Provstorlek Försummelse definierad
Vad är försummelse av provstorlek?
Provstorlek försummelse är en kognitiv bias berömt studerat av Amos Tversky och Daniel Kahneman. Det uppstår när användare av statistisk information gör falska slutsatser genom att inte tänka på provstorlek av uppgifterna i fråga.
Den bakomliggande orsaken till försummelse av provstorlek är att människor ofta inte förstår att höga nivåer av variation är mer benägna att förekomma i små prover. Därför är det avgörande att avgöra om provstorleken som används för att producera en given statistik är tillräckligt stor för att möjliggöra meningsfulla slutsatser.
Att veta när ett urval är tillräckligt stort kan vara utmanande för dem som inte har en god förståelse för statistiska metoder.
Viktiga takeaways
- Provstorleksförsummelse är en kognitiv fördom som studerats av Amos Tversky och Daniel Kahneman.
- Den består i att dra falska slutsatser från statistisk information på grund av att man inte har beaktat effekterna av urvalsstorlek.
- De som vill minska risken för försummelse av provstorlek bör komma ihåg att mindre provstorlekar är förknippade med mer flyktiga statistiska resultat, och vice versa.
Förstå provstorlek försummelse
När en urvalsstorlek är för liten kan det inte dras exakta och pålitliga slutsatser. I samband med finansiering kan detta vilseleda investerare på olika sätt.
Till exempel kan en investerare se en annons för en ny investeringsfond, som skryter med att ha genererat 15% årsavkastning sedan starten. Investeraren kan vara snabb att inkludera att denna fond är deras biljett till snabb förmögenhetsgenerering. Denna slutsats kan emellertid vara farligt vilseledd om fonden inte har investerat särskilt länge. I så fall kan resultaten bero på kortsiktiga avvikelser och har lite att göra med fondens faktiska investeringsmetodik.
Provstorleksförsummelse förväxlas ofta med Basrisk försummelse, vilket är en separat kognitiv fördom. Medan försummelse av urvalsstorlek hänvisar till underlåtenhet att beakta urvalsstorlekars roll för att bestämma statistikens trovärdighet påståenden, basrisk försummelse avser människors tendens att försumma befintlig kunskap om ett fenomen vid utvärdering av nytt information.
Verklig världsexempel på försummelse av provstorlek
För att bättre förstå försummelse av provstorlek, överväga följande exempel, som är hämtat från forskning av Amos Tversky och Daniel Kahneman:
En person ombeds att dra från ett prov på fem bollar och finner att fyra är röda och en är grön.
En person drar från ett prov på 20 bollar och finner att 12 är röda och åtta är gröna.
Vilket prov ger bättre bevis på att bollarna övervägande är röda?
De flesta säger att det första, mindre urvalet ger mycket starkare bevis eftersom förhållandet mellan rött och grönt är mycket högre än det större urvalet. Men i verkligheten uppvägs det högre förhållandet av den mindre provstorleken. Urvalet på 20 ger faktiskt mycket starkare bevis.
Ett annat exempel från Amos Tversky och Daniel Kahneman är följande:
En stad betjänas av två sjukhus. På det större sjukhuset föds i genomsnitt 45 barn varje dag och på det mindre sjukhuset föds cirka 15 barn varje dag. Även om 50% av alla barn är pojkar, varierar den exakta procentsatsen från dag till dag.
Under ett år registrerade varje sjukhus de dagar då mer än 60% av bebisarna råkade vara pojkar. Vilket sjukhus registrerade fler sådana dagar?
22% av de tillfrågade sa att det större sjukhuset skulle rapportera fler sådana dagar, medan 56% sa att resultaten skulle vara desamma för båda sjukhusen. Faktum är att det rätta svaret är att det mindre sjukhuset skulle registrera fler sådana dagar, eftersom dess mindre storlek skulle ge större variation.
Som vi noterade tidigare är roten till försummelse av provstorlek att människor ofta inte förstår att höga variansnivåer är mer benägna att förekomma i små prover. När det gäller investeringar kan det faktiskt bli mycket dyrt.