Próbki nie muszą być losowe, aby były prawidłowe, pomaga, ale nie jest niezbędne, zwłaszcza jeśli są wyczerpujące, spójne i mają dużą wielkość próby, zwłaszcza w przypadku badań obserwacyjnych. Próba reprezentatywna różni się od próby losowej. Pamiętaj, że nie próbujemy osiągnąć globalnej temperatury z najwyższym stopniem dokładności w jednej chwili, staramy się zmierzyć zmianę temperatury w długim okresie czasu. Dlatego spójność lokalizacji jest ważniejsza niż losowanie lokalizacji.

Fakt, że punkty próbkowania nie poruszają się, jest istotny, wiemy, że na temperaturę mają wpływ warunki regionalne, jeśli próbki były ponownie randomizowane (przenoszone) co pomiar sprawiłby, że byłby mniej dokładny, a nie bardziej. Pamiętaj, co jest mierzone, zmiana , ponieważ punkty próbkowania nie są przenoszone, zmiana będzie dokładna, ponieważ zasadniczo staje się próbką warstwową. Jeśli na przykład mierzę zmiany temperatury silnika, nie chcę za każdym razem mierzyć w innym punkcie, o ile punkty (lokalizacje) są spójne, próbka zachowa wysoką dokładność. Próbkowanie losowe byłoby MNIEJ dokładne, ponieważ mogłoby wywołać zamieszanie, ponieważ wiemy, że rozkład temperatury w silniku (lub kuli ziemskiej) nie jest przypadkowy. Każda zmiana lokalizacji pomiędzy pomiarami spowodowałaby mylące dane. Prawie żadna nauka nie używa prawdziwie losowych próbek, po prostu nie jest to możliwe. Rozważ takie rzeczy, jak próbkowanie wyczerpujące, próbkowanie klastrów, próbkowanie warstwowe i próbkowanie systematyczne, wszystkie są używane częściej niż próbkowanie losowe, a każda z nich jest dokładniejsza niż losowa w odpowiednich okolicznościach.

Rozważmy przykład, powiedzmy, że próbujesz zmierzyć zmianę temperatury w silniku w czasie. Gdzie na silniku podłączę moje czujniki nie ma znaczenia, o ile ich nie ruszam, zwłaszcza jeśli założę na to wiele czujników. Mógłbym umieścić trzydzieści czujników na silniku po lewej stronie i mierzyłby zmianę temperatury bardzo dokładnie, w porównaniu do przesuwania czujników między każdym pomiarem. Nie daj się nabrać na błąd idealnego rozwiązania. Należy również pamiętać, że jest to badanie obserwacyjne / opisowe z samej swej natury.

Każdy punkt na mapie bardziej przypomina powtórzenie. Rzeczywisty niezależny to czas, w którym są one próbkowane, który jest podzielony na warstwy lub zgrupowany w zależności od tego, do którego badania się odnosisz. Zwróć uwagę, że wiele zestawów punktów danych jest również porównywanych. NOAA, BEST itp. To niezależne zestawy danych, które można porównać i które pokazują ten sam wzór.

Wysokie i niskie są używane do pomiarów, ponieważ to wszystko, co zostało zarejestrowane w najstarszych pomiarach, więc zmiana formatu wymagałaby wyrzucenia wszystkich tych danych, drastycznie skracając liczebność próby (tracąc ponad połowę czasu). W tym przypadku dokładność uzyskana przez znacznie większą liczbę próbek jest większa niż w przypadku lokalizacji losowej lub siatkowej. Losowość rzadko jest możliwa w przypadku danych historycznych, dlatego tak ważna jest wielkość i spójność zbioru danych. Fajne jest to, że są one również porównywane z innymi metodami próbkowania w innych skalach czasowych, aby sprawdzić, czy pokazują ten sam wzorzec. Historycy zdają sobie sprawę z ograniczeń swoich danych, dlatego tak ważna jest niezależna weryfikacja.

Rozważmy teraz dane rdzenia lodowego. Byłem zaskoczony, kiedy powiedziałeś, że najczęściej używano temperatury powierzchni. Widzę dane z rdzeni lodowych znacznie częściej, ponieważ rejestrują one znacznie dłuższy okres i rejestruje inne rzeczy (np. zawartość $ CO_ {2} $). Ponownie, każdy rdzeń jest powtórzeniem, a rdzeń może być próbkowany w sposób losowy lub warstwowy, rozwarstwienie jest najczęstsze, ponieważ jest bardziej wyczerpujące w próbce rdzeniowej. Rdzenie lodowe są również porównywane z rdzeniami lodowymi w wielu innych lokalizacjach.

Kolejną kwestią jest porównanie krzyżowe, czyli użycie wielu niezależnych form pomiaru, rdzenia lodowego w porównaniu z satelitą, w porównaniu z powierzchnią itp. Porównuje się dziesiątki różnych form pomiarów / eksperymentów i pokazuje ten sam wzór.

To prawdopodobnie jeden z najlepszych przeglądów nauki, jakie widziałem. Jest trochę stary (2013), więc jeśli ktoś widział nowszą wersję, chciałbym go zamiast tego użyć.

Nie, nie są reprezentatywne. Z naukowego punktu widzenia nie jest idealny. Nie zaczynałbyś od tego, gdybyś miał dzisiejszy plan, ALE to wszystko, co masz. Kiedy masz niedoskonałe dane, musisz być uczciwy i wskazać na ich niedoskonałości oraz, jeśli to możliwe, obliczyć lub oszacować wpływ tych niedoskonałości na Twoje wyniki / wnioski. To, czy sprytni klimatolodzy zrobili to w niezbędnym stopniu, jest poza mną (może to nie jest poza tobą?). Wczesne raporty IPCC wydawały się zawierać wiele „niepewnych” „niejednoznacznych” komentarzy „niewystarczających danych”, ale ich liczba oczywiście nieco się zmniejszyła. Przyczyną nie są lepsze dane historyczne, nadal masz te same stare dane, które miałeś wcześniej , ale wyraźnie lepsze „leczenie”. To, czy dane były torturowane przez ludzi czy układy scalone, jest znowu poza mną. Być może w ogóle nie był torturowany. Gdybyśmy chcieli zbadać więźnia, który twierdził, że był torturowany, kiedy strażnicy powiedzieli, że „go nie dotykali, gov!”. Patrzyliśmy pod jego ubraniem na jego skórę. Więc poproś klimatologa, aby pokazał ci, jak dokładnie potraktował swoje dane, zdjął zewnętrzną warstwę ubrań i poproś o wyjaśnienie tych śladów siniaków. Bądź podejrzliwy wobec każdego, kto twierdzi, że był to wypadek podczas gry w hokeja.