(13)

Абсолютная
погрешность может быть как положительной,
так и отрицательной и измеряется в тех
же единицах, что и измеряемая величина.

Средняя абсолютная
ошибка результата — это среднее
арифметическое значений абсолютных
погрешностей отдельных измерений,
взятых по абсолютной величине (модулю):

(14)

Отношения

называются относительными погрешностями
(ошибками) отдельных измерений.

Отношение средней
абсолютной погрешности результата

к среднему арифметическому значению

измеряемой величины называют относительной
ошибкой результата и выражают в процентах:

Относительная
ошибка характеризует точность измерения.

Законы распределения случайных величин.

Результат измерения
физической величины зависит от многих
факторов, влияние которых заранее учесть
невозможно. Поэтому значения, полученные
в результате прямых измерений какого
— либо параметра, являются случайными,
обычно не совпадающие между собой.
Следовательно, случайные
величины —
это такие величины, которые в зависимости
от обстоятельств могут принимать те
или иные значения. Если случайная
величина принимает только определенные
числовые значения, то она называется
дискретной.

Например,
количество заболеваний в данном регионе
за год, оценка, полученная студентом на
экзамене, энергия электрона в атоме и
т.д.

Непрерывная
случайная величина принимает любые
значения в данном интервале.

Например: температура
тела человека, мгновенные скорости
теплового движения молекул, содержание
кислорода в воздухе и т.д.

Под событием
понимается всякий результат или исход
испытания. В теории вероятностей
рассматриваются события, которые при
выполнение некоторых условий могут
произойти, а могут не произойти. Такие
события называются
случайными.
Например, событие, состоящее в появлении
цифры 1 при выполнении условия — бросания
игральной кости, может произойти, а
может не произойти.

Если событие
неизбежно происходит в результате
каждого испытания, то оно называется
достоверным.
Событие называется невозможным,
если оно вообще не происходит ни при
каких условиях.

Два события,
одновременное появление которых
невозможно, называются несовместными.

Пусть случайное
событие А в серии из n
независимых испытаний произошло m
раз, тогда отношение:

называется
относительной частотой события А. Для
каждой относительной частоты выполняется
неравенство:

При небольшом
числе опытов относительная частота
событий в значительной мере имеет
случайный характер и может заметно
изменяться от одной группы опытов к
другой. Однако при увеличении числа
опытов частота событий все более теряет
свой случайный характер и приближается
к некоторому постоянному положительному
числу, которое является количественной
мерой возможности реализации случайного
события А. Предел, к которому стремится
относительная частота событий при
неограниченном увеличении числа
испытаний, называется статистической
вероятностью события:

Например, при
многократном бросании монеты частота
выпадения герба будет лишь незначительно
отличаться от ½. Для достоверного события
вероятность Р(А) равна единице. Если
Р=0, то событие невозможно.

Математическим
ожиданием
дискретной случайной величины называется
сумма произведений всех ее возможных
значений х_i
на вероятность этих значений р_i:

Статистическим
аналогом математического ожидания
является среднее арифметическое значений
:

,

где m_i
— число дискретных случайных величин,
имеющих значение х_i.

Для непрерывной
случайной величины математическим
ожиданием служит интеграл:

,

где р(х) — плотность
вероятности.

Отдельные значения
случайной величины группируются около
математического ожидания. Отклонение
случайной величины от ее математического
ожидания (среднего значения) характеризуется
дисперсией,
которая для дискретной случайной
величины определяется формулой:

(15)

(16)

Дисперсия имеет
размерность случайной величины. Для
того, чтобы оценивать рассеяние
(отклонение) случайной величины в
единицах той же размерности, введено
понятие среднего
квадратичного отклонения
σ(Х), которое
равно корню квадратному из дисперсии:

(17)

Вместо среднего
квадратичного отклонения иногда
используется термин «стандартное
отклонение».

Всякое отношение,
устанавливающее связь между всеми
возможными значениями случайной величины
и соответствующими им вероятностями,
называется законом
распределения случайной величины.
Формы задания закона распределения
могут быть разными:

а) ряд распределения
(для дискретных величин);

б) функция
распределения;

в) кривая распределения
(для непрерывных величин).

Существует
относительно много законов распределения
случайных величин.

Нормальный
закон распределения случайных
величин (закон
Гаусса).
Случайная величина

распределена по
нормальному закону, если ее плотность
вероятности f(x)
определяется формулой:

(18),

где <x>
— математическое ожидание (среднее
значение) случайной величины <x>
= M
(X);

—
среднее квадратичное отклонение;

—
основание натурального логарифма
(неперово число);

f
(x)
– плотность вероятности (функция
распределения вероятностей).

Многие случайные
величины (в том числе все случайные
погрешности) подчиняются нормальному
закону распределения (закону Гаусса).
Для этого распределения наиболее
вероятным значением
измеряемой
величины
является
её среднее
арифметическое
значение.

График нормального
закона распределения изображен на
рисунке (колоколообразная кривая).

Кривая симметрична
относительно прямой х=<x>=α,
следовательно, отклонения случайной
величины вправо и влево от <x>=α
равновероятны. При х=<x>±
кривая асимптотически приближается к
оси абсцисс. Если х=<x>,
то функция распределения вероятностей
f(x)
максимальна и принимает вид:

(19)

Таким образом,
максимальное значение функции f_max(x)
зависит от величины среднего квадратичного
отклонения. На рисунке изображены 3
кривые распределения. Для кривых 1 и 2
<x>
= α = 0 соответствующие значения среднего
квадратичного отклонения различны, при
этом ₂>₁.
(При увеличении 
кривая распределения становится более
пологой, а при уменьшении 
– вытягивается вверх). Для кривой 3 <x>
= α ≠ 0 и ₃
= ₂.

Закон
распределения
молекул в газах по скоростям называется
распределением
Максвелла.
Функция плотности вероятности попадания
скоростей молекул в определенный
интервал

теоретически была определена в 1860 году
английским физиком Максвеллом

. На рисунке
распределение Максвелла представлено
графически. Распределение движется
вправо или влево в зависимости от
температуры газа (на рисунке Т₁
< Т₂).
Закон распределения Максвелла определяется
формулой:

(20),

где m_о
– масса молекулы, k
– постоянная Больцмана, Т – абсолютная
температура газа,
—
скорость молекулы.

Распределение
концентрации молекул газа в атмосфере
Земли (т.е.
в силовом поле) в зависимости от высоты
было дано австрийским физиком Больцманом
и называется
распределением
Больцмана:

(21)

Где n(h)
– концентрация молекул газа на высоте
h,
n₀
– концентрация у поверхности Земли, g
– ускорение свободного падения, m
– масса молекулы.

Распределение
Больцмана.

Совокупность всех
значений случайной величины называется
простым
статистическим рядом.
Так как простой статистический ряд
оказывается большим, то его преобразуют
в вариационный
статистический
ряд или интервальный
статистический ряд. По интервальному

статистическому ряду для оценки вида
функции распределения вероятностей по
экспериментальным данным строят
гистограмму
– столбчатую
диаграмму. (Гистограмма – от греческих
слов “histos”–
столб и “gramma”–
запись).

n

1. h

Гистограмма
распределения Больцмана.

Для построения
гистограммы интервал, содержащий
полученные значения случайной величины
делят на несколько интервалов x_i
одинаковой ширины. Для каждого интервала
подсчитывают число m_i
значений случайной величины, попавших
в этот интервал. После этого вычисляют
плотность частоты случайной величины

для каждого интервала x_i
и среднее значение случайной величины
<x_i
> в каждом интервале.

Затем по оси абсцисс
откладывают интервалы x_i,
являющиеся основаниями прямоугольников,
высота которых равна
(или
высотой

– плотностью относительной частоты
).

Расчетами показано,
что вероятность попадания нормально
распределенной случайной величины в
интервале значений от <x>–
до <x>+
в среднем равна 68%. В границах вдвое
более широких (<x>–2;
<x>+2)
размещается в среднем 95% всех значений
измерений, а в интервале (<x>–3;<x>+3)
– уже 99,7%. Таким образом, вероятность
того, что отклонение значений нормально
распределенной случайной величины
превысит 3
(
– среднее квадратичное отклонение)
чрезвычайно мала (~0,003). Такое событие
можно считать практически невозможным.
Поэтому границы <x>–3
и <x>+3
принимаются за границы практически
возможных значений нормально распределенной
случайной величины («правило трех
сигм»).

Если число измерений
(объем выборки) невелико (n<30),
дисперсия вычисляется по формуле:

(22)

Уточненное среднее
квадратичное отклонение отдельного
измерения вычисляется по формуле:

(23)

Напомним, что для
эмпирического распределения по выборке
аналогом математического ожидания
является среднее арифметическое значение
<x>
измеряемой величины.

Чтобы дать
представление о точности и надежности
оценки измеряемой величины, используют
понятия доверительного интервала и
доверительной вероятности.

Доверительным
интервалом
называется интервал (<x>–x,
<x>+x),
в который по определению попадает с
заданной вероятностью действительное
(истинное) значение измеряемой величины.
Доверительный интервал характеризует
точность полученного результата: чем
уже доверительный интервал, тем меньше
погрешность.

Доверительной
вероятностью
(надежностью)

результата серии измерений называется
вероятность того, что истинное значение
измеряемой величины попадает в данный
доверительный интервал (<x>±x).
Чем больше величина доверительного
интервала, т.е. чем больше x,
тем с большей надежностью величина <x>
попадает в этот интервал. Надежность 
выбирается самим исследователем
самостоятельно, например, =0,95;
0,98. В медицинских и биологических
исследованиях, как правило, доверительную
вероятность (надежность) принимают
равной 0,95.

Если величина х
подчиняется нормальному закону
распределения Гаусса, а <x>
и <>
оцениваются по выборке (числу измерений)
и если объем выборки невелик (n<30),
то интервал (<x>
– t_,n<>,
<x>
+ t_,n<>)
будет доверительным интервалом для
известного параметра х с доверительной
вероятностью .

Коэффициент t_,n
называется коэффициентом
Стьюдента
(этот коэффициент был предложен в 1908 г.
английским математиком и химиком В.С.
Госсетом, публиковавшим свои работы
под псевдонимом «Стьюдент» – студент).

Значении коэффициента
Стьюдента t_,n
зависит от доверительной вероятности

и числа измерений n
(объема выборки). Некоторые значения
коэффициента Стьюдента приведены в
таблице 1.

Таблица 1

В таблице 1 в верхней
строке заданы значения доверительной
вероятности 
от 0,6 до 0,99, в левом столбце – значение
n.
Коэффициент Стьюдента следует искать
на пересечении соответствующих строки
и столбца.

Окончательный
результат измерений записывается в
виде:

(25)

Где

– полуширина доверительного интервала.

Результат серии
измерений оценивается относительной
погрешностью:

(26)

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

• #
• #
• #
• #
• #
• #
• #
• #
• #
• #
• #

Определение относительной погрешности измерений

Например:

Для x = 1, $7 pm 0,2$ относительная погрешность измерений

$δ = frac{0,2}{1,7} cdot 100 text{%} approx 11,8 text{%} approx 12 text{%}$ — погрешность достаточно велика.

Примеры

Пример 1. Согласно данным эксперимента, проведенного в 1975 году, скорость света равна $c = 299 792 458 pm 1,2 м/с$. Найдите относительную погрешность измерений в этом эксперименте в долях и процентах.

$$ δ = frac{1,2}{299 792 458} approx 4,0 cdot 10^{-9} $$

$$δ = 4,0 cdot 10^{-9} cdot 100 text{%} approx (4,0 cdot 10^{-7} ) text{%} $$

Пример 2. В результате школьного эксперимента ускорение свободного падения оказалось равным $g = 10,0 pm 0,1 м/с^2$. Определите относительную погрешность для данного эксперимента, а также относительную погрешность по отношению к табличной величине $g_0 = 9,81 м/с^2$. Что вы можете сказать о систематической ошибке эксперимента?

Для данного эксперимента $δ = frac{0,1}{10,0} cdot 100 text{%} = 1,0 text{%} $

Относительная погрешность по отношению к табличной величине:

$$ δ_{таб} = frac{|g-g_0 |}{g_0} cdot 100 text{%}, δ_{таб} = frac{|10,0-9,81|}{9,81} cdot 100 text{%} approx 1,9 text{%} $$

Согласно полученным результатам $9,9 le g le 10,1$, табличное значение в этот отрезок не входит. В эксперименте присутствует систематическая ошибка: результаты систематически завышены.

Пример 3. При взвешивании масса слона оказалась равной $M = 3,63 pm 0,01$ т, а масса муравья $m = 41,2 pm 0,5$ мг. Какое измерение точнее?

Найдем относительные погрешности измерений:

$$ δ_M = frac{0,01}{3,63} cdot 100 text{%} approx 0,28 text{%} $$

$$ δ_m = frac{0,5}{41,2} cdot 100 text{%} approx 1,21 text{%} approx ↑1,3 text{%} $$

Таким образом, масса слона определена точнее.

Пример 4. Вольтметр измеряет напряжение с относительной погрешностью 0,5%. Найдите границы точного значения величины, если при измерении получено $V_0$ = 5 В.

Абсолютная погрешность измерений данным вольтметром:

$$ Delta V = V_0 cdot δ, Delta V = 5 cdot 0,005 = 0,025 (В) approx 0,03(В) $$

Границы точного значения:

$$ V = 5,00 pm 0,03 (В) или 4,97 le V le 5,03 (В) $$

Чтобы оценить степень отклонения, используется показатель абсолютной и относительной погрешности.

В математике, физике и метрологии этот коэффициент может быть использован для округления полученных результатов.

Показатель бывает нескольких видов. Для его определения применяют разные методы.

Понятие и классификация

Под термином погрешность принято понимать степень отклонения реальной величины от вычисленной. Этот показатель служит мерой точности измерения.

Существует несколько разновидностей погрешности:

1. Абсолютная — оценка ошибки в абсолютных единицах. Величина ее может быть разной в зависимости от способа расчета.
2. Относительная — отношение абсолютной величины к тому значению, которое принято считать истинным. Измеряется в процентах.
3. Приведенная — разновидность относительной. Ее вычисляют отношением абсолютной и условной постоянной величины, определяется в процентах.
4. Приборная или инструментальная — погрешность, которую дают технические средства измерений. Она обусловлена неточной цифровой градуировкой приборов или недостаточной наглядностью. Класс точности приборов будет равен максимальной приведенной погрешности и выражается в процентах. К примеру, класс точности вольтметра ΔU = ±0,75 В.
5. Методическая — связанная с несовершенством метода измерения или его чрезмерным упрощением.
6. Субъективная или операторная — погрешность, связанная с личными свойствами оператора — невнимательностью, утомлением, профессиональной подготовленностью.
7. Случайная. Погрешность, которая может изменяться при разных измерениях. Изменения возможны по знаку или величине отклонения. Причиной может быть техническое несовершенство приборов отсчета или объекта измерения, неблагоприятные для работы условия или особенности измеряемых единиц.
8. Систематическая. Погрешность, изменения которой имеют некоторую закономерность во времени. В качестве частного случая допускают постоянное отклонение, которое не изменяется во времени.
9. Прогрессирующая или дрейфовая — медленно изменяется во времени и не может быть предсказана. Такое отклонение относится к случайным.
10. Грубая или промах. Значительное отклонение от принятой нормы. Возникает в результате неисправности аппаратуры или ошибки экспериментатора.

Выделяют также отклонения прямых или косвенных измерений. Вторая разновидность учитывается в тех случаях, когда измерить величину напрямую невозможно и ее можно посчитать по формулам исходя из других данных.

Абсолютная и относительная погрешности

Абсолютная погрешность величины — это разница между ней и принятым точным значением. Чтобы определить этот показатель, из большего числа вычитают меньшее. Единицы обозначения такие же, как и для основной величины. В формулах обозначается греческой буквой дельта и исследуемой величиной.

Пример: В пакете находится 478 граммов сахара. Это число можно округлить до 500. В этом случае абсолютная погрешность приближения будет 500 — 478 =22 г

Для вычислений разработана специальная формула: Δа=А-а,

где А — это точная величина,

а — приближенная, это число, которое немного отличается от точного.

Результаты вычисления записывают со знаком ±. Например, длина бумажного рулона составляет 25 м ± 5 см. Наибольшее значение абсолютной погрешности принято называть ее пределом.

Чтобы получить измерения высокой точности, рассчитать абсолютную погрешность недостаточно. Если измерять предмет длиной 30 см и допустить неточность в 1 см, ее величина будет значительной. При измерении 30-метрового участка дороги то же самое отклонение в 1 см допускается, такое измерение будет наиболее точным. При вычислении ускорения свободного падения с помощью маятника неточность не превышает 10 ^-5 м/с. ²

Относительная погрешность — условная величина, равная отношению абсолютной к самому числу.

Пример: количество сахара в пакете равно 478 граммов, абсолютная погрешность составляет 22 грамма, относительная равняется 22: 478 = 0, 046. Если перевести в проценты, получается 4,6%. Для отрезка длиной 10 см погрешность в 1 см будет составлять 10%, а для отрезка в 1 м такая же абсолютная величина составит всего 1%. Относительная оценка считается наиболее точной.

Относительная погрешность может быть случайной, возникающей под действием внешних факторов. Ее размер зависит от способа нахождения.

Методики расчета

Существует несколько методов определения отклонения. Наиболее простой и доступный способ:

1. Необходимые измерения проводят не менее 5 раз. Это дает возможность вычислить наиболее точное значение параметра. Результаты вносят в таблицу excel.
2. Полученные величины складывают и делят на количество замеров. В результате получится действительное значение. Его обычно применяют вместо истинного, так как нет возможности вычислить последнее.
3. Следующий шаг — определение абсолютной погрешности. Ее считают для каждого измерения. Чтобы узнать величину этого показателя, из результата каждого замера вычитают действительное значение. Для обработки данных неважно, положительная или отрицательная получилась цифра. Используют модули полученных чисел, пренебрегая знаками.
4. Чтобы определить относительную погрешность измерения, нужно разделить абсолютную на действительное значение. Полученное число умножают на 100%.

Для определения предельного отклонения выбирают наибольшее значение из всех полученных.

Чтобы получить наиболее точные показатели дискретности цифровых приборов, пользуются средним квадратическим отклонением. Вычислить его можно следующим способом:

1. Каждый показатель абсолютной погрешности возводят в квадрат и записывают.
2. Полученные результаты складывают между собой.
3. Сумму всех квадратов делят на число, которое на единицу меньше количества измерений.
4. Из результата вычислений извлекают квадратный корень — это и будет среднее квадратическое отклонение.

Чтобы вычислить, чему равна относительная погрешность измерения, важно придерживаться некоторых правил. Складывая или вычитая числа, учитывают абсолютные отклонения. Если числа нужно разделить или перемножить, прибегают к относительным показателям. Возведение числа в степень требует умножить относительную погрешность на показатель этой степени.

Результаты фиксируются в виде десятичных дробей. Точное значение может быть очень длинным, вплоть до бесконечного. Для удобства используют только среднее значение. При этом важно помнить о существовании верных и сомнительных цифр. У первой категории цифр разряд бывает выше допустимой погрешности, у второй — ниже.

При расчете относительной погрешности измерения времени формула включает в себя отношение среднего отклонения к среднему значению времени, умноженное на 100%. Эта же закономерность применяется для оценки температуры и других физических величин.

Произвести необходимые расчеты можно с помощью онлайн-калькулятора. В окошки вносятся необходимые данные, после чего программа выдает результат.

Методы Корнфельда и Стьюдента

Некоторые экспериментальные исследования требуют многократного измерения одного и того же показателя с помощью аппаратуры или приспособлений. В этом случае высока вероятность возникновения отклонений разброса. Определить ее величины можно разными способами. Самый распространенный и доступный из них называется по автору — методом Корнфельда.

Он применяется в ситуации, когда какая-либо физическая величина была измерена n раз. В этом случае рекомендован следующий порядок действий:

1. Предполагается, что имеется ряд результатов измерений от Х1 до Хn.
2. Из этих величин выбирают минимальную и максимальную.
3. Вычисляют среднее значение Х.
4. В пределах от наименьшего до наибольшего показателя выбирают доверительный интервал.
5. Чтобы найти абсолютное отклонение, необходимо вычесть из максимального результата измерения величину минимального. Полученную разность делят пополам.

Метод Корнфельда имеет существенный недостаток. Чтобы определить вероятность приведенного результата, необходимо провести большое количество измерений. При этом нет возможности изменить границы доверительного интервала. Более точные данные можно получить, используя метод расчета Стьюдента. Для этого используют специальные таблицы, где отражены так называемые коэффициенты Стьюдента.

Эти показатели вычисляются на основе доверительной вероятности и большого количества измерений.

Статья обновлена 10.07.2022

Что такое погрешность измерения

Любой расчет состоит из истинного и вычисляемого значения. При этом всегда должны учитываться значения ошибки или погрешности. Погрешность — это расхождение между истинным значением и вычисляемым. В маркетинге выделяют следующие виды погрешностей.

1. Математическая погрешность. Она описывается алгебраической формулой и бывает абсолютной, относительной и приведенной. Абсолютная погрешность измерения — это разница между вычисляемым и истинным значением. Относительная погрешность вычисляется в процентном соотношении истинного значения и полученного. Вычисление погрешности приведенной схоже с относительной, указывается она также в процентах, но дает разницу между нормирующей шкалой и полученными данными, то есть между эталонными и полученными значениями.
2. Оценочная погрешность. В маркетинге она бывает случайной и систематической. Случайная погрешность возникает из-за любых факторов, которые случайным образом влияют на измерение переменной в выборке. Систематическая погрешность вызывается факторами, которые систематически влияют на измерение переменной в выборке.

Математическая погрешность: формула для каждого типа

Если определение погрешности можно провести точным путем, она считается математической. Зачем нужно вычисление этого значения в маркетинге?

Погрешности возникают настолько часто, что популярной практикой в исследованиях является включение значения погрешности в окончательные результаты. Для этого используются формулы. Математическая погрешность — это значение, которое отражает разницу между выборкой и фактическим результатом. Если при расчетах учитывалась  погрешность, в тексте исследования указывается что-то вроде: «Абсолютная погрешность для этих данных составляет 3,25%». Погрешность можно вычислить с любыми цифрами: количество человек, участвующих в опросе, погрешность суммы, затраченной на маркетинговый бюджет, и так далее.

Формулы погрешностей вычисляются следующим образом.

Абсолютная погрешность измерений: формула

Формула дает разницу между измеренным и реальным значением.

Относительная погрешность: формула

Формула использует значение абсолютной погрешности и вычисляется в процентах по отношению к фактическому  значению.

Приведенная погрешность: формула

Формула также использует значение абсолютной погрешности. В чем измеряется приведенная погрешность? Тоже в процентах, но в качестве «эталона» используется не реальное значение, а единица измерения любой нормирующей шкалы. Например, для обычной линейки это значение равно 1 мм.

Классификация оценочной погрешности

Определение погрешности в оценках — это всегда методическая погрешность, то есть допустимое значение ошибки, основанное на методах проведения исследования. Погрешность метода вызывает два типа погрешностей — случайные и систематические. Таблица погрешностей в графической форме покажет все возможные типы.

Что такое случайная погрешность

Случайная погрешность бывает статической и динамической. Динамическая погрешность возникает, когда мы имеем дело с меняющимися значениями — например, количество человек в выборке при маркетинговом исследовании. Статическая погрешность описывает ошибки при вычислении неизменных величин — вроде количества вопросов в вопроснике. Все они относятся к случайным погрешностям.

Типичный пример возникновения случайной погрешности — настроение участников маркетингового опроса. Как известно, эмоциональный настрой человека всегда влияет на его производительность. В ходе тестирования одни люди могут быть в хорошем расположении духа, а другие — в «миноре». Если настроение влияет на их ответы по заданному критерию выборки, это может искусственно завышать или занижать наблюдаемые оценки. Например, в случае с истинным значением 1 случайная погрешность может дать как -0,8, так и +0,5 к этому числу. Очень часто это случается при оценке времени ответа, например.

Случайная погрешность добавляет изменчивости данным, но не оказывает постоянного влияния на всю выборку. Вместо этого она произвольно изменяет измеряемые значения в диапазоне. В маркетинговой практике считается, что все случайные погрешности в распределении перекрывают друг друга и практически не влияют на конечный результат. Поэтому случайная погрешность считается «шумом» и в расчет не принимается. Эту погрешность нельзя устранить совсем, но можно уменьшить, просто увеличив размер выборки.

Что такое систематическая погрешность

Систематическая погрешность существует в результатах исследования, если эти результаты показывают устойчивую тенденцию к отклонению от истинных значений. Иными словами, если полученные цифры постоянно выше или ниже расчетных, речь идет о том, что в данных имеется систематическая погрешность.

В маркетинговых исследованиях есть два основных типа систематической погрешности: погрешность выборки и погрешность измерения. 

Погрешность выборки

Погрешность выборки возникает, когда выборка, используемая в исследовании, не репрезентативна для всей совокупности данных. Типы такой погрешности включают погрешность структуры, погрешность аудитории и погрешность отбора.

Погрешность структуры

Погрешность структуры возникает из-за использования неполной или неточной основы для выборки. Распространенным источником такой погрешности в рамках маркетинговых исследований является проведение какого-либо опроса по телефону на основе существующего телефонного справочника или базы данных абонентов. Многие данные там указаны неполно или неточно — например, если люди недавно переехали или изменили свой номер телефона. Также такие данные часто указывают неполную или неверную демографию.

Если в качестве основы для исследования взят телефонный справочник, оно подвержено погрешности структуры, так как не учитывает всех возможных респондентов.

Погрешность аудитории

Погрешность аудитории возникает, если исследователь не знает, как определить аудиторию для исследования. Пример — оценка результатов исследования, проведенного среди клиентов крупного банка. Доля ответов на анкету составила чуть менее 1%. Анализ профессий всех опрошенных показал, что процент пенсионеров среди них в 20 раз выше, чем в целом по городу. Если эта группа значительно различается по интересующим переменным, то результаты будут неверными из-за погрешности аудитории.

Погрешность отбора

Даже если маркетологи правильно определили структуру и аудиторию, они не застрахованы от погрешности отбора. Она возникает, когда процедуры отбора являются неполными, неправильными или не соблюдаются должным образом. Например, интервьюеры при полевом исследовании могут избегать людей, которые живут в муниципальных домах. Потому что, по их мнению, жители вряд ли согласятся пройти такой опрос. Если жители муниципальных домов отличаются от тех, кто проживает в домах бизнес-класса, в результаты опроса будет внесена погрешность отбора.

Как минимизировать погрешность выборки

• Знайте свою аудиторию.
  Знайте, кто покупает ваш продукт, использует его, работает с вами и так далее. Имея базовую социально-экономическую информацию, можно составить стабильную выборку целевой аудитории. Маркетинговые исследования часто касаются одной конкретной группы населения — например, пользователей Facebook или молодых мам.
• Разделите аудиторию на группы.
  Вместо случайной выборки разбейте аудиторию на группы в соответствии с их численностью в общей совокупности данных. Например, если люди с определенной демографией составляют 35% населения, убедитесь, что 35% респондентов исследования отвечают этому условию.
• Увеличьте размер выборки.
  Больший размер выборки приводит к более точному результату.

Погрешность измерения

Погрешность измерения представляет собой серьезную угрозу точности исследования. Она возникает, когда существует разница между искомой информацией — то есть истинным значением, и информацией, фактически полученной в процессе измерения. К таким погрешностям приводят различные недостатки процесса исследования. Погрешность измерения, в основном, вызывается человеческим фактором — например, формулировкой вопросника, ошибками ввода данных и необъективными выводами.

К погрешностям измерения приводят следующие виды ошибок.

Ошибка цели

Ошибка цели возникает, когда существует несоответствие между информацией, фактически необходимой для решения проблемы, и данными , которые собирает исследование. Например, компания Kellogg впустую потратила миллионы на разработку завтраков для снижения уровня холестерина. Реальный вопрос, который нужно было бы задать в исследовании, заключался в том, купят ли люди овсяные хлопья для решения своей проблемы. Ответ «Нет» обошелся бы компании дешевле.

Предвзятость ответов

Некоторые люди склонны отвечать на конкретный вопрос определенным образом. Тогда возникает предвзятость ответа. Предвзятость ответа может быть результатом умышленной фальсификации или неосознанного искажения фактов.

Умышленная фальсификация происходит, когда респонденты целенаправленно дают неверные ответы на вопросы. Есть много причин, по которым люди могут сознательно искажать информацию. Например, они хотят скрыть  или хотят казаться лучше, чем есть на самом деле.

Бессознательное искажение информации происходит, когда респондент пытается быть правдивым, но дает неточный ответ. Этот тип предвзятости может возникать из-за формата вопроса, его содержания или по другим причинам.

Предвзятость интервьюера

Интервьюер оказывает влияние на респондента — сознательно или бессознательно. Одежда, возраст, пол, выражение лица, язык тела или тон голоса могут повлиять на ответы некоторых или всех респондентов.

Ошибка обработки

Примеры включают наводящие вопросы или элементы дизайна анкеты, которые затрудняют запись ответов или приводят к ошибкам в них.

Ошибка ввода

Это ошибки, возникающие при вводе информации. Например, документ может быть отсканирован неправильно, и его данные по ошибке перенесутся неверно. Или люди, заполняющие опросы на смартфоне или ноутбуке, могут нажимать не те клавиши.

Виды проводимых маркетинговых исследований различны, поэтому универсальных рецептов не существует. Мы дадим несколько общих советов, используемых для минимизации систематических погрешностей разного типа.

Как минимизировать погрешность измерения

• Предварительно протестируйте.
  Погрешностей обработки и предвзятости можно избежать, если проводить предварительные тесты вопросника до начала основных интервью.
• Проводите выборку случайным образом.
  Чтобы устранить предвзятость, при выборке респондентов можно включать каждого четвертого человека из общего списка.
• Тренируйте команду интервьюеров и наблюдателей.
  Отбор и обучение тех, кто проводит исследования, должен быть тщательным. Особое внимание нужно уделять соблюдению инструкций в ходе каждого исследования.
• Всегда выполняйте проверку сделанных записей.
  Чтобы исключить ошибки ввода, все данные, вводимые для компьютерного анализа, должны быть перепроверены как минимум дважды.

Мир без ошибок  не может существовать. Но понимание факторов, влияющих на маркетинговые исследования и измеряемые погрешности, имеет важное значение для сбора качественных данных.

ПРИМЕР:

Для измерения длины болта использованы метровая линейка с
делениями  0,5 см  и линейка с
делениями  1 мм. В обоих случаях получен результат  3,5
см. Ясно, что в первом случае отклонение найденной длины  3,5
см  от истинной, не
должно по модулю превышать  0,5 см, во втором случае 
0,1 см.

Если этот же результат получится при измерении
штангенциркулем, то

p(l; 3,5) = |l – 3,5 ≤ 0,01|.

Данный пример показывает зависимость абсолютной
погрешности и границ, в которых находится точный результат, от точности
измерительных приборов. В одном случае  ∆l = 0,5  и, следовательно,

3
≤ l ≤ 4,

в другом – ∆l = 0,1  и

3,4
≤ l ≤ 3,6.

ПРИМЕР:

Длина листа бумаги формата  А4  равна  (29,7 ± 0,1)
см. А расстояние от Санкт-Петербурга до Москвы равно  (650 ± 1) км. Абсолютная погрешность в первом случае
не превосходит одного миллиметра, а во втором – одного километра. Необходимо
сравнить точность этих измерений.

РЕШЕНИЕ:

Если вы думаете, что длина листа измерена точнее потому,
что величина абсолютной  погрешности не
превышает  1 мм, то вы ошибаетесь.
Напрямую сравнить эти величины нельзя. Проведём некоторые рассуждения.

При измерении длины листа абсолютная погрешность не
превышает  0,1 см на  29,7 см, то есть в процентном отношении это составляет

0,1
: 29,7 ∙ 100% ≈ 0,33%

измеряемой величины.

Когда мы измеряем расстояние от Санкт-Петербурга до
Москвы, то абсолютная погрешность не превышает 
1 км 
на  650 км, что в процентном соотношении составляет

1
: 650 ∙ 100% ≈ 0,15%

измеряемой величины.

Видим, что расстояние между городами измерено точнее, чем
длинна листа формата  А4.

Истинное значение
измеряемой величины известно бывает лишь в очень редких случаях, а поэтому и
действительная величина абсолютной погрешности почти никогда не может быть вычислена.
На практике абсолютной погрешности недостаточно для точной оценки измерения.
Поэтому на практике более важное значение имеет определение относительной
погрешности измерения.

Относительная погрешность.

Абсолютная
погрешность, как мы убедились, не даёт возможности судить о качестве измерения.
Поэтому для оценки качества приближения вводится новое понятие – относительная
погрешность. Относительная погрешность позволяет судить о качестве измерения.

Относительная погрешность –
это частное от деления абсолютной погрешности на модуль приближённого значения
измеряемой величины, выраженная в долях или процентах. 

Относительная
погрешность величина всегда положительная. Это следует из того, что абсолютная погрешность
всегда положительная величина, и мы делим её на модуль приближённого значения
измеряемой величины, а модуль тоже всегда положителен.

ПРИМЕР:

Округлим дробь  14,7 до целых и найдём относительную погрешность приближённого
значения:

14,7 ≈ 15,

Для вычисления
относительной погрешности, кроме приближённого значения, нужно знать ещё и
абсолютную погрешность. Обычно абсолютная погрешность неизвестна, поэтому
вычислить относительную погрешность нельзя. В таких случаях ограничиваются
оценкой относительной погрешности.

ПРИМЕР:

При измерении в (сантиметрах) толщины 
b 
стекла и длины  l  книжной полки
получили следующие результаты:

b ≈ 0,4 с
точностью до  0,1,

l ≈ 100 с
точностью до  0,1.

Абсолютная погрешность каждого из этих измерений не
превосходит  0,1. Однако  0,1  составляет
существенную часть числа  0,4  и
ничтожную часть числа  100. Это показывает, что качество второго
измерения намного выше, чем первого.

В результате измерения нашли,
что  b ≈ 0,4  с точностью до  0,1, то
есть абсолютная погрешность измерения не превосходит  0,1.
Значит, отношение абсолютной погрешности к приближённому значению меньше или равно

то есть относительная погрешность приближения не превосходит  25%.

Аналогично найдём, что
относительная погрешность приближения, полученного при измерении длины полки,
не превосходит

Говорят, что в первом случае измерение выполнено с
относительной точностью до  25%,
а во втором – с относительной точностью до  0,1%.

ПРИМЕР:

Если взять абсолютную погрешность в  1
см,  при измерении длины отрезков  10
см  и  10
м, то относительные погрешности будут соответственно равны  10%  и  0,1%. Для
отрезка длиной в  10 см  погрешность
в  1
см  очень велика, это ошибка в  10%. А для десятиметрового отрезка  1 см  не имеет значения, эта ошибка всего в   0,1%.

Чем меньше относительная погрешность
измерения, тем оно точнее.

Различают
систематические и случайные погрешности.

Систематической погрешностью называют ту погрешность, которая остаётся неизменной при
повторных измерениях.

Случайной погрешностью называют ту погрешность, которая возникает в результате
воздействия на процесс измерения внешних факторов и может изменять своё
значение.

В большинстве
случаев невозможно узнать точное значение приближённого числа, а значит, и
точную величину погрешности. Однако почти всегда можно установить, что
погрешность (абсолютная или относительная) не превосходит некоторого числа.

ПРИМЕР:

Продавец взвешивает арбуз на чашечных весах. В наборе
наименьшая гиря – 50
г. Взвешивание показало  3600 г. Это число – приближённое. Точный вес арбуза
неизвестен. Но абсолютная погрешность не превышает  50
г. Относительная погрешность не превосходит 

⁵⁰/₃₆₀₀ ≈
1,4%.

Число, заведомо превышающее абсолютную погрешность (или в худшем случае равное ей), называется предельной абсолютной
погрешностью.

Число, заведомо превышающее относительную погрешность (или в худшем случае равное ей), называется предельной относительной
погрешностью.

В предыдущем примере
за предельную абсолютную погрешность можно взять  50 г, а за предельную относительную погрешность  1,4%.

Величина предельной
погрешности не является вполне определённой. Так в предыдущем примере можно
принять за предельную абсолютную погрешность 
100 г, 150 г  и вообще всякое
число, большее чем  50 г.
На практике берётся по возможности меньшее значение предельной погрешности. В
тех случаях, когда известна точная величина погрешности, эта величина служит
одновременно предельной погрешностью. Для каждого приближённого числа должна
быть известна его предельная погрешность (абсолютная или относительная). Когда
она прямо не указана, подразумевается что предельная абсолютная погрешность
составляет половину единицы последнего выписанного разряда. Так, если приведено
приближённое число  4,78  без указания предельной погрешности, то подразумевается,
что предельная абсолютная погрешность составляет  0,005. В следствии этого соглашения всегда можно обойтись без указания
предельной погрешности числа.

Предельная
абсолютная погрешность обозначается греческой буквой  ∆ (<<дельта>>),
предельная относительная погрешность – греческой буквой  δ
(<<дельта малая>>). Если приближённое число обозначить буквой  а,