Одређено занемаривање величине узорка

Шта је занемаривање величине узорка?

Занемаривање величине узорка је а когнитивни пристрасност славно проучавао Амос Тверски и Даниел Кахнеман. То се догађа када корисници статистичких података доносе лажне закључке не узимајући у обзир Величина узорка предметних података.

Основни узрок занемаривања величине узорка је то што људи често не схватају да високи нивои променљив се чешће јављају у малим узорцима. Због тога је кључно утврдити да ли је величина узорка која се користи за израду дате статистике довољно велика да омогући смислене закључке.

Знати када је величина узорка довољно велика може бити изазов за оне који не разумеју добро статистичке методе.

Разумевање занемаривања величине узорка

Када је величина узорка премала, не могу се извести тачни и поуздани закључци. У контексту финансија, ово може на разне начине довести у заблуду инвеститоре.

На пример, инвеститор би могао видети оглас за нови инвестициони фонд, хвалећи се да је остварио 15% годишњи приноси од свог оснивања. Инвеститор би могао брзо укључити да је овај фонд њихова карта за брзо стварање богатства. Међутим, овај закључак би могао бити опасно погрешан ако фонд не улаже јако дуго. У том случају, резултати могу бити посљедица краткорочних аномалија и немају много везе са стварном методологијом улагања фонда.

Занемаривање величине узорка често се меша са Занемаривање основне стопе, што је засебна когнитивна пристрасност. Док се занемаривање величине узорка односи на пропуст да се размотри улога величина узорка у одређивању поузданости статистичких података тврди да се занемаривање базне стопе односи на тенденцију људи да занемарују постојеће знање о феномену приликом оцењивања новог информације.

Пример стварног света занемаривања величине узорка

Да бисте боље разумели занемаривање величине узорка, размотрите следећи пример, који је извучен из истраживања Амоса Тверског и Даниела Кахнемана:

Од особе се тражи да извуче из узорка од пет лоптица и установи да су четири црвене, а једна зелена.

Особа извлачи из узорка од 20 куглица и открива да је 12 црвених, а осам зелених.

Који узорак пружа боље доказе да су лоптице претежно црвене?

Већина људи каже да први, мањи узорак пружа много јаче доказе јер је однос црвеног према зеленом много већи од већег узорка. Међутим, у стварности већи омјер надмашује мања величина узорка. Узорак од 20 заправо пружа много јаче доказе.

Још један пример Амоса Тверског и Даниела Кахнемана је следећи:

Град опслужују две болнице. У већој болници дневно се роди у просеку 45 беба, а у мањој око 15 беба сваки дан. Иако су 50% свих беба дечаци, тачан проценат варира из дана у дан.

Током једне године, свака болница бележила је дане у којима је више од 60% беба било дечаци. Која болница је забележила више таквих дана?

На ово питање, 22% испитаника је рекло да би већа болница пријавила више таквих дана, док је 56% рекло да би резултати били исти за обе болнице. У ствари, тачан одговор је да би мања болница бележила више таквих дана, јер би њена мања величина произвела већу варијабилност.

Као што смо раније приметили, корен занемаривања величине узорка је у томе што људи често не схватају да је већа вероватноћа да ће се велика варијанса појавити у малим узорцима. Улагање може бити заиста скупо.