Дефиниран пренебрегване на размера на извадката

Какво представлява пренебрегването на размера на пробата?

Пренебрегването на размера на извадката е a когнитивно пристрастие прочут от Амос Тверски и Даниел Канеман. Това се случва, когато потребителите на статистическа информация правят неверни заключения, като не вземат предвид размер на извадката на въпросните данни.

Основната причина за пренебрегване на размера на извадката е, че хората често не разбират, че високите нива на вариация е по -вероятно да се появят в малки проби. Следователно е от решаващо значение да се определи дали размерът на извадката, използван за получаване на дадена статистика, е достатъчно голям, за да позволи значими заключения.

Да се ​​знае кога размерът на извадката е достатъчно голям може да бъде предизвикателство за тези, които не разбират добре статистическите методи.

Разбиране на пренебрегването на размера на извадката

Когато размерът на извадката е твърде малък, не могат да се направят точни и надеждни заключения. В контекста на финансите това може да подведе инвеститорите по различни начини.

Например, инвеститор може да види реклама за нов инвестиционен фонд, като се похвали, че е генерирал 15% годишна възвръщаемост от създаването му. Инвеститорът може бързо да включи, че този фонд е техният билет за бързо генериране на богатство. Това заключение обаче може да бъде опасно погрешно, ако фондът не инвестира много дълго. В този случай резултатите могат да се дължат на краткосрочни аномалии и нямат нищо общо с реалната инвестиционна методология на фонда.

Пренебрегването на размера на извадката често се бърка с Пренебрегване на базовата ставка, което е отделно когнитивно пристрастие. Докато пренебрегването на размера на извадката се отнася до неспазването на ролята на размера на извадката при определяне на надеждността на статистиката твърди, пренебрегването на базовата ставка е свързано с тенденцията на хората да пренебрегват съществуващите знания за явление при оценката на ново информация.

Пример от реалния свят за пренебрегване на размера на извадката

За да разберете по -добре пренебрегването на размера на извадката, разгледайте следния пример, извлечен от изследванията на Амос Тверски и Даниел Канеман:

Човек е помолен да изтегли от извадка от пет топки и установява, че четири са червени, а една е зелена.

Човек черпи от извадка от 20 топки и установява, че 12 са червени, а осем са зелени.

Коя проба предоставя по -добри доказателства, че топките са предимно червени?

Повечето хора казват, че първата, по -малка извадка предоставя много по -силни доказателства, тъй като съотношението червено към зелено е много по -високо от по -голямата извадка. В действителност обаче по -голямото съотношение е по -голямо от по -малкия размер на извадката. Пробата от 20 всъщност предоставя много по -силни доказателства.

Друг пример от Амос Тверски и Даниел Канеман е следният:

Градът се обслужва от две болници. В по -голямата болница се раждат средно 45 бебета всеки ден, а в по -малката болница се раждат около 15 бебета всеки ден. Въпреки че 50% от всички бебета са момчета, точният процент варира от ден на ден.

В продължение на една година всяка болница регистрира дните, в които повече от 60% от бебетата са момчета. Коя болница е записала повече такива дни?

Когато им беше зададен този въпрос, 22% от анкетираните са казали, че по -голямата болница ще отчита повече такива дни, докато 56% са казали, че резултатите ще бъдат еднакви и за двете болници. Всъщност правилният отговор е, че по -малката болница би записала повече такива дни, тъй като по -малкият й размер би довел до по -голяма вариабилност.

Както отбелязахме по -рано, коренът на пренебрегването на размера на извадката е, че хората често не разбират, че високите нива на дисперсия са по -склонни да се появят в малки проби. При инвестирането това наистина може да струва много скъпо.