<\/p>\n
La distorsione da sottostima<\/strong> \u00e8 la distorsione che si verifica quando alcuni membri di una popolazione non sono sufficientemente rappresentati nel campione.<\/span><\/p>\n Questo tipo di distorsione si verifica spesso nel campionamento di convenienza<\/a> enel campionamento a risposta volontaria<\/a> , in cui si raccoglie un campione facile da ottenere ma spesso soggetto a sottostima di alcuni membri di una popolazione.<\/span><\/p>\n La distorsione da sottostima \u00e8 un problema perch\u00e9<\/span> fa s\u00ec che il campione non sia rappresentativo della popolazione. L’obiettivo della raccolta dei dati per un campione \u00e8 ottenere dati in modo pi\u00f9 rapido e semplice rispetto alla raccolta dei dati per un’intera popolazione ed essere in grado di estrapolare i risultati dal campione alla popolazione pi\u00f9 ampia. Largo.<\/span><\/p>\n Tuttavia, per poter estrapolare i risultati, il campione deve essere rappresentativo della nostra popolazione<\/a> nel suo insieme. Idealmente, vorremmo che il nostro campione fosse una versione \u201cmini\u201d della popolazione. Sfortunatamente, la distorsione da sottostima pu\u00f2 far s\u00ec che le persone del nostro campione appaiano molto diverse da quelle della popolazione pi\u00f9 ampia.<\/span><\/p>\n Ad esempio, supponiamo che i ricercatori vogliano sapere cosa pensano i cittadini di una determinata citt\u00e0 riguardo a una potenziale nuova legge. Per raccogliere i dati, si recano in una biblioteca vicina e chiedono ai visitatori cosa pensano della potenziale nuova legge. Sebbene questo sia un modo conveniente per raccogliere dati, i ricercatori rischiano di sottostimare diversi tipi di persone, tra cui:<\/span><\/p>\n Poich\u00e9 questo studio esclude alcuni tipi di persone, \u00e8 improbabile che i risultati dello studio siano rappresentativi della popolazione.<\/span><\/p>\n Ad esempio, supponiamo che le persone che frequentano questa particolare biblioteca abbiano molte pi\u00f9 probabilit\u00e0 di sostenere la potenziale nuova legge rispetto al resto della popolazione. Ci\u00f2 significa che quando i risultati del sondaggio saranno noti, sembrer\u00e0 che un’alta percentuale di cittadini di questa citt\u00e0 sostenga la potenziale nuova legge, quando in realt\u00e0 la maggior parte dei cittadini non lo fa.<\/span><\/p>\n L’immagine seguente illustra questo problema: supponiamo che i cerchi verdi rappresentino le persone a favore della nuova legge mentre i cerchi rossi rappresentino le persone contrarie alla nuova legge:<\/span><\/p>\n Si noti che la maggior parte delle persone a favore della nuova legge sono incluse nel campione, ma non \u00e8 rappresentativo della popolazione nel suo insieme. Secondo quanto riferito, i risultati del sondaggio mostrano che la maggior parte delle persone \u00e8 favorevole alla nuova legge, quando in realt\u00e0 ci\u00f2 non \u00e8 vero.<\/span><\/p>\n Gli esempi seguenti illustrano diversi casi in cui pu\u00f2 verificarsi una distorsione da sottostima.<\/span><\/p>\n I ricercatori vogliono sapere cosa pensano i cittadini di una determinata citt\u00e0 della costruzione di un nuovo parco. Per raccogliere dati, i ricercatori partecipano a un incontro cittadino locale e chiedono ai residenti cosa pensano. Sfortunatamente, questa forma di campionamento di convenienza pu\u00f2 soffrire di una sottostima dei seguenti gruppi:<\/span><\/p>\n Pertanto, le opinioni di queste persone non verranno prese in considerazione nei risultati dello studio. A causa della sottostima di questi gruppi specifici, \u00e8 improbabile che il campione sia rappresentativo della popolazione nel suo insieme.<\/span><\/p>\n I ricercatori vogliono sapere quante ore al giorno le persone guardano la televisione in un dato paese. Per raccogliere i dati per lo studio, hanno scelto casualmente nomi da un elenco telefonico locale e hanno chiamato le persone per chiedere loro informazioni sul consumo televisivo. Questa \u00e8 una forma di campionamento di convenienza e potrebbe soffrire di sottostima dei seguenti gruppi:<\/span><\/p>\n Pertanto, in questo studio la quantit\u00e0 di televisione guardata da persone molto ricche e da giovani sar\u00e0 sottostimata. A causa della sottostima di questi gruppi specifici, \u00e8 improbabile che il campione sia rappresentativo della popolazione nel suo insieme.<\/span><\/p>\n I ricercatori vogliono sapere cosa pensano i cittadini di una determinata citt\u00e0 riguardo al nuovo codice della strada. Quindi distribuiscono un questionario alle persone che passano per un centro commerciale locale. Si<\/span> tratta di una forma di campionamento di convenienza che pu\u00f2 soffrire di una sottocopertura dei seguenti gruppi:<\/span><\/p>\n Pertanto, le opinioni di queste persone non verranno prese in considerazione nei risultati dello studio. A causa della sottostima di questi gruppi specifici, \u00e8 improbabile che il campione sia rappresentativo della popolazione nel suo complesso.<\/span><\/p>\n La distorsione da sottostima spesso deriva dal campionamento di convenienza. Per eliminare (o almeno minimizzare) gli effetti della distorsione da sottostima, una forma migliore di campionamento consiste nell’utilizzare un campione casuale semplice<\/a> .<\/span><\/p>\n In questo tipo di campione, ogni membro di una popolazione ha la stessa probabilit\u00e0 di essere selezionato per far parte del campione.<\/span><\/p>\n Il vantaggio di questo approccio \u00e8 che i campioni casuali semplici sono generalmente rappresentativi della popolazione di interesse poich\u00e9 ciascun membro ha le stesse probabilit\u00e0 di essere incluso nel campione.<\/span><\/p>\n Quando utilizziamo questo approccio invece del campionamento di convenienza, possiamo essere pi\u00f9 fiduciosi nella nostra capacit\u00e0 di estrapolare i risultati del campione alla popolazione pi\u00f9 ampia, perch\u00e9 \u00e8 probabile che i membri di ogni (o quasi ogni) gruppo della popolazione siano inclusi nel campione. . .<\/span><\/p>\n Cos\u2019\u00e8 il bias di autoselezione? La distorsione da sottostima \u00e8 la distorsione che si verifica quando alcuni membri di una popolazione non sono sufficientemente rappresentati nel campione. Questo tipo di distorsione si verifica spesso nel campionamento di convenienza enel campionamento a risposta volontaria , in cui si raccoglie un campione facile da ottenere ma spesso soggetto a sottostima di alcuni […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Perch\u00e9 la distorsione da sottostima \u00e8 un problema?<\/strong><\/span><\/h3>\n
\n
Esempi di bias di sottostima<\/strong><\/span><\/h2>\n
Esempio 1<\/strong><\/span><\/h3>\n
\n
Esempio 2<\/strong><\/span><\/h3>\n
\n
Esempio 3<\/strong><\/span><\/h3>\n
\n
Come prevenire i bias di sottostima<\/strong><\/span><\/h2>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Cos\u2019\u00e8 il pregiudizio SEO?<\/a>
Cos\u2019\u00e8 il bias da mancata risposta?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"