Definirano zanemarivanje veličine uzorka

Što je zanemarivanje veličine uzorka?

Zanemarivanje veličine uzorka je a kognitivna pristranost slavno proučavao Amos Tversky i Daniel Kahneman. To se događa kada korisnici statističkih podataka donose lažne zaključke ne uzimajući u obzir veličina uzorka predmetnih podataka.

Temeljni uzrok zanemarivanja veličine uzorka je to što ljudi često ne razumiju da visoke razine varijance se češće pojavljuju u malim uzorcima. Stoga je ključno utvrditi je li veličina uzorka koja se koristi za izradu zadane statistike dovoljno velika da omogući smislene zaključke.

Znati kada je veličina uzorka dovoljno velika može biti izazov za one koji ne razumiju dobro statističke metode.

Razumijevanje zanemarivanja veličine uzorka

Kada je uzorak premalen, ne mogu se izvesti točni i pouzdani zaključci. U kontekstu financija, to može na razne načine dovesti u zabludu ulagače.

Na primjer, ulagač bi mogao vidjeti oglas za novi investicijski fond, hvaleći se da je ostvario 15% godišnji prinosi od svog početka. Ulagač bi mogao brzo uključiti da je ovaj fond njihova karta za brzo stvaranje bogatstva. Međutim, ovaj bi zaključak mogao biti opasno pogrešan ako fond ne ulaže jako dugo. U tom slučaju rezultati mogu biti posljedica kratkoročnih anomalija i nemaju mnogo veze s stvarnom metodologijom ulaganja fonda.

Zanemarivanje veličine uzorka često se miješa s Zanemarivanje osnovne stope, što je zasebna kognitivna pristranost. Dok se zanemarivanje veličine uzorka odnosi na propust razmatranja uloge veličina uzorka u određivanju pouzdanosti statističkih podataka tvrdi da se zanemarivanje osnovne stope odnosi na sklonost ljudi zanemarivanju postojećeg znanja o fenomenu pri procjeni novog informacija.

Primjer zanemarivanja veličine uzorka u stvarnom svijetu

Da biste bolje razumjeli zanemarivanje veličine uzorka, razmotrite sljedeći primjer koji je izveden iz istraživanja Amosa Tverskyja i Daniela Kahnemana:

Od osobe se traži da izvuče iz uzorka od pet kuglica i ustanovi da su četiri crvene, a jedna zelena.

Osoba izvlači iz uzorka od 20 kuglica i otkriva da je 12 crvenih, a osam zelenih.

Koji uzorak pruža bolje dokaze da su kuglice pretežno crvene?

Većina ljudi kaže da prvi, manji uzorak daje mnogo jače dokaze jer je omjer crvene i zelene puno veći od većeg uzorka. Međutim, u stvarnosti veći omjer nadmašuje manja veličina uzorka. Uzorak od 20 zapravo pruža mnogo jače dokaze.

Drugi primjer Amosa Tverskog i Daniela Kahnemana je sljedeći:

Grad opslužuju dvije bolnice. U većoj bolnici dnevno se u prosjeku rodi 45 beba, a u manjoj oko 15 beba svaki dan. Iako su 50% svih beba dječaci, točan postotak varira iz dana u dan.

Tijekom jedne godine svaka je bolnica bilježila dane u kojima je više od 60% beba bilo dječaka. Koja je bolnica zabilježila više takvih dana?

Na ovo pitanje 22% ispitanika reklo je da bi veća bolnica prijavila više takvih dana, dok je 56% reklo da bi rezultati bili isti za obje bolnice. Zapravo, točan je odgovor da bi manja bolnica zabilježila više takvih dana, jer bi njezina manja veličina proizvela veću varijabilnost.

Kao što smo ranije napomenuli, korijen zanemarivanja veličine uzorka je u tome što ljudi često ne razumiju da je veća vjerojatnost velike varijance u malim uzorcima. U ulaganju to može biti jako skupo.