Sesgo (estadísticas)

El sesgo estadístico es una característica de una técnica estadística o de sus resultados por la cual el valor esperado de los resultados difiere del verdadero parámetro cuantitativo subyacente que se está estimando . El sesgo de un estimador de un parámetro no debe confundirse con su grado de precisión, ya que el grado de precisión es una medida del error muestral.

Matemáticamente, el sesgo se define de la siguiente manera: sea una estadística utilizada para estimar un parámetro y denote el valor esperado de . Entonces, ${\ Displaystyle T}$ ${\ Displaystyle \ theta}$ ${\ Displaystyle \ operatorname {E} (T)}$ ${\ Displaystyle T}$

se llama sesgo de la estadística (con respecto a ). Si , entonces se dice que es un estimador insesgado de ; de lo contrario, se dice que es un estimador sesgado de . ${\ Displaystyle T}$ ${\ Displaystyle \ theta}$ ${\ Displaystyle \ operatorname {sesgo} (T, \ theta) = 0}$ ${\ Displaystyle T}$ ${\ Displaystyle \ theta}$ ${\ Displaystyle \ theta}$

No existe una notación estándar universalmente aceptada para el sesgo; comúnmente se denota por , o . El sesgo de una estadística siempre es relativo al parámetro que se usa para estimar, pero el parámetro a menudo se omite cuando el contexto deja claro lo que se está estimando. ${\ Displaystyle \ operatorname {sesgo}}$ ${\ Displaystyle \ operatorname {Sesgo}}$ ${\ Displaystyle \ operatorname {BIAS}}$ ${\ Displaystyle T}$ ${\ Displaystyle \ theta}$ ${\ Displaystyle \ theta}$

Cuando hacemos cualquier medición, habrá sesgo y, a veces, estos sesgos tendrán un impacto grave en nuestros resultados. Por ejemplo, para investigar los hábitos de compra de la gente. Si el tamaño de la muestra no es lo suficientemente grande, es posible que los resultados no sean representativos de los hábitos de compra de todas las personas. Es decir, puede haber discrepancias entre los resultados de la encuesta y los resultados reales. Por lo tanto, comprender la fuente del sesgo estadístico nos permite evaluar si nuestros resultados se acercan a los resultados reales.

Una estadística está sesgada si se calcula de tal manera que es sistemáticamente diferente del parámetro de población que se está estimando. A continuación, se enumeran algunos tipos de sesgos que pueden superponerse.