Нехтування розміром вибірки
Нехтування розміром вибірки - це когнітивний ухил, який добре вивчали Амос Тверський та Даніель Канеман. Це трапляється, коли користувачі статистичної інформації роблять помилкові висновки, не враховуючи розмір вибірки відповідних даних.
Основна причина нехтування розміром вибірки - це те, що люди часто не розуміють, що високий рівень дисперсії частіше виникає у невеликих пробах. Тому важливо визначити, чи є розмір вибірки, що використовується для отримання даної статистики, досить великий, щоб можна було зробити вагомі висновки.
Знання, коли розмір вибірки є достатньо великим, може бути складним завданням для тих, хто недостатньо розуміє статистичні методи.
Ключові вивезення
- Нехтування розміром вибірки - це когнітивний ухил, який вивчали Амос Тверський та Даніель Канеман.
- Він полягає у виведенні помилкових висновків із статистичної інформації через те, що не враховували наслідки розміру вибірки.
- Бажаючі зменшити ризик нехтування розміром вибірки повинні пам’ятати, що менші розміри вибірки асоціюються з більш мінливими статистичними результатами, і навпаки.
Розуміння нехтування розміром вибірки
Якщо розмір вибірки занадто малий, точних та достовірних висновків не можна робити. У контексті фінансів це може ввести в оману інвесторів різними способами.
Наприклад, інвестор може побачити рекламу нового інвестиційного фонду, похвалившись тим, що отримав 15% річних прибутків з моменту створення. Інвестор може стрімко включити, що цей фонд є їх путівкою до швидкого створення багатства. Однак цей висновок може бути небезпечним помилковим, якщо фонд не інвестує дуже довго. У такому випадку результати можуть бути наслідком короткотермінових аномалій та мати мало спільного з фактичною методологією інвестування фонду.
Нехтування розміром вибірки часто плутають із знехтуванням базової швидкості, що є окремим когнітивним ухилом. У той час як зневага розміру вибірки посилається на неврахування ролі розмірів вибірки для визначення достовірності статистичних тверджень, зневага до базової ставки стосується тенденції людей нехтувати наявними знаннями про явище при оцінці нової інформації.
Приклад реального світу Нехтування розміром вибірки
Щоб краще зрозуміти нехтування розміром вибірки, розглянемо наступний приклад, який взятий з досліджень Амоса Тверського та Даніеля Канемана:
Людині пропонується взяти зразки з п’яти куль і виявить, що чотири червоні, а одна - зелені.
Людина черпає зразки з 20 куль і виявляє, що 12 червоні, а вісім - зелені.
Який зразок дає кращі докази того, що кульки переважно червоні?
Більшість людей кажуть, що перший, менший зразок дає набагато більш сильні докази, оскільки відношення червоного до зеленого набагато вище, ніж для більшого зразка. Однак насправді вищий коефіцієнт переважає менший розмір вибірки. Вибірка 20 насправді дає набагато більш сильні докази.
Ще один приклад Амоса Тверського та Даніеля Канемана:
Місто обслуговують дві лікарні. У більшій лікарні щодня народжується в середньому 45 немовлят, а в меншій лікарні щодня народжується близько 15 немовлят. Хоча 50% усіх дітей - хлопчики, точний відсоток коливається з дня на день.
Протягом одного року кожна лікарня реєструвала дні, коли понад 60% немовлят були хлопчиками. Яка лікарня зафіксувала більше таких днів?
На запитання цього питання 22% респондентів відповіли, що більша лікарня повідомить більше таких днів, тоді як 56% відповіли, що результати будуть однакові для обох лікарень. Насправді правильна відповідь полягає в тому, що менша лікарня зафіксувала б більше таких днів, оскільки її менший розмір призведе до більшої мінливості.
Як ми вже відзначали раніше, корінь нехтування розміром вибірки полягає в тому, що люди часто не розуміють, що високий рівень дисперсії частіше виникає у невеликих пробах. Вкладення коштів, це дійсно може бути дуже дорогим.
Порівняйте інвестиційні рахунки Ім’я постачальника Опис Розкриття рекламодавця × Пропозиції, що з’являються в цій таблиці, є партнерствами, від яких Investopedia отримує компенсацію.