定義されたサンプルサイズの無視

サンプルサイズの無視とは何ですか？

サンプルサイズの無視は 認知バイアス エイモス・トベルスキーと ダニエル・カーネマン. これは、統計情報のユーザーが、 サンプルサイズ 問題のデータの。

サンプルサイズの無視の根本的な原因は、人々がその高レベルの 分散 小さなサンプルで発生する可能性が高くなります。 したがって、特定の統計を生成するために使用されるサンプルサイズが、意味のある結論を出すのに十分な大きさであるかどうかを判断することが重要です。

サンプルサイズが十分に大きい場合を知ることは、統計的手法を十分に理解していない人にとっては難しい場合があります。

サンプルサイズの無視を理解する

サンプルサイズが小さすぎると、正確で信頼できる結論を導き出すことができません。 金融の文脈では、これはさまざまな方法で投資家を誤解させる可能性があります。

たとえば、投資家は、15％を生成したことを誇る新しい投資ファンドの広告を見るかもしれません。 年間収益 創業以来。 投資家は、このファンドが急速な富の生成へのチケットであることをすぐに含めることができます。 ただし、ファンドが非常に長い間投資していない場合、この結論は危険なほど誤った方向に進む可能性があります。 その場合、結果は短期的な異常に起因する可能性があり、ファンドの実際の投資方法とはほとんど関係がありません。

サンプルサイズの無視はしばしばと混同されます 基本金利の無視、これは別個の認知バイアスです。 サンプルサイズの無視とは、統計の信頼性を判断する際にサンプルサイズの役割を考慮しないことを指します。 主張、基本率の無視は、新しい評価時に現象に関する既存の知識を無視する人々の傾向に関連しています 情報。

サンプルサイズの無視の実際の例

サンプルサイズの無視をよりよく理解するために、AmosTverskyとDanielKahnemanによる調査から得られた次の例を検討してください。

ある人が5つのボールのサンプルから描くように求められ、4つが赤で、1つが緑であることがわかりました。

ある人が20個のボールのサンプルから引き出したところ、12個が赤で、8個が緑であることがわかりました。

ボールが主に赤いというより良い証拠を提供するサンプルはどれですか？

ほとんどの人は、赤と緑の比率が大きいサンプルよりもはるかに高いため、最初の小さいサンプルがはるかに強力な証拠を提供すると言います。 ただし、実際には、サンプルサイズが小さいほど、比率が高くなります。 20のサンプルは、実際にははるかに強力な証拠を提供します。

AmosTverskyとDanielKahnemanの別の例は次のとおりです。

町には2つの病院があります。 大規模な病院では、毎日平均45人の赤ちゃんが生まれ、小規模な病院では、毎日約15人の赤ちゃんが生まれています。 すべての赤ちゃんの50％は男の子ですが、正確な割合は日々変動します。

1年間で、各病院は60％以上の赤ちゃんがたまたま男の子だった日を記録しました。 どの病院がそのような日をもっと記録しましたか？

この質問をしたとき、回答者の22％は、より大きな病院がより多くのそのような日を報告すると述べ、56％は、結果が両方の病院で同じであると述べました。 実際、正解は、規模が小さいほど変動が大きくなるため、病院が小さいほどそのような日数が多く記録されるということです。

前に述べたように、サンプルサイズの無視の根本は、小さなサンプルで高レベルの変動が発生する可能性が高いことを人々が理解できないことが多いということです。 投資において、これは確かに非常に費用がかかる可能性があります。