Bias

Algorithmische Lohndiskriminierung bezeichnet die Nutzung algorithmischer Verzerrungen , um Lohndiskriminierung zu ermöglichen, bei der Arbeitnehmer für dieselbe Arbeit unterschiedliche Löhne erhalten.

Algorithmische Verzerrung beschreibt die systematische und wiederholbare schädliche Tendenz in einem computergestützten soziotechnischen System, „ ungerechte “ Ergebnisse zu erzeugen, wie z. B.

Entzerrung bezeichnet die Reduzierung von Verzerrungen, insbesondere im Hinblick auf Urteilsbildung und Entscheidungsfindung .

Der Begriff „Freiheitsgrade des Forschers“ bezieht sich auf die dem Prozess der Konzeption und Durchführung eines wissenschaftlichen Experiments sowie der Analyse seiner Ergebnisse inhärente Flexibilität.

In der Wirtschafts- und Sozialpolitik bezeichnet Infrastrukturbias den Einfluss des Standorts und der Verfügbarkeit bereits vorhandener Infrastruktur , wie beispielsweise Straßen und Telekommunikationseinrichtungen, auf

Das Problem der modifizierten Zeiteinheit ( MTUP ) ist eine Quelle statistischer Verzerrungen , die bei der Analyse von Zeitreihen und räumlichen Daten auftritt, wenn diese zu Zeiteinheiten aggregiert wurden .

Das Problem der modifizierbaren Flächeneinheiten ( MAUP ) ist eine Quelle statistischer Verzerrungen , die die Ergebnisse statistischer Hypothesentests erheblich beeinflussen kann .

Das sogenannte „Black Dog Syndrome“ oder „Big Black Dog Syndrome“ beschreibt ein Phänomen , bei dem schwarze Hunde bei der Adoption zugunsten hellerer Tiere übergangen werden .

Die sogenannte „Auswahlverzerrung“ der australischen Cricket-Nationalmannschaften gegenüber Spielern aus New South Wales wird als Voreingenommenheit der Auswahlkommission bezeichnet .

In der Statistik bezeichnet Bias eine systematische Tendenz, bei der die Methoden zur Datenerhebung und Schätzung einer Stichprobenstatistik ein ungenaues, verzerrtes oder verfälschtes ( biasiertes ) Bild der Realität

In der Statistik bezeichnet die Verzerrung eines Schätzers (oder die Verzerrungsfunktion ) die Differenz zwischen dem Erwartungswert dieses Schätzers und dem wahren Wert des zu schätzenden Parameters.