alt=A pie chart showing the results of a hypothetical survey, in which the question asked was "Do you enjoy responding to surveys?" The chart shows that 99.8 percent of participants said, "Yes, I love responding to surveys!" and that 0.2 percent said "No, I throw them in the trash"|náhled|300x300pixelů|Příklad zkresleného vzorku v hypotetickém populačním průzkumu, který se ptá, zda účastníci rádi reagují na průzkumy, a vybírá tak jednotlivce, kteří odpovídají a nezahrnuje jednotlivce, kteří průzkumy odmítají. Zkreslení vzorku () je zkreslení ve statistice, při kterém je vzorek odebrán tak, že někteří členové zamýšlené populace mají nižší nebo vyšší pravděpodobnost výběru než jiní. Výsledkem je zkreslený vzorek populace (nebo nelidských faktorů), ve kterém nebyli všichni jedinci nebo instance vybráni se stejnou pravděpodobností. Pokud není zkreslení zohledněno, lze výsledky chybně připsat studovanému jevu spíše než metodě výběru vzorku.
Lékařské zdroje někdy označují zkreslení vzorkování jako zkreslení při zjišťování. Zjišťovací zkreslení má v podstatě stejnou definici, ale někdy je stále klasifikováno jako samostatný typ zkreslení.
Zkreslení vzorku je obvykle klasifikováno jako podtyp zkreslení výběru, někdy je konkrétněji označované jako zkreslení výběru vzorku, ale někdy je samostatně klasifikováno jako samostatný typ zkreslení. Rozdíl, i když ne všeobecně přijímaný, spočívá u zkreslení vzorku v tom, že podkopává externí validitu výzkumu (schopnost zobecnit výsledky na celou populaci), zatímco zkreslení výběru se zabývá především interní validitou rozdílů nebo podobností zjištěných v daném vzorku. Chyby, ke kterým dochází v procesu výběru vzorku nebo kohorty, způsobují zkreslení vzorku, zatímco chyby v jakémkoli následném procesu způsobují zkreslení výběru.
Výběrové zkreslení a zkreslení vzorku jsou však často používána jako synonyma.
Typy Výběr z konkrétní reálné oblasti: Například průzkum mezi studenty středních škol, který má měřit užívání nelegálních drog mezi dospívajícími, bude zkresleným vzorkem, protože nezahrnuje studenty vzdělávané doma ani ty, kteří školu nedokončili. Vzorek je také zkreslený, pokud jsou někteří členové nedostatečně nebo nadměrně zastoupeni v porovnání s ostatními v populaci. Například rozhovor „obyčejného člověka“, který vybírá lidi procházející určitým místem, bude mít nadměrné zastoupení zdravých jedinců, kteří s větší pravděpodobností pobývají mimo domov, než jedinci s chronickým onemocněním. Může se jednat o extrémní formu zkresleného vzorkování, protože někteří členové populace jsou ze vzorku zcela vyloučeni (tj. mají nulovou pravděpodobnost, že budou vybráni). Zkreslení sebevýběrem (viz také zkreslení nereagováním), které je možné vždy, když má skupina studovaných lidí jakoukoli formu kontroly nad tím, zda se studie zúčastní (jak vyžadují současné standardy etiky výzkumu na lidských subjektech u mnoha forem studií v reálném čase a některých longitudinálních forem studií). Rozhodnutí účastníků zúčastnit se může korelovat s vlastnostmi, které studii ovlivňují, což z účastníků činí nereprezentativní vzorek. Například lidé, kteří mají silně vytvořené názory nebo značné znalosti, mohou být ochotnější věnovat čas vyplňování dotazníku než ti, kteří je nemají. Dalším příkladem jsou online a telefonické ankety, které představují zkreslené vzorky, protože respondenti se vybírají sami. Jednotlivci, kteří jsou vysoce motivováni k odpovědi, obvykle jedinci se silně vytvořenými názory, jsou nadměrně zastoupeni a jedinci, kteří jsou lhostejní nebo apatičtí, odpovídají s menší pravděpodobností. To často vede k polarizaci odpovědí, přičemž extrémním perspektivám je v souhrnu přikládána nepřiměřená váha. V důsledku toho jsou tyto typy anket považovány za nevědecké.
Vylučovací zkreslení vyplývá z vyloučení určitých skupin ze vzorku, např. vyloučením subjektů, které nedávno migrovaly do studijní oblasti (k tomu může dojít, když nově příchozí nejsou k dispozici v registru používaném k identifikaci zdrojové populace). Vyloučení subjektů, které se během sledování odstěhovaly ze studijní oblasti, je spíše ekvivalentem předčasného ukončení studie nebo nereagování, což je výběrové zkreslení v tom smyslu, že spíše ovlivňuje vnitřní validitu studie. Zkreslení zdravých uživatelů, kdy je studovaná populace pravděpodobně zdravější než běžná populace. Například ten, kdo trpí špatným zdravotním stavem, nebude pravděpodobně manuální dělník, takže pokud je studie provedena na manuálních dělnících, bude zdravotní stav běžné populace pravděpodobně nadhodnocen. Berksonův klam, kdy je studijní populace vybrána z nemocnice, a proto je méně zdravá než běžná populace. To může vést k falešné negativní korelaci mezi onemocněními: hospitalizovaný pacient bez cukrovky má větší pravděpodobnost, že bude mít jiné onemocnění, jako je cholecystitida, protože musel mít nějaký důvod k nástupu do nemocnice. Nadměrné porovnávání, porovnávání zdánlivého zkreslení, které je ve skutečnosti výsledkem expozice. Kontrolní skupina se z hlediska expozice více podobá případům než běžná populace. Zkreslení přežití, kdy jsou vybírány pouze „přeživší“ subjekty a ignorovány ty, které předem vypadly z výběru. Například použití historie současných společností jako indikátoru podnikatelského klimatu nebo ekonomiky ignoruje podniky, které zkrachovaly a již neexistují. Malmquistovo zkreslení, jev v pozorovací astronomii, který vede k preferenční detekci inherentně jasných objektů.
Klam reflektoru, nekritický předpoklad, že všichni členové nebo případy určité třídy nebo typu jsou jako ty, které se v médiích dostávají největší pozornosti nebo pokrytí.
Vzorkování na základě symptomů Studium zdravotního stavu začíná neoficiálními zprávami. Ze své podstaty takové zprávy zahrnují pouze ty, kteří byli odesláni k diagnóze a léčbě. Dítě, které nemůže z nějakých důvodů ve škole být, má větší pravděpodobnost, že bude diagnostikováno na dyslexii, než dítě, které sice potíže má, ale pobyt ve škole zvládá. Dítě vyšetřené na jednu diagnózu má větší pravděpodobnost, že bude testováno a diagnostikováno i na jinou diagnózu, což zkresluje statistiky komorbidit. Vzhledem k tomu, že se určité diagnózy spojují s problémy v chování nebo mentálním postižením, rodiče se snaží zabránit tomu, aby jejich děti byly těmito diagnózami stigmatizovány, což vede k dalšímu zkreslení. Proto studie pečlivě vybrané z celých populací ukazují, že mnoho diagnóz je mnohem častějších a zároveň obvykle mnohem mírnějších, než se dříve předpokládalo.
Zkrácený výběr v rodokmenových studiích Genetici mají omezené možnosti získávání dat z lidských populací. Jako příklad si vezměme lidskou charakteristiku. Zajímá nás, zda je daná charakteristika děděna jako jednoduchý Mendelův rys. Podle Mendelových zákonů dědičnosti, pokud rodiče v rodině danou charakteristiku nemají, ale nesou pro ni alelu, jsou přenašeči této charakteristiky (např. neexpresivní heterozygot). V tomto případě bude mít každé z jejich dětí 25% šanci, že se u nich daná charakteristika projeví. Problém v tomto případě nastane v případě, kdy rodiče nemají dítě vykazující danou charakteristiku, protože nedokážeme říci, jestli oba rodiče jsou přenašeči (heterozygoti). Popis se řídí učebnicí od Suttona. třída=skin-invert-image|náhled|Jednoduchý příklad zkreslení vzorku v rodokmenu, ukazující rodokmeny všech možných rodin se dvěma dětmi, pokud jsou rodiče nositeli (Aa). V rodinách se dvěma dětmi, pokud jsou rodiče nositeli:
Nezkrácený výběr. V ideálním světě bychom měli být schopni objevit všechny takové rodiny s genem, včetně těch, které jsou jednoduše přenašeči. V této situaci by analýza byla prostá zjišťovacího zkreslení a rodokmeny by spadaly pod „nezkrácený výběr“. V praxi většina studií identifikuje a zahrnuje rodiny do studie na základě toho, že mají postižené jedince. Zkrácený výběr. Pokud mají postižení jedinci stejnou šanci být zařazeni do studie, nazývá se to zkrácený výběr, což znamená neúmyslné vyloučení (zkrácení) rodin, které jsou nositeli genu. Protože výběr probíhá na individuální úrovni, rodiny se dvěma nebo více postiženými dětmi by měly vyšší pravděpodobnost zařazení do studie. Úplný zkrácený výběr je zvláštní případ, kdy každá rodina s postiženým dítětem má stejnou šanci být vybrána do studie.
Pravděpodobnosti každé z vybraných rodin jsou uvedeny na obrázku společně s uvedenou četností postižených dětí ve vzorku. V tomto jednoduchém případě bude výzkumník hledat četnost charakteristiky nebo v závislosti na použitém typu zkráceného výběru.
Efekt jeskynního člověka Příkladem výběrového zkreslení je tzv. „efekt jeskynního člověka“. Velká část znalostí o prehistorických lidech pochází z jeskyní, ve kterých byly nalezeny jeskynní malby vytvořené téměř před 40 000 lety. Pokud však tehdy existovaly malby i na stromech, na zvířecích kůžích nebo na svazích kopců, byly by dávno zničeny. Podobně zachované důkazy o ohništích, smetištích, pohřebištích atd. budou s největší pravděpodobností nalezeny nedotčené až do dnešní doby opět v jeskyních. Prehistoričtí lidé jsou proto spojováni s jeskyněmi, protože z nich máme existující nálezy, ale ne nutně proto, že by většina z nich žila v jeskyních po většinu svého života.
Problémy způsobené zkreslením vzorku Zkreslení vzorku je problematické, protože je možné, že statistika vypočítaná ze vzorku je systematicky chybná. Zkreslení vzorku může vést k systematickému nadhodnocování nebo podhodnocování odpovídajícího parametru v populaci. V praxi se zkreslení vzorku vyskytuje, protože je prakticky nemožné zajistit dokonalou náhodnost při výběru vzorku. Pokud je míra zkreslení malá, lze vzorek považovat za rozumnou aproximaci náhodného vzorku. Pokud se vzorek výrazně neliší v měřené veličině, pak může být zkreslený vzorek stále rozumným odhadem.
Slovo zkreslení má silnou negativní konotaci. Zkreslení někdy skutečně pramení z úmyslu uvést v omyl nebo jiného vědeckého podvodu. Ve statistickém použití zkreslení pouze představuje matematickou vlastnost, bez ohledu na to, zda je úmyslné, nevědomé nebo způsobené nedokonalostmi nástrojů používaných k pozorování. Zatímco někteří jedinci mohou úmyslně použít zkreslený vzorek k dosažení zavádějících výsledků, častěji je zkreslený vzorek pouze odrazem obtížnosti získání skutečně reprezentativního vzorku nebo neznalosti zkreslení v jejich procesu měření nebo analýzy. Příkladem toho, jak může existovat neznalost zkreslení, je rozšířené používání poměru (neboli násobné změny) jako míry rozdílu v biologii. Protože je snazší dosáhnout velkého poměru se dvěma malými čísly s daným rozdílem a relativně obtížnější dosáhnout velkého poměru se dvěma velkými čísly s větším rozdílem, mohou být při porovnávání relativně velkých numerických měření přehlédnuty velké významné rozdíly. Někteří to nazývají „demarkačním zkreslením“, protože použití poměru (dělení) namísto rozdílu (odčítání) odstraňuje výsledky analýzy z vědy do pseudovědy (viz Demarkační problém).
Některé vzorky používají zkreslený statistický design, který nicméně umožňuje odhad parametrů. Například americké Národní centrum pro statistiku zdraví (National Center for Health Statistics) v mnoha svých celostátních průzkumech záměrně nadměrně využívá menšinové populace, aby dosáhlo dostatečné přesnosti pro odhady v rámci těchto skupin. Tyto průzkumy vyžadují použití vah vzorků (viz dále) k vytvoření správných odhadů napříč všemi etnickými skupinami. Za předpokladu splnění určitých podmínek (zejména správného výpočtu a použití vah) umožňují tyto vzorky přesný odhad parametrů populace.
Historické příklady vpravo|náhled|250x250pixelů|Příklad zkresleného vzorku: k červnu 2008 bylo 55 % používaných webových prohlížečů (Internet Explorer) neprošlo testem Acid2. Vzhledem k povaze testu se vzorek skládal převážně z webových vývojářů.