تفاوت بین صحت (Accuracy) و دقت (Precision)
30 Views
صحت (Accuracy) و دقت (Precision)، ویژگی‌های بسیار مهم اندازه‌گیری‌های شما هستند، زمانی که برای انجام نتیجه‌گیری به داده‌ها تکیه می‌کنید. هر دو مفهوم در مورد مجموعه‌ای از اندازه‌گیری‌ها از یک سیستم اندازه‌گیری اعمال می‌شوند و به انواع خطای اندازه‌گیری مربوط می‌شوند.
سیستم‌های اندازه‌گیری، کمّی‌سازی ویژگی‌ها برای جمع‌آوری داده‌ها را آسان می‌کنند. آنها شامل مجموعه‌ای از ابزارها، نرم‌افزارها و پرسنل لازم برای ارزیابی ویژگی مورد نظر هستند. به عنوان مثال، یک پروژه تحقیقاتی که چگالی استخوان را مطالعه می‌کند، یک سیستم اندازه‌گیری برای تولید اندازه‌گیری‌های دقیق و صحیح چگالی استخوان ابداع خواهد کرد.
صفحه دارت نشان‌دهنده دقت و صحت است. اگر پروژه شما شامل جمع‌آوری داده‌ها برای تحقیق یا مدیریت کیفیت است، سیستم اندازه‌گیری شما باید داده‌هایی تولید کند که هم دقیق و هم دقیق باشند. از این گذشته، اگر نمی‌توانید به داده‌هایی که جمع‌آوری می‌کنید اعتماد کنید، پس قاعدتا نمی‌توانید به نتایج اعتماد کنید!
در حالی که مردم اغلب در مکالمات روزمره از دقت و صحت به جای یکدیگر استفاده می‌کنند، این دو در آمار، روش علمی، مهندسی و مدیریت کیفیت تعاریف متفاوتی دارند. درباره آنها بیشتر بدانید!
تعریف صحت یا درستی (Accuracy)
صحت ارزیابی می‌کند که آیا یک سری اندازه‌گیری‌ها به طور متوسط صحیح هستند یا خیر. به عنوان مثال، اگر طول یک قطعه ۵ میلی‌متر باشد، یک سری داده‌های صحیح یا درست، میانگینی تقریباً در حدود ۵ میلی‌متر خواهند داشت.
از نظر آماری، صحت به معنای عدم وجود سوگیری است. به عبارت دیگر، اندازه‌گیری‌ها به طور سیستماتیک خیلی زیاد یا خیلی کم نیستند. با این حال، صحت چیزی در مورد فاصله از هدف به شما نمی‌گوید.
لطفاً توجه داشته باشید که تعاریف نادرست صحت از دقت در اینترنت دیده‌ام. صحت، میزان نزدیکی اندازه‌گیری‌ها به هدف را ارزیابی نمی‌کند. در عوض، جنبه «صحیح به طور متوسط» را ارزیابی می‌کند. می‌توانید داده‌هایی داشته باشید که به طور متوسط صحیح هستند اما نسبتاً از مقدار مناسب فاصله دارند. این هنوز هم به عنوان صحت محسوب می‌شود!
صحت به گرایش مرکزی اندازه‌گیری‌ها مربوط می‌شود. صحت پایین با خطای سیستماتیک بالا در اندازه‌گیری‌ها مطابقت دارد. درباره خطای تصادفی در مقابل خطای سیستماتیک مطلبی تهیه خواهیم کرد.
تعریف دقت یا Precision
دقت نشان می‌دهد که اندازه‌گیری‌ها چقدر به یکدیگر نزدیک هستند. هر اندازه‌گیری در یک سری، دارای مؤلفه‌ای از خطای تصادفی است. این خطا باعث می‌شود که حتی هنگام اندازه‌گیری یک مورد مشابه، آنها تا حدی متفاوت باشند. به عنوان مثال، اندازه‌گیری مکرر یک قطعه 5 میلی‌متری یکسان، پراکندگی مقادیر را ایجاد می‌کند.
به این ترتیب، دقت به تکرارپذیری یا قابلیت تکرارپذیری مربوط می‌شود. وقتی یک چیز را چندین بار اندازه‌گیری می‌کنید، داده‌ها چقدر قابل تکرار هستند؟ اندازه‌گیری‌های با دقت بالا نسبت به اندازه‌گیری‌های با دقت پایین، به هم نزدیک‌تر هستند.
اندازه‌گیری‌ها زمانی دقیق هستند که شما یک مورد را چندین بار اندازه‌گیری کنید و مقادیر به یکدیگر نزدیک باشند. با این حال، دقت چیزی در مورد اینکه آیا مقادیر اندازه‌گیری شده به مقدار صحیح نزدیک هستند یا خیر، به شما نمی‌گوید. اندازه‌گیری‌ها می‌توانند به یکدیگر نزدیک باشند اما از مقدار مناسب فاصله داشته باشند.
دقت به تغییرپذیری اندازه‌گیری‌ها مربوط می‌شود. دقت پایین با خطای تصادفی بالا در اندازه‌گیری‌ها مطابقت دارد.
تحلیل‌های زیر دقت اندازه‌گیری را ارزیابی می‌کنند:
- پایایی بین ارزیابان: دقت رتبه‌بندی‌های ذهنی توسط ارزیابان متعدد را ارزیابی می‌کند.
- مطالعات R&R در مقیاس‌های مختلف: دقت و منابع تغییر در یک سیستم اندازه‌گیری را ارزیابی می‌کند.
نمونه‌هایی از صحت در مقابل دقت
ممکن است فکر کنید که داده‌های صحیح، دقیق نیز هستند و برعکس! اما این لزوماً درست نیست.
صحت ارزیابی می‌کند که آیا اندازه‌گیری‌ها به طور متوسط مقدار هدف را پیدا می‌کنند یا خیر، اما فاصله از هدف را نشان نمی‌دهد. می‌توانید داده‌هایی داشته باشید که به طور متوسط صحیح هستند اما نسبتاً از هدف فاصله دارند.
به عنوان مثال، یک پروژه قد افراد را اندازه‌گیری می‌کند، اما نوار اندازه‌گیری علامت‌های خیلی کمی دارد. پرسنل مقادیر بین خطوط را با چشم حدس می‌زنند و به طور متوسط درست هستند، اما اختلاف زیادی حول میانگین وجود دارد. این اندازه‌گیری‌ها حتی اگر در کل صحیح باشند، قابل تکرار نیستند.
از طرف دیگر، می‌توانید اندازه‌گیری‌های بسیار دقیقی داشته باشید که به هم نزدیک باشند اما به طور متوسط خارج از هدف باشند.
برای مثال، تصور کنید ترازوی حمام شما به طور مداوم خیلی بالا نشان می‌دهد. می‌توانید اندازه‌گیری‌های مکرر وزن خود را انجام دهید که بسیار ثابت هستند، اما در کل خیلی بالا هستند. داده‌ها دقیق هستند زیرا قابل تکرار هستند، اما نادرست یا ناصحیح هستند زیرا به طور سیستماتیک به سمت بالا متمایل هستند.
یک سیستم اندازه‌گیری معتبر هم صحیح و هم دقیق است. در این موارد، داده‌ها به طور متوسط صحیح هستند و به مقدار صحیح نزدیک هستند. به عنوان مثال، اگر وزن‌های ترازوی حمام شما روی مقدار مناسب قرار دارند و به هم نزدیک هستند، ترازوی معتبری دارید!
صحت در مقابل دقت روی تخته دارت
روش کلاسیک برای نمایش این مفاهیم، استفاده از دارت روی تخته دارت است! برای سادگی، من به مقدار پذیرفته شده یا صحیح به عنوان هدف اشاره می‌کنم. شما می‌خواهید اندازه‌گیری‌هایتان به این هدف برسد!
بالا دست چپ: نه صحت داریم نه دقت.
بالا دست راست: صحت نداریم (مرکز سیبل) اما دقت بالا بوده
پایین دست چپ: صحت بد نبوده و نسبتا بالا بوده اما دقت نداریم (تیرها پخش و نامنظم برخورد کرده)
پایین دست راست: صحت و دقت بالا (مرکز سیبل به دفعات)
چگونه صحت در مقابل دقت را به خاطر بسپاریم؟
در اینجا یک وسیله‌ی یادآوری مفید برای به خاطر سپردن اینکه کدام اصطلاح با کدام مفهوم مطابقت دارد، آورده شده است.
a صحت = صحیح. آیا اندازه‌گیری‌ها به طور متوسط درست هستند؟
p دقت = تکرارپذیر، قابل تکرار. وقتی یک مورد را چندین بار اندازه‌گیری می‌کنید، آیا مقادیر مشابهی به دست می‌آورید؟
چگونه صحت و دقت را آزمایش کنیم؟
شما می‌توانید از روش‌های تجزیه و تحلیل سیستم‌های اندازه‌گیری برای آزمایش صحت و دقت داده‌های خود استفاده کنید. این تجزیه و تحلیل‌ها رویه‌های تخصصی هستند که به طور خلاصه توضیح داده خواهند شد. آزمایش‌های علمی و مطالعات کنترل کیفیت معمولاً مقدار قابل توجهی از زمان و هزینه را برای ارزیابی سیستم‌های اندازه‌گیری خود صرف می‌کنند. باز هم، این موارد باید قبل از اینکه بتوانند به نتایج اعتماد کنند، به داده‌های خود اعتماد کنند!
مطالعات کالیبراسیون، صحت سیستم اندازه‌گیری شما را آزمایش می‌کنند. معمولاً، این مطالعات اقلامی را با طیف وسیعی از ویژگی‌های شناخته شده چندین بار اندازه‌گیری می‌کنند و مقادیر اندازه‌گیری شده را با مقادیر شناخته شده مقایسه می‌کنند. این فرآیند تعیین می‌کند که آیا اندازه‌گیری‌ها به طور متوسط صحیح هستند یا دارای سوگیری هستند. اگر داده‌ها دارای سوگیری بالا یا پایین باشند، می‌توانید دستگاه را دوباره کالیبره کنید تا روی مقادیر مناسب متمرکز شود.
مطالعات Gage R&R (تکرارپذیری و بازتولیدپذیری) دقت سیستم اندازه‌گیری شما را آزمایش می‌کنند. به طور خاص، آنها منابع تغییرپذیری اندازه‌گیری را با استفاده از روش ANOVA تعیین می‌کنند. معمولاً، مطالعات Gage R&R به شما می‌گویند که آیا اندازه‌گیری‌های شما تغییرپذیری زیادی دارند یا خیر و اقدامات اصلاحی خود را کجا باید هدف قرار دهید. آنها تعیین می‌کنند که چه مقدار تغییرپذیری از دستگاه‌ها و پرسنل سرچشمه می‌گیرد و به شما امکان می‌دهند منبع تغییرپذیری مشکل‌ساز را شناسایی کنید.
پاسخگوی سوالات و نظرات شما هستیم