झूठी परिशुद्धता
This article needs additional citations for verification. (October 2015) (Learn how and when to remove this template message) |
Fit approximation |
---|
Concepts |
Orders of approximation Scale analysis · Big O notation Curve fitting · False precision Significant figures |
Other fundamentals |
Approximation · Generalization error Taylor polynomial Scientific modelling |
झूठी परिशुद्धता (जिसे अति परिशुद्धता, नकली परिशुद्धता, गलत परिशुद्धता और नकली परिशुद्धता भी कहा जाता है) तब होती है जब संख्यात्मक डेटा को इस तरीके से प्रस्तुत किया जाता है कि उचित से बेहतर सटीकता और परिशुद्धता का पता चलता है; चूंकि परिशुद्धता सटीकता और परिशुद्धता (सटीकता की आईएसओ परिभाषा में) की एक सीमा है, इससे अक्सर सटीकता में अति आत्मविश्वास होता है, जिसे सटीक पूर्वाग्रह कहा जाता है।[1]
अवलोकन
मैडसेन पिरी गलत परिशुद्धता शब्द को अधिक सामान्य तरीके से परिभाषित करता है: जब सटीक संख्याओं का उपयोग उन धारणाओं के लिए किया जाता है जिन्हें सटीक शब्दों में व्यक्त नहीं किया जा सकता है। उदाहरण के लिए, हम जानते हैं कि लिखने में 90% कठिनाई आरंभ करने में होती है। अक्सर दावे में अनुचित विश्वास पैदा करने के लिए झूठी परिशुद्धता का दुरुपयोग किया जाता है: हमारा माउथवॉश हमारे प्रतिस्पर्धी के मुकाबले दोगुना अच्छा है।[2] विज्ञान और अभियांत्रिकी में, परंपरा यह तय करती है कि जब तक त्रुटि की गुंजाइश स्पष्ट रूप से नहीं बताई जाती है, तब तक डेटा की प्रस्तुति में उपयोग किए जाने वाले महत्वपूर्ण आंकड़ों की संख्या उन डेटा की सटीकता के आधार पर सीमित होनी चाहिए। उदाहरण के लिए, यदि किसी उपकरण को माप की एक इकाई के दसवें हिस्से तक पढ़ा जा सकता है, तो उस उपकरण से प्राप्त डेटा का उपयोग करके गणना के परिणाम केवल दसवें स्थान पर ही बताए जा सकते हैं, भले ही कच्ची गणना क्या लौटाती है या इसमें अन्य डेटा का उपयोग किया गया है या नहीं गणना अधिक सटीक होती है. इन विषयों के बाहर भी, यह मानने की प्रवृत्ति है कि किसी संख्या के सभी गैर-शून्य अंक सार्थक हैं; इस प्रकार, अत्यधिक आंकड़े प्रदान करने से दर्शक मौजूदा से बेहतर सटीकता की उम्मीद कर सकते हैं।
हालाँकि, इसके विपरीत, संचित पूर्णांकन त्रुटियों से बचने के लिए, गणना के मध्यवर्ती चरणों में इससे अधिक महत्वपूर्ण आंकड़ों को बनाए रखना अच्छा अभ्यास है।
गलत परिशुद्धता आमतौर पर तब उत्पन्न होती है जब उच्च परिशुद्धता और कम परिशुद्धता डेटा को संयोजित किया जाता है, इलेक्ट्रॉनिक कैलकुलेटर का उपयोग करते समय और इकाइयों के रूपांतरण में।
उदाहरण
झूठी परिशुद्धता एक चुटकुले के कई रूपों का सार है जिसे निम्नानुसार संक्षेपित किया जा सकता है: एक संग्रहालय में एक टूर गाइड का कहना है कि डायनासोर का कंकाल 100,000,005 वर्ष पुराना है, क्योंकि एक विशेषज्ञ ने उसे बताया था कि जब उसने वहां काम करना शुरू किया था तो यह 100 मिलियन वर्ष पुराना था। 5 साल पहले।
यदि किसी कार का स्पीडोमीटर इंगित करता है कि वाहन 60 मील प्रति घंटे की रफ्तार से चल रहा है और इसे किमी/घंटा में परिवर्तित किया जाता है, तो यह 96.5606 किमी/घंटा के बराबर होगा। एक प्रणाली में पूर्ण संख्या से दूसरे में सटीक परिणाम में रूपांतरण से ऐसा प्रतीत होता है कि माप बहुत सटीक था, जबकि वास्तव में ऐसा नहीं था।
ऐसे उपाय जो सांख्यिकीय नमूने पर निर्भर होते हैं, जैसे कि आईक्यू परीक्षण, अक्सर गलत सटीकता के साथ रिपोर्ट किए जाते हैं।[3]
यह भी देखें
- अंकगणित अंडरफ्लो
- पता करने की सीमा
- सटीक पूर्वाग्रह
- अनिश्चितता का प्रसार
- राउंड-ऑफ़ त्रुटि
- गोलीकरण
- महत्वपूर्ण लोग
संदर्भ
- ↑ "अत्यधिक परिशुद्धता". Fallacy files.
- ↑ Pirie, Madsen (2015). How to Win Every Argument: The Use and Abuse of Logic. Bloomsbury Publishing. pp. 78–80. ISBN 9781472526977. Retrieved 22 October 2015.
- ↑ Huff, Darrell (7 December 2010). सांख्यिकी के साथ कैसे झूठ बोला जाए (2010 ed.). W. W. Norton & Company. p. 144. ISBN 9780393070873. Retrieved 22 October 2015. Chapter 4. Much Ado about Practically Nothing
- Templates that generate short descriptions
- Collapse templates
- Navigational boxes
- Navigational boxes without horizontal lists
- Sidebars with styles needing conversion
- Templates generating microformats
- Templates that are not mobile friendly
- Wikipedia metatemplates
- Use dmy dates from February 2020
- अंकगणित
- संख्यात्मक विश्लेषण
- Machine Translated Page
- Created On 11/08/2023