「標準誤差」と「信頼区間」が測定の精度を測定する場合、精度の測定は何ですか？

40ページの「ダミーの生物統計」の本で私は読んだ：

標準誤差（SEと略記）は、推定値または測定値の精度を示す1つの方法です。

そして

信頼区間は、何かの推定または測定の精度を示す別の方法を提供します。

しかし、測定の正確さを示す方法は何も書かれていません。

質問：何かの測定がどれほど正確であるかを示す方法は？そのためにどの方法が使用されますか？

テストの精度と精度と混同しないでください：https : //en.wikipedia.org/wiki/Accuracy_and_precision#In_binary_classification

精度はデータポイントから直接推定できますが、精度は実験計画に関連しています。アメリカ人男性の平均身長を調べたいとします。高さのサンプルが与えられると、精度を推定できます。ただし、すべてのバスケットボール選手からサンプルを取得した場合、私の推定は偏って不正確になり、この不正確さはサンプル自体から特定することはできません。

精度を測定する1つの方法は、測定プラットフォームのキャリブレーションを実行することです。プラットフォームを使用して既知の量を測定することにより、メソッドの精度を確実にテストできます。これは、測定の偏りを見つけるのに役立ちます。たとえば、高さの例の巻尺が1インチ不足している場合、すべてのキャリブレーションサンプルが1インチ短すぎることを認識します。ただし、実験的な設計の問題を解決するのに役立ちません。

予測はランダムなエラーによって駆動され、精度は系統的なエラーによって定義されます。多くの場合、精度は、サンプルサイズを増やす試行を繰り返すことで向上できます。系統誤差がなくなることはないため、同じ測定値のデータをさらに収集して精度を修正することはできません。

系統誤差は平均の偏りにつながり、同じ実験内で決定または修正することはできません。これを考慮してください。実験の全体のポイントは、多くの場合、ゼロからの偏差などの影響を検出することです。偏差を標準誤差と比較することで有意性を測定しますが、その偏差自体がバイアス（系統誤差）になる場合があります！それが、体系的エラーが物理科学における最悪の種類のエラーである理由です。

たとえば、物理学では、実験外のバイアス（システマティックエラー）を特定し、測定で補正する必要があります。興味深いことに、経済予測分野での最大の問題は平均値のシフトであり、これは基本的に物理科学の体系的なエラーまたはバイアスに相当します。

システマティックエラーが、光よりも速く動くニュートリノを「検出」したOPERAの男たちにどれほど恥ずかしいことを覚えているかもしれません。彼らは系統的エラーの原因を説明しなかったため、結論を取り消さなければなりませんでした。結局のところ、ニュートリノは光の速度に違反しません、残念！