માપન ભૂલો અને વિશ્વસનીયતા
ક્લાસિકલ કસોટી થિયરીનો પહેલો અક્ષર પરીક્ષણ સિદ્ધાંતનો પ્રથમ અક્ષ કહે છે કે માપેલ મૂલ્ય હંમેશાં સાચા મૂલ્ય અને માપનની ભૂલથી બનેલું હોય છે. X = W + ભૂતપૂર્વ સંપૂર્ણ સાથે વિશ્વસનીયતા માપન ભૂલ = 0 હશે, અને માપેલ મૂલ્ય સાચા મૂલ્ય હશે. વ્યવહારમાં, તેમ છતાં, આ લગભગ ક્યારેય થતું નથી! માપનની ભૂલ અજાણ્યા હોવાથી, કોઈને માપનું સાચું મૂલ્ય ખબર નથી.
પ્રમાણભૂત માપન ભૂલ
જો વિશ્વસનીયતા માપનની પદ્ધતિ જાણીતી છે, કહેવાતા પ્રમાણભૂત માપન ભૂલ નક્કી કરી શકાય છે: પ્રમાણભૂત માપન ભૂલ: ભૂતપૂર્વ = x sx? 1-રેરલ આ અંતરાલમાં 68% ભૂલો થાય છે. મોટી ભૂલો પણ ફક્ત 32% માટે અપેક્ષા કરી શકાય છે. વધુ નોંધપાત્ર ડેટા મેળવવા માટે, વિશ્વસનીયતા વધારો કરવો જોઇએ.
કેન્દ્રના રીગ્રેસનની ઘટના
પરીક્ષણ પ્રક્રિયાઓમાં, કેટલાક મૂલ્યો ખાસ કરીને સારા અથવા ખાસ કરીને ખરાબ ખરાબ થઈ શકે છે. આ મૂલ્યો માટે trueંચી સાચી કિંમત ખોટી ઉચ્ચ માપનની ભૂલ અથવા ખોટી નિમ્ન માપનની ભૂલ સાથે સાચા નીચા મૂલ્ય સાથે સંકળાયેલ હોઈ શકે છે. આ ઘટના ફરીથી માપનની પુનરાવર્તન સાથે થાય છે તે હકીકત ખૂબ ઓછી છે.
મધ્યમ તરફના રીગ્રેસનનો અર્થ એ છે કે માપનની પુનરાવર્તન દરમિયાન ખોટા-ઉચ્ચ અને ખોટા-નીચલા માપન મધ્યમાં હોય છે. આ પરિવર્તન મૂલ્યો તાલીમ દ્વારા થતાં પરિવર્તનનું મૂલ્યાંકન કરવા માટે નકામું છે.
