Opredelitev zanemarjanja velikosti vzorca

Kaj je zanemarjanje velikosti vzorca?

Zanemarjanje velikosti vzorca je a kognitivna pristranskost slavno preučeval Amos Tversky in Daniel Kahneman. Pojavi se, ko uporabniki statističnih informacij naredijo napačne zaključke, če ne upoštevajo Velikost vzorca zadevnih podatkov.

Glavni vzrok zanemarjanja velikosti vzorca je, da ljudje pogosto ne razumejo, da so visoke ravni variance se pogosteje pojavljajo v majhnih vzorcih. Zato je ključno ugotoviti, ali je velikost vzorca, uporabljena za izdelavo določene statistike, dovolj velika, da omogoča smiselne zaključke.

Vedeti, kdaj je velikost vzorca dovolj velika, je lahko izziv za tiste, ki ne razumejo dobro statističnih metod.

Razumevanje zanemarjanja velikosti vzorca

Če je vzorec premajhen, ni mogoče narediti natančnih in zaupanja vrednih zaključkov. Kar zadeva finance, lahko to vlagatelje na različne načine zavede.

Na primer, vlagatelj bi lahko videl oglas za nov investicijski sklad, ki se ponaša s tem, da je ustvaril 15% letne donose od svojega nastanka. Vlagatelj bi lahko hitro vključil, da je ta sklad njihova vstopnica za hitro ustvarjanje bogastva. Vendar bi bil ta sklep lahko nevarno napačen, če sklad ne bi vlagal zelo dolgo. V tem primeru so lahko rezultati posledica kratkoročnih anomalij in nimajo veliko skupnega z dejansko naložbeno metodologijo sklada.

Zanemarjanje velikosti vzorca se pogosto zamenjuje Zanemarjanje osnovne stopnje, kar je ločena kognitivna pristranskost. Zanemarjanje velikosti vzorca se nanaša na neupoštevanje vloge velikosti vzorca pri določanju zaupanja statističnih podatkov trdi, da je zanemarjanje osnovne stopnje povezano s težnjo ljudi, da pri ocenjevanju novega zanemarjajo obstoječe znanje o pojavu informacije.

Primer zanemarjanja velikosti vzorca v resničnem svetu

Za boljše razumevanje zanemarjanja velikosti vzorca razmislite o naslednjem primeru, ki je nastal iz raziskav Amosa Tverskega in Daniela Kahnemana:

Oseba mora potegniti iz vzorca petih kroglic in ugotovi, da so štiri rdeče, ena pa zelena.

Oseba vzame iz vzorca 20 kroglic in ugotovi, da je 12 rdečih, osem pa zelenih.

Kateri vzorec daje boljše dokaze, da so kroglice pretežno rdeče?

Večina ljudi pravi, da prvi, manjši vzorec daje veliko močnejše dokaze, ker je razmerje rdeče in zelene veliko večje od večjega vzorca. V resnici pa višje razmerje odtehta manjša velikost vzorca. Vzorec 20 dejansko ponuja veliko močnejše dokaze.

Še en primer Amosa Tverskega in Daniela Kahnemana je naslednji:

Mesto oskrbujeta dve bolnišnici. V večji bolnišnici se v povprečju vsak dan rodi 45 otrok, v manjši bolnišnici pa se rodi približno 15 otrok vsak dan. Čeprav je 50% vseh otrok fantov, natančen odstotek niha iz dneva v dan.

V enem letu je vsaka bolnišnica beležila dneve, ko je bilo več kot 60% dojenčkov fantov. Katera bolnišnica je zabeležila več takih dni?

Na to vprašanje je 22% vprašanih odgovorilo, da bi večja bolnišnica poročala več o teh dneh, 56% pa jih je reklo, da bodo rezultati enaki za obe bolnišnici. Pravzaprav je pravilen odgovor, da bi manjša bolnišnica beležila več takih dni, ker bi njena manjša velikost povzročila večjo variabilnost.

Kot smo že omenili, je koren zanemarjanja velikosti vzorca v tem, da ljudje pogosto ne razumejo, da je velika verjetnost velike razlike večja pri majhnih vzorcih. Pri vlaganju je to lahko zelo drago.