Araştırmada Veri Değerlendirmesi: Doğruluk, Kesinlik ve Hata Türleri

Bilimsel verileri incelerken veya gözden geçirirken, bilimsel verileri dikkatli bir şekilde incelemek ve değerlendirmek esastır ve birinci derecede önemlidir. Bilimsel veriler, politika oluşturmada çok önemli bir faktördür ve ayrıca araştırma yürütmede derin ve geniş kapsamlı bir etkiye sahiptir. Veriler, doğru ve kesin hesaplamalarla sunulduğunda, bilimsel veri değerlendirmesini başarılı kılmak için uzun bir yol kat eder. Kararlar doğru bilimsel verilerle desteklendiğinde, bilimsel araştırmaya daha fazla güvenilirlik kazandırır.

Bilimsel verilerin doğruluğu deneyin kesinliğine bağlıdır. Bir deneyi defalarca tekrarlamak, yalnızca birkaç kez deneyerek toplanan verilerden daha doğru veriler ve daha fazla bilgi verir. Bu tür veriler, deney yaparken aynı adımları tekrar tekrar tekrarlayarak elde edilir. Deneyi tekrarlamak beklenmeyen hatalara yol açar ve bunları reddetme şansı verir. Veriler hatasız olduğunda doğru hale gelir ve deneyden elde edilmesi beklenen sonucu verir.

Bilimsel verilerde hata, kesinlik, doğruluk gibi terimler büyük önem taşır. Bilimsel araştırmalarda veri değerlendirmesinin nasıl çalıştığını daha iyi anlamak için biraz ayrıntılı olarak anlaşılmaları gerekir. Ayrıca bilimsel araştırmanın başarılı olabilmesi için bu terimler arasındaki ilişkinin çeşitli şekillerde algılanması gerekmektedir.

Kesinlik

Ölçüm doğru olduğunda gerçek değere çok yakındır. Gerçek değer, önceden bilinmeyen ancak genellikle elde edilmesi beklenen istenen değerdir. Doğruluk, dartın her atılışında hedef aldığı boğa gözüne vurmak gibidir. Dart, hedefi ıskalarsa ve ona çarpacak kadar yakınsa, dartın doğruluğunu ölçer. Gerçek değer ile kabul edilen değer arasındaki herhangi bir fark bir hatadır.

Örneğin başka bir örnek alın. Bir sıvının hacmi 100 ml olarak alınacaksa ve bunun yerine ölçülen hacim 98 ml ise, deneyin doğruluğunu vermeye çok yakındır. Doğruluk, ölçümün gerçek veya kabul edilen değere ne kadar yakın olduğu olarak tanımlanır. Doğruluk, birkaç ölçüm yapılarak ve ölçüm değerlerinin ortalaması alınarak elde edilir. Bunlar arasındaki fark, pozitif veya negatif olarak ifade edilebilir. Pozitif değer aynı zamanda mutlak değerdir ve yüksek puanla okunur. Negatif bir değer, okuma düşük bir puandayken de mutlak değerdir.

Sizin için önerilenler: Veri Bilimi ve Yapay Zeka – Farklar Nelerdir?

Doğruluk nasıl ölçülür

Doğruluk mutlak veya göreli olabilir. Yine doğruluk, hatalar veya değerlerdeki farklılıklar açısından ölçülür. Böylece mutlak bir doğruluk veya göreceli bir doğruluk elde ederiz.

Mutlak hata: Mutlak doğruluk, ölçülen değer ile gerçek değer arasındaki farktır. Ölçülen değer gerçek değerden düşükse sonuç negatif veya eksidir. Ve ölçülen değer gerçek veya gerçek değerden yüksek olduğunda, sonuç pozitif veya artı değerdir. Bu, basit bir hesaplama ile de ifade edilebilir: Mutlak hata = Ölçülen değer – Gerçek değer.

Göreceli hata: Bu, yüzde olarak ölçülür. Mutlak hata, gerçek değere bölünüp 100 ile çarpıldığında, göreli hata yüzdesi elde ederiz. Duruma göre binde kısım veya milyonda kısım olarak da ifade edilir. Böylece, bağıl hataya aşağıdaki formüllerle ulaşılabilir:

 Göreceli hata = {(Ölçülen değer – Gerçek değer) / Gerçek değer} x %100

Kesinlik

Kesinlik, veri değerlendirmesini etkileyen başka bir faktördür. Aynı koşullarda elde edilen ve deneyi defalarca tekrarlayan değerler olarak söylenebilir. Dart oyunu örneğinde, eğer dart sürekli olarak boğa gözünü kaçırıyorsa ve aynı noktaya, boğa gözüne yakın bir noktaya tekrar tekrar vuruyorsa, bu, dartın ne kadar hassas olduğunun bir ölçüsüdür. Bilimsel analize geri dönecek olursak, kesinlik aynı ölçümün elde edilme sayısıdır. Gerçek ve istenen sıvı hacminin 100 ml olması bekleniyorsa ve deney yapıldığında her 10 defada bir sonuç 80 ml'ye ulaşmışsa, verilerin kesin olduğu söylenebilir. Çünkü sonuç, sıvının hacminin 80 ml olduğu ve deney yapıldığında her 10 defada bir elde edildiği olmuştur.

Doğruluk ve kesinlik bağımsız terimler değildir, birbirleriyle ilişkilidir. Bu, hatalar cinsinden ifade edilir. Hatalara hatalı aletler ve ayrıca insanlar neden olur. Bunlar ayrıca Sistematik Hatalar ve Rastgele Hatalar olarak sınıflandırılabilir. Hataları anlamak, doğruluk ve kesinlik terimlerini anlamanın daha iyi bir yoludur.

Sistematik hata

Bir deney için alınan hatalı aletlerin veya ölçümler için eski ve güncel olmayan aletlerin kullanılmasından kaynaklanan hatalar Sistematik hatalardır. Örneğin, paslanmış ve eski ölçü terazileri kullanmak. Sistematik hatalar genellikle ölçüm yapan veya deney yapan kişinin hatası değildir. Hataya neden olan sistemdeki veya kullanılan kurulumdaki bir hatadır. Böyle bir hata, eskiyi yenisiyle değiştirerek ve kullanılan sistemleri ayarlayıp düzelterek düzeltilebilir.

Örneğin, dartların sol tarafa çarpmaya devam ettiği bir açıyla sabitlenmiş bir dart tahtası sistematik bir hatadır ve dart tahtasının yeniden hizalanması bu hatayı düzeltecektir. Paslı ve eski bir ölçüm skalası, yeni bir skala ile değiştirilebilir, böylece işaretler kalın ve görünür olur ve hatayı giderir. Ancak eski bir cetvelden birden fazla ölçüm alırsanız ve ortalama ölçümleri alırsanız, sonuç gerçek değerden çok uzak olacaktır.

Sistematik hatalar şunlar olabilir:

• Hesaplamalardaki hatalar.
• Yanlış sıcaklıklar almak.
• Çeşitli aşamalarda mekanik malzeme kaybı.
• Analizlerde saf olmayan maddeler kullanılmıştır.
• Okuma almada hatalar.
• Aletler uygun şekilde kalibre edilmemiş.
• Eşit olmayan uzunlukta kollar.
• Deneye giren yabancı maddeler.
• Bir deney için saf olmayan kimyasallar kullanmak.

Şunları beğenebilirsiniz: Sosyal Medya Reklamlarınızda Avantaj Sağlamak için Büyük Verileri Uygulamak.

Rastgele hata

Rastgele hataların düzeltilmesi nispeten daha kolaydır. Bu hata, bir tür insan hatasıdır ve okumaları alan veya deneyi yapan kişilerin yaptığı bir yargı hatasıdır. Birden fazla okuma yapmak ve ardından ortalama bir rakama ulaşmak, gerçek değere daha yakın olacaktır.

Önemli Rakamlar

Anlamlı Bir Rakam, pratik değeri olan bir rakamdır. Bir rakamın anlamlı rakamlara sahip olup olmadığı kavramını anlayarak, bazı kurallar görebiliriz. Bu kurallar, pratik değeri olan ve pratik değeri olmayan rakamları tanımak için geçerlidir ve bir sayıdaki yeri onu hiçbir şekilde etkilemez. Bu kurallar:

• 'Sıfır' olmayan rakamlar her zaman önemlidir. Örneğin, 269 önemli bir rakamdır.
• Başlangıçtaki sıfırlar önemli değildir. Örneğin, 0.065.
• Tutsak sıfırlar önemlidir. Örneğin, 2.0085.
• Bir sayının ondalık noktaları varsa ve sayının arkasında sıfırlar varsa, sayı önemlidir. Örneğin, 3.65800.
• Sıfır önemli bir rakam olabilir veya olamaz. Bir sayının neresine yerleştirildiğine bağlıdır. Örneğin, 15.0002598 veya 25.365100'de sıfırlar önemli rakamlardır. Ondalık noktadan önce sıfır, örneğin 0.00258, sıfırların herhangi bir pratik değeri olmadığından yalnızca üç anlamlı rakam vardır.

Ayrıca, önemli rakamlar da bir dizi kural tarafından belirlenir, bunlar:

• Toplama/çıkarma, en düşük ondalık basamak sayısına yuvarlanır.
• Çarpma/bölme, en düşük anlamlı rakam sayısına yuvarlanır.
• Logaritmalar, girdideki birkaç anlamlı rakam, sonuçtaki ondalık sayıların sayısıyla eşleşecek şekilde yuvarlanır.
• Üs, yalnızca tabandaki kesinliğe yuvarlanır.
• Sondaki sıfırlar, sayıdan sonra ondalık basamaktan sonra yerleştirilir. Örneğin, 1200.
• Son adımda yuvarlar. Uygulanabilir olduğunda parantezden sonra gelir.

Önemli Rakamlar hesaplama ve hesap makinesi

Good Calculators'ın kendi Anlamlı Rakam Hesaplayıcısı vardır ve bir sayının kaç tane anlamlı rakam içerdiğini hesaplar ve hesaplar.

Önemli Rakamlar Hesaplayıcı hangi operatörleri ve işlevleri destekler?

• Toplama (+), çıkarma (-), bölme (/ veya ÷), çarpma (* veya x), üs (^) gibi aritmetik fonksiyonlar.
• () gibi grup sembolleri.
• log n, ln n gibi işlevler.
• pi gibi sabitler, e.

Şunlar da hoşunuza gidebilir: Derin Verilerde Teknoloji Kazma: Gerçek Dünyada Küresel Hazine Avı.

Sonuçların doğruluğu için Anlamlı Sayılar Hesaplayıcı nasıl kullanılır?

Bazen Anlamlı Sayılar Hesaplayıcısını hesaplarken, sonuç verileri doğru değildir. Bu nedenle, verilerde daha fazla doğruluk elde etmek için sayının sonuna # koyun. Örneğin, 6.24#.

 Örnek: 10.00698 ÷ 13.6 = 0.736 (Önemli Rakamlar 3'tür).

 10.00698 ÷ 13.6# = 0.7358074 (Önemli Rakamlar 7'dir).

Sayının sonuna # sembolü eklemek, sadece bir sayı koymaktan daha doğru sonuçlar verir. Anlamlı Rakamlar, ölçümlerde ve hesaplamalarda daha fazla kesinlik sağlamanın bir yoludur. Önemli bir rakamın hesaplanmasında yukarıdaki kuralları uygulayarak, kullanıcılar sonuçlara ulaşmada daha kesin olabilirler. Bilimsel hesaplamaların tüm alanlarında uygulanabilir ve bilimsel verilerin değerlendirilmesinde ilgili ve doğrudan bir etkiye sahiptir.