بيانات مشوشة

البيانات المشوشة هي بيانات تالفة أو مشوهة أو ذات نسبة إشارة إلى ضوضاء منخفضة . وقد تؤدي الإجراءات غير السليمة (أو غير الموثقة بشكل صحيح) لإزالة الضوضاء من البيانات إلى شعور زائف بالدقة أو استنتاجات خاطئة.

البيانات المشوشة هي بيانات تحتوي على كمية كبيرة من المعلومات الإضافية غير ذات المعنى، والمعروفة بالتشويش. ^{[ 1 ]} يشمل ذلك تلف البيانات ، وغالبًا ما يُستخدم المصطلح كمرادف للبيانات التالفة. ^{[ 1 ]} كما يشمل أي بيانات لا يستطيع نظام المستخدم فهمها وتفسيرها بشكل صحيح. على سبيل المثال، لا تستطيع العديد من الأنظمة استخدام النصوص غير المهيكلة .

يمكن أن تؤثر البيانات المشوشة سلبًا على نتائج أي تحليل للبيانات، وأن تُحرف الاستنتاجات إذا لم يتم التعامل معها بشكل صحيح. ويُستخدم التحليل الإحصائي أحيانًا لتنقية البيانات المشوشة من التشويش. ^{[ 1 ]}

تنشأ الاختلافات بين البيانات المقاسة في العالم الحقيقي والقيم الحقيقية من عوامل متعددة تؤثر على القياس. ^{[ 2 ]}

غالباً ما تشكل الضوضاء العشوائية جزءاً كبيراً من الضوضاء في البيانات. ^{[ 3 ]} تُقاس الضوضاء العشوائية في الإشارة بنسبة الإشارة إلى الضوضاء . تحتوي الضوضاء العشوائية على نطاق واسع من الترددات، وتُسمى أيضاً بالضوضاء البيضاء (حيث تتحد مجموعة واسعة من ألوان الضوء لتكوين اللون الأبيض ).

تؤثر الضوضاء العشوائية على عمليات جمع البيانات وإعدادها، حيث تكثر الأخطاء. وللضوضاء مصدران رئيسيان: الأخطاء الناتجة عن أدوات القياس، والأخطاء العشوائية الناتجة عن المعالجة أو عن الخبراء أثناء جمع البيانات. ^{[ 4 ]}

قد يؤدي الترشيح غير السليم إلى إضافة تشويش إذا تم التعامل مع الإشارة المُرشَّحة كما لو كانت إشارة مُقاسة مباشرةً. على سبيل المثال، قد تُسبب المرشحات الرقمية من نوع الالتفاف ، مثل المتوسط ​​المتحرك، آثارًا جانبية كالتأخير أو اقتطاع القمم. كما أن المرشحات الرقمية التفاضلية تُضخِّم التشويش العشوائي في البيانات الأصلية.

البيانات الشاذة هي بيانات تبدو غير متجانسة مع مجموعة البيانات. قد يكون سببها خطأ بشري، مثل تبديل الأرقام، أو التسمية الخاطئة، أو أخطاء البرمجة ، وما إلى ذلك. إذا لم تُحذف البيانات الشاذة من مجموعة البيانات، فإنها تُفسد النتائج بدرجة متفاوتة، حسب الظروف. وإذا تم تحديد بيانات صحيحة على أنها شاذة ثم حُذفت عن طريق الخطأ، فإن ذلك يُفسد النتائج أيضاً.

قد يقوم الأفراد بتحريف البيانات عمداً للتأثير على النتائج وتوجيهها نحو استنتاج مرغوب. فالبيانات التي تبدو جيدة مع وجود عدد قليل من القيم الشاذة تعكس صورة إيجابية عن الشخص الذي جمعها، وبالتالي قد يكون هناك حافز لإزالة المزيد من البيانات باعتبارها قيماً شاذة أو لجعل البيانات تبدو أكثر سلاسة مما هي عليه في الواقع.