Big data uncertainties

داده های بزرگ - این ایده که حجم همیشه بیشتر اطلاعات به صورت دائم ثبت می شود، نشان می دهد که مشکلات جدید اکنون می توانند تحت بررسی دقیق علمی قرار گیرند. با این حال، آیا روش های آماری کلاسیک می تواند به طور مستقیم بر روی داده های بزرگ استفاده شود؟ ما با بررسی دو مشکل شناخته شده مجموعه داده های بزرگ، مشکل را بررسی می کنیم. اولا، آنها به گونه ای تعصب دارند، به این معنی که آنها نمای کاملی از جمعیت مورد نظر را ارائه نمی دهند. دوم اینکه آنها یک سطح ضعیف اما فراگیر از وابستگی بین تمام اجزای آنها را نشان می دهند. در هر دو مورد، مشاهده می کنیم که عدم قطعیت نتیجه گیری به دست آمده از روش های آماری هنگامی که در داده های بزرگ استفاده می شود، یا به دلیل یک خطای سیستماتیک (تعصب)، و یا به علت میزان بزرگتر تصادفی (افزایش واریانس) افزایش می یابد. ما استدلال می کنیم که چالش اصلی مطرح شده توسط داده های بزرگ نه تنها نحوه استفاده از داده های بزرگ برای مقابله با مشکلات جدید است بلکه توسعه ابزار و روش هایی است که بتواند خطرات جدیدی را در آن بیان کند.