تكرار المعرف في إطار المعاينة قد يزيد فرصة الوصول إلى الحالة نفسها إذا كان الاختيار يجري على الصفوف. حين نسحب صفا واحدا بالتساوي، لا تتساوى بالضرورة فرص الحالات التي تمثلها الصفوف. نحتاج معرفة هل الظهور الثاني نسخة زائدة من الحالة أم وحدة صحيحة مختلفة قبل تعديل القائمة.
الخلاصة السريعة
عد فرص الوصول إلى كل حالة من جميع صفوفها؛ تساوي فرصة كل صف لا يثبت تساوي فرصة الحالة عند وجود إدخالات زائدة.
- تعد إرشادات Statistics Canada تكرار الوحدات ضمن أخطاء تغطية الإطار؛ المطلوب فهم هوية الوحدة المستهدفة. [1]
- في مثالنا الإطار أ وأ وب وج يمثل ثلاث حالات، وظهورا أ نسختان للحالة نفسها. سحب صف واحد بالتساوي يعطي لكل صف 1/4 ، لكنه يعطي أ 1/2 وب وج 1/4 لكل منهما.
- إذا ثبتت النسخة الزائدة وأصبح الإطار أ وب وج، أعطى سحب صف واحد بالتساوي كل حالة 1/3. هذا تغيير للإطار والتصميم، وليس دليلا على بقاء احتمالات السحب القديم.
- لا تحذف تكرار الاسم وحده؛ قد يكون لشخص واحد أحداث صحيحة مختلفة. احفظ الإطار السابق وسبب التصحيح والمعرفات، ولا تفترض إمكان إصلاح عينة قديمة بأثر رجعي بلا معلومات.
متى يكون تكرار الاسم تكرار وحدة؟
تدرج إرشادات Statistics Canada تكرار الوحدات بين أخطاء تغطية إطار المعاينة. [1]
نريد في مثالنا اختيار حالة واحدة من ثلاث حالات أصلية، لكل منها معرف أ أو ب أو ج. يحتوي الإطار أربعة صفوف: أ ثم أ ثم ب ثم ج. نفترض هنا أننا تحققنا من أن ظهوري أ يعودان إلى الحالة نفسها، لا إلى حدثين نريد اختيار كل منهما كوحدة منفصلة.
هذا التحقق يسبق وصف الإدخال بالخطأ. فقد يتكرر معرف شخص في سجل أحداث صحيح؛ إذا كانت الوحدة المطلوبة هي الحدث، لا يكفي تكرار معرف الشخص للقول إن إطار الأحداث يحوي نسخة زائدة. سنحافظ على وحدة الحالة الواحدة في الحساب الآتي.
كيف تتحول فرصة الصف إلى فرصة الحالة؟
نفترض اختيار صف واحد من الأربعة بفرص متساوية، فلا يقع الاختيار على صفين في العملية نفسها. تصل الحالة أ إذا اختير الصف الأول أو الثاني، فتكون فرصتها 1/4+1/4=1/2. أما ب وج فلكل منهما طريق واحد، وفرصته 1/4.
لم نجعل مولد الاختيار يفضل الصف الأول على الثالث. المشكلة في عدد الطرق التي يمثل بها الإطار كل حالة؛ فرص الصفوف متساوية بالفعل، لكن ترجمتها إلى فرص الحالات مختلفة. لهذا لا يحسم تقرير «سحبنا الصفوف عشوائيا» سلامة تمثيل وحدات الإطار.
هذه احتمالات للقاعدة المفترضة قبل السحب. إذا ظهر أ في سحبة واحدة، فلا يكشف الظهور وحده احتماله أو يثبت أن الإطار كان مكررا؛ نحتاج القائمة والآلية اللتين اشتق منهما الحساب.
| صف الإطار التعليمي | معرف الحالة | فرصة اختيار هذا الصف |
|---|---|---|
| الصف 1 | أ | 1/4 |
| الصف 2 | أ | 1/4 |
| الصف 3 | ب | 1/4 |
| الصف 4 | ج | 1/4 |
ماذا يتغير إذا صححنا القائمة؟
بعد التحقق من الهوية وسبب النسخة الزائدة، نفترض إنشاء إطار جديد أ وب وج، مع صف واحد لكل حالة. إذا سحبنا صفا واحدا بالتساوي من هذا الإطار، صارت فرصة كل حالة 1/3. تغير عدد الصفوف وخريطة وصولها إلى الحالات.
لا يجوز إسناد 1/3 إلى اختيار قديم جرى على أ وأ وب وج. ولا يؤدي حذف صف مكرر من ملف نتائج سابق وحده إلى إعادة تنفيذ تصميم مختلف. يجب فصل نسخة الإطار وقت السحب عن النسخة المصححة اللاحقة.
قد تكون سجلات الأصل مهمة لمراجعة ما حدث. احتفظ بها مع سبب التصحيح وكيف ربطت الصفين بالحالة نفسها، دون افتراض أن تشابه النص الظاهر يكفي لتوحيد الهوية. لا ننفذ حذف ملفات في هذا الشرح.
ما الذي نحفظه مع بيانات النموذج؟
احفظ تعريف وحدة المعاينة ومعرف الحالة ومعرف صف الإطار إن توفر، وقائمة الاختيار وإصدارها، والقاعدة الفعلية للسحب. إذا كانت الوحدة حدثا، احتفظ بمعرف الحدث أيضا حتى لا يختلط تكرار الشخص بتكرار الحدث.
في مجموعة تعلم الآلة، قد يظهر أثر النسخة الزائدة في فرصة وصول الحالة إلى بيانات الجمع قبل أي تقسيم لاحق. توثيق هذا الوصول سؤال مختلف عن فحص تطابق أعمدة الصفوف أو قياس أداء نموذج على المجموعة الناتجة.
المثال لا يثبت أن ملفك الفعلي مكرر ولا يقدم طريقة وزن عامة لإصلاحه. يوضح حسابا محدودا بعد التحقق من هوية ثلاث حالات، ثم يبين لماذا نحتاج الإطار السابق قبل وصف فرص عينة قديمة.
المصادر ومتابعة القراءة
- Statistics Canada: Coverage and frames — archived quality guidelines (يفتح في نافذة جديدة)www150.statcan.gc.ca
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.