El sesgo es el error en las estimaciones debido a errores sistemáticos que conducen a resultados consistentemente altos o bajos en comparación con los valores reales. El sesgo individual de una estimación que se sabe que es sesgada es la diferencia entre los valores estimados y reales. Si no se sabe que la estimación es parcial, la diferencia también podría deberse a un error aleatorio u otras imprecisiones. Contrario al sesgo, que siempre actúa en una dirección, estos errores pueden ser positivos o negativos.

Para calcular el sesgo de un método utilizado para muchas estimaciones, encuentre los errores restando cada estimación del valor real u observado. . Sume todos los errores y divida por el número de estimaciones para obtener el sesgo. Si los errores se suman a cero, las estimaciones fueron imparciales, y el método arroja resultados imparciales. Si las estimaciones son parciales, es posible encontrar el origen del sesgo y eliminarlo para mejorar el método.

TL; DR (Demasiado largo; No leído)

Calcule el sesgo al encontrar la diferencia entre una estimación y el valor real. Para encontrar el sesgo de un método, realice muchas estimaciones y sume los errores en cada estimación en comparación con el valor real. Dividir por el número de estimaciones da el sesgo del método. En estadísticas, puede haber muchas estimaciones para encontrar un valor único. El sesgo es la diferencia entre la media de estas estimaciones y el valor real.

¿Cómo funciona Bias?

Cuando las estimaciones son parciales, son consistentemente erróneas en una dirección debido a errores en el sistema utilizado para la estimados. Por ejemplo, un pronóstico del tiempo puede predecir consistentemente temperaturas que son más altas que las realmente observadas. La previsión es parcial, y en algún lugar del sistema hay un error que da una estimación demasiado alta. Si el método de pronóstico es imparcial, aún puede predecir temperaturas que no son correctas, pero las temperaturas incorrectas a veces serán más altas y, a veces, más bajas que las temperaturas observadas.

El sesgo estadístico funciona de la misma manera, pero generalmente se basa en un gran número de estimaciones, encuestas o pronósticos. Estos resultados se pueden representar gráficamente en una curva de distribución y el sesgo es la diferencia entre la media de la distribución y el valor real. Si hay un sesgo, siempre habrá una diferencia, aunque algunas estimaciones individuales pueden caer a un lado del valor real.

Sesgo en las encuestas

Un ejemplo de sesgo es una empresa de encuestas que ejecuta sondeos durante las campañas electorales, pero los resultados de sus encuestas sobreestiman consistentemente los resultados de un partido político en comparación con los resultados reales de las elecciones. El sesgo se puede calcular para cada elección restando el resultado real de la predicción de la encuesta. El sesgo promedio del método de votación utilizado se puede calcular al encontrar el promedio de los errores individuales. Si el sesgo es grande y consistente, la compañía encuestadora puede intentar averiguar por qué su método es parcial.

El sesgo puede provenir de dos fuentes principales. O la selección de participantes para la encuesta es parcial, o el sesgo es el resultado de la interpretación de la información recibida de los participantes. Por ejemplo, las encuestas de internet son intrínsecamente parciales porque los participantes de la encuesta que completan los formularios de Internet no son representativos de toda la población. Este es un sesgo de selección.

Las empresas encuestadoras son conscientes de este sesgo de selección y lo compensan ajustando los números. Si los resultados aún son parciales, se trata de un sesgo de información porque las empresas no interpretaron la información correctamente. En todos estos casos, un cálculo de sesgo muestra hasta qué punto los valores estimados son útiles y cuándo los métodos necesitan ajustes.