Цитаты из книг автора «Richard E. Nisbett»

Среднеквадратическое отклонение — это квадратный корень из дисперсии переменной величины. В принципе, среднеквадратическое отклонение не слишком отличается от среднего, но обладает кое-какими чрезвычайно полезными свойствами

Но есть еще более действенный способ вычисления дисперсии, который можно применить к любой непрерывной переменной величине. Это среднеквадратическое отклонение, оно же СКО, обозначаемое греческой буквой σ (сигма)

Другой, более эффективный способ измерения дисперсии — метод среднего отклонения от среднего значения.

Существует несколько способов описать дисперсию (разброс, отклонение) значений переменной от ее среднего значения. Один из них — подсчитать размах выборки — разность наибольшего и наименьшего значений

Непрерывная переменная величина (которая может непрерывно изменяться в диапазоне от наименьшего до наибольшего значения — как, например, рост людей), в отличие от дискретной переменной (например, в случае с гендерной идентификацией или политическими пристрастиями), всегда имеет среднее значение и распределение относительно среднего значения

Помните, что иллюзия важности собеседования и фундаментальная ошибка атрибуции (ФОА) — явления одной природы. То и другое усугубляется тем, что нам никогда не удается уделить нужное количество внимания той информации, которая имеется о человеке. Если бы мы лучше понимали смысл ФОА, мы бы гораздо больше сомневались в той информации, которую дает собеседование. Точное применение закона больших чисел также делает нас менее подверженными ФОА и иллюзии собеседования.

Наблюдение = истинное значение + ошибка. Это верно для любых расчетов и исследований, даже если речь идет о росте людей или температуре воздуха. Повысить точность полученного значения можно двумя способами. Первый — усовершенствовать средства наблюдения, то есть найти линейки и термометры поточнее. Второй способ — «исключить» ошибки наблюдений, сколько бы их ни было, расширив выборку. Увеличьте количество наблюдений и найдите среднее значение на основе всех наблюдений в сумме. И не забывайте о законе больших чисел: чем больше сделано наблюдений, тем вы ближе к истине.

Если в выборке имеется смещение, то чем больше выборка, тем больше можно быть уверенным, что результат ошибочен. Нужно отметить, что на самом деле выборка для опросов перед общенациональными выборами формируется вовсе не методом слепого отбора. Это было бы оправданно, если бы все избиратели в стране имели равные шансы попасть в выборку. Если это не так, вы рискуете получить серьезную ошибку выборки.

Закон больших чисел работает только для несмещенных выборок. Выборка оказывается смещенной (необъективной), если процесс ее составления допускает возможность того, что данное выборочное значение является ошибочным.

Попутно замечу, что точность выборочной статистики (средняя величина, медианное значение, среднеквадратическое отклонение и т.д.) по существу не зависит от размера популяции, из которой взята выборка. Для прогноза результатов общенациональных выборов опрашивают около 1000 человек, и погрешность обычно находится в пределах ±3%. Выборка в 1000 человек дает примерно одинаковый прогноз процентной поддержки кандидата при голосовании и 100 млн, и 10 000 человек