ขนาดตัวอย่าง ละเลยที่กำหนด

ขนาดตัวอย่างละเลยคืออะไร?

ขนาดตัวอย่าง การละเลยคือ a อคติทางปัญญา การศึกษาที่มีชื่อเสียงโดย Amos Tversky และ Daniel Kahneman. เกิดขึ้นเมื่อผู้ใช้ข้อมูลทางสถิติให้ข้อสรุปเท็จโดยไม่ได้พิจารณา ขนาดตัวอย่าง ของข้อมูลที่เป็นปัญหา

สาเหตุหลักของการละเลยขนาดตัวอย่างคือคนมักไม่เข้าใจว่า. ระดับสูง ความแปรปรวน มีแนวโน้มที่จะเกิดขึ้นในตัวอย่างขนาดเล็ก ดังนั้นจึงเป็นเรื่องสำคัญที่จะต้องพิจารณาว่าขนาดกลุ่มตัวอย่างที่ใช้สร้างสถิติที่กำหนดนั้นใหญ่พอที่จะทำให้ได้ข้อสรุปที่มีความหมายหรือไม่

การรู้ว่าเมื่อใดที่กลุ่มตัวอย่างมีขนาดใหญ่เพียงพออาจเป็นเรื่องที่ท้าทายสำหรับผู้ที่ไม่มีความเข้าใจในวิธีการทางสถิติเป็นอย่างดี

การทำความเข้าใจขนาดตัวอย่าง การละเลย

เมื่อกลุ่มตัวอย่างมีขนาดเล็กเกินไป จะไม่สามารถสรุปผลที่ถูกต้องและน่าเชื่อถือได้ ในบริบทของการเงิน สิ่งนี้อาจทำให้นักลงทุนเข้าใจผิดได้หลายวิธี

เช่น นักลงทุนอาจเห็นโฆษณากองทุนใหม่ อวดรายได้ 15% ผลตอบแทนรายปี ตั้งแต่เริ่มก่อตั้ง นักลงทุนอาจรวมได้อย่างรวดเร็วว่ากองทุนนี้เป็นตั๋วของพวกเขาในการสร้างความมั่งคั่งอย่างรวดเร็ว อย่างไรก็ตาม ข้อสรุปนี้อาจเข้าใจผิดได้หากกองทุนไม่ได้ลงทุนเป็นเวลานาน ในกรณีดังกล่าว ผลลัพธ์อาจเกิดจากความผิดปกติในระยะสั้นและแทบไม่เกี่ยวข้องกับวิธีการลงทุนที่แท้จริงของกองทุน

ขนาดตัวอย่าง การละเลยมักสับสนกับ ละเลยอัตราฐานซึ่งเป็นอคติทางปัญญาที่แยกจากกัน ขณะที่การละเลยขนาดตัวอย่างหมายถึงความล้มเหลวในการพิจารณาบทบาทของขนาดตัวอย่างในการพิจารณาความน่าเชื่อถือของสถิติ การเรียกร้อง Base Rate ละเลยเกี่ยวข้องกับแนวโน้มของผู้คนที่จะละเลยความรู้ที่มีอยู่เกี่ยวกับปรากฏการณ์เมื่อประเมินใหม่ ข้อมูล.

ตัวอย่างขนาดตัวอย่างในโลกแห่งความเป็นจริง ละเลย

เพื่อให้เข้าใจ Sample Size Neglect มากขึ้น ให้พิจารณาตัวอย่างต่อไปนี้ ซึ่งดึงมาจากการวิจัยโดย Amos Tversky และ Daniel Kahneman:

บุคคลถูกขอให้ดึงจากตัวอย่างลูกบอลห้าลูก และพบว่าสี่ลูกเป็นสีแดงและลูกหนึ่งเป็นสีเขียว

คนดึงตัวอย่างจาก 20 ลูกและพบว่า 12 เป็นสีแดงและแปดเป็นสีเขียว

ตัวอย่างใดให้หลักฐานที่ดีกว่าว่าลูกบอลส่วนใหญ่เป็นสีแดง

คนส่วนใหญ่บอกว่ากลุ่มตัวอย่างแรกที่มีขนาดเล็กกว่านั้นให้หลักฐานที่ชัดเจนกว่ามาก เนื่องจากอัตราส่วนของสีแดงต่อสีเขียวนั้นสูงกว่ากลุ่มตัวอย่างที่ใหญ่กว่ามาก อย่างไรก็ตาม ในความเป็นจริง อัตราส่วนที่สูงกว่านั้นจะมีค่ามากกว่าด้วยขนาดตัวอย่างที่เล็กกว่า กลุ่มตัวอย่าง 20 คนให้หลักฐานที่ชัดเจนกว่ามาก

อีกตัวอย่างหนึ่งจาก Amos Tversky และ Daniel Kahneman มีดังนี้:

เมืองหนึ่งให้บริการโดยโรงพยาบาลสองแห่ง ในโรงพยาบาลที่ใหญ่ขึ้น มีทารกเกิดโดยเฉลี่ย 45 คนในแต่ละวัน และในโรงพยาบาลขนาดเล็กมีทารกเกิดประมาณ 15 คนในแต่ละวัน แม้ว่า 50% ของทารกทั้งหมดเป็นเด็กผู้ชาย แต่เปอร์เซ็นต์ที่แน่นอนจะผันผวนในแต่ละวัน

ในช่วงหนึ่งปี โรงพยาบาลแต่ละแห่งได้บันทึกวันที่ทารกมากกว่า 60% เป็นเด็กชาย โรงพยาบาลไหนบันทึกวันดังกล่าวมากขึ้น?

เมื่อถามคำถามนี้ 22% ของผู้ตอบแบบสอบถามกล่าวว่าโรงพยาบาลขนาดใหญ่จะรายงานวันดังกล่าวมากขึ้น ในขณะที่ 56% กล่าวว่าผลลัพธ์จะเหมือนกันสำหรับทั้งสองโรงพยาบาล อันที่จริง คำตอบที่ถูกต้องคือโรงพยาบาลขนาดเล็กจะบันทึกวันดังกล่าวมากขึ้น เพราะขนาดที่เล็กกว่าจะทำให้เกิดความแปรปรวนมากขึ้น

ดังที่เราได้กล่าวไว้ก่อนหน้านี้ รากฐานของ Sample Size Neglect ก็คือ ผู้คนมักไม่เข้าใจว่าความแปรปรวนในระดับสูงมักจะเกิดขึ้นในกลุ่มตัวอย่างขนาดเล็ก ในการลงทุนอาจมีค่าใช้จ่ายสูงมาก