Örnek Boyutu İhmal Tanımlı

Örnek Boyutu İhmal Edilmesi Nedir?

Örnek Boyutu İhmal, bir bilişsel önyargı Amos Tversky tarafından ünlü olarak çalışıldı ve Daniel Kahneman. İstatistiksel bilgi kullanıcıları, aşağıdakileri dikkate almayarak yanlış sonuçlar çıkardığında ortaya çıkar. örnek boyut söz konusu verilerden.

Örneklem Büyüklüğü İhmalinin altında yatan neden, insanların genellikle yüksek düzeydeki varyans küçük örneklerde ortaya çıkma olasılığı daha yüksektir. Bu nedenle, belirli bir istatistiği üretmek için kullanılan örneklem boyutunun anlamlı sonuçlara izin verecek kadar büyük olup olmadığını belirlemek çok önemlidir.

Bir numune boyutunun ne zaman yeterince büyük olduğunu bilmek, istatistiksel yöntemleri iyi anlamayanlar için zor olabilir.

Örnek Boyutu İhmalini Anlamak

Örneklem büyüklüğü çok küçük olduğunda, doğru ve güvenilir sonuçlara varılamaz. Finans bağlamında bu, yatırımcıları çeşitli şekillerde yanıltabilir.

Örneğin, bir yatırımcı yeni bir yatırım fonu için bir reklam görebilir ve %15 getiri elde etmekle övünebilir. yıllık getiriler Kurulduğundan beri. Yatırımcı, bu fonun hızlı servet yaratma biletleri olduğunu hemen ekleyebilir. Ancak, fon çok uzun süredir yatırım yapmıyorsa, bu sonuç tehlikeli bir şekilde yanlış yönlendirilebilir. Bu durumda, sonuçlar kısa vadeli anormalliklerden kaynaklanabilir ve fonun gerçek yatırım metodolojisiyle çok az ilgisi olabilir.

Numune Boyutu İhmali genellikle aşağıdakilerle karıştırılır: Baz Oran İhmal, ki bu ayrı bir bilişsel önyargıdır. Örneklem Büyüklüğü İhmali, istatistiksel verilerin güvenilirliğini belirlemede örneklem büyüklüklerinin rolünün dikkate alınmaması anlamına gelir. Temel Oran İhmali, insanların yeni bir olguyu değerlendirirken bir fenomen hakkındaki mevcut bilgiyi ihmal etme eğilimi ile ilgilidir. bilgi.

Örnek Boyutu İhmalinin Gerçek Dünya Örneği

Örnek Boyutu İhmalini daha iyi anlamak için, Amos Tversky ve Daniel Kahneman tarafından yapılan araştırmalardan alınan aşağıdaki örneği göz önünde bulundurun:

Bir kişiden beş bilyeden bir örnek çizmesi istenir ve dördünün kırmızı, birinin yeşil olduğunu bulur.

Bir kişi 20 bilye örneğinden çeker ve 12 tanesinin kırmızı, sekizinin yeşil olduğunu bulur.

Hangi örnek, topların ağırlıklı olarak kırmızı olduğuna dair daha iyi kanıt sağlar?

Çoğu insan, kırmızının yeşile oranı büyük örnekten çok daha yüksek olduğu için ilk, daha küçük örneğin çok daha güçlü kanıt sağladığını söylüyor. Bununla birlikte, gerçekte daha yüksek oran, daha küçük örnek boyutu tarafından ağır basmaktadır. 20 kişilik örnek aslında çok daha güçlü kanıtlar sağlıyor.

Amos Tversky ve Daniel Kahneman'dan bir başka örnek ise şöyle:

Bir kasabaya iki hastane hizmet vermektedir. Daha büyük hastanede her gün ortalama 45 bebek doğuyor ve daha küçük hastanede her gün yaklaşık 15 bebek doğuyor. Tüm bebeklerin %50'si erkek olsa da, kesin yüzde günden güne dalgalanıyor.

Bir yıl boyunca her hastane, bebeklerin %60'ından fazlasının erkek olduğu günleri kaydetti. Hangi hastane böyle günleri daha çok kaydetti?

Bu soru sorulduğunda, katılımcıların %22'si daha büyük hastanenin bu tür günleri daha fazla bildireceğini söylerken, %56'sı sonuçların her iki hastane için de aynı olacağını söyledi. Aslında doğru cevap, daha küçük hastanenin bu tür günleri daha fazla kaydedeceğidir, çünkü daha küçük boyutu daha fazla değişkenlik üretecektir.

Daha önce belirttiğimiz gibi, Örneklem Büyüklüğü İhmalinin kökü, insanların genellikle küçük örneklerde yüksek düzeyde varyansın meydana gelme olasılığının daha yüksek olduğunu anlayamamasıdır. Yatırım yaparken, bu gerçekten çok maliyetli olabilir.