Что такое пренебрежение размером образца?
Размер пробы Пренебрежение - это когнитивная предвзятость, хорошо изученная Амосом Тверски и Даниэлем Канеманом. Это происходит, когда пользователи статистической информации делают неверные выводы, не принимая во внимание размер выборки рассматриваемых данных.
Основная причина пренебрежения размером выборки заключается в том, что люди часто не понимают, что высокие уровни дисперсии чаще встречаются в небольших выборках. Поэтому очень важно определить, достаточно ли велик размер выборки, используемой для получения данной статистики, чтобы сделать содержательные выводы.
Знание того, когда размер выборки достаточно велик, может быть проблематичным для тех, кто плохо разбирается в статистических методах.
Ключевые вынос
- Пренебрежение размером выборки - это когнитивное искажение, изучаемое Амосом Тверски и Дэниелом Канеманом. Оно состоит из того, чтобы делать ложные выводы из статистической информации, поскольку не учитывал влияние размера выборки. Желающим уменьшить риск пренебрежения размером выборки следует помнить, что меньшая размеры выборки связаны с более изменчивыми статистическими результатами, и наоборот.
Понимание размера пробы
Когда размер выборки слишком мал, невозможно сделать точные и заслуживающие доверия выводы. В контексте финансов это может ввести инвесторов в заблуждение различными способами.
Например, инвестор может увидеть новый инвестиционный фонд, который может похвастаться получением 15% годовой прибыли с момента его создания. Инвестор мог бы поспешно указать, что этот фонд - их билет к быстрому созданию богатства. Тем не менее, этот вывод может быть опасно ошибочным, если фонд не инвестировал очень долго. В этом случае результаты могут быть связаны с краткосрочными аномалиями и иметь мало общего с реальной методологией инвестирования фонда.
Пренебрежение размером выборки часто путают с пренебрежением базовой скоростью, которое является отдельным когнитивным отклонением. В то время как пренебрежение размером выборки относится к тому, что не учитывается роль размеров выборки в определении достоверности статистических утверждений, базовая скорость пренебрежения связана с тенденцией людей пренебрегать существующими знаниями о явлении при оценке новой информации.
Пример пренебрежения размером выборки в реальном мире
Чтобы лучше понять пренебрежение размером выборки, рассмотрим следующий пример, который взят из исследования Амоса Тверски и Даниэля Канемана:
Человека просят извлечь из образца пять шаров, и он обнаруживает, что четыре красных и один зеленый.
Человек вытягивает из образца 20 шаров и обнаруживает, что 12 красных и восемь зеленых.
Какой образец является лучшим доказательством того, что шары преимущественно красные?
Большинство людей говорят, что первая, более мелкая выборка дает гораздо более веские доказательства, поскольку отношение красного к зеленому намного выше, чем у более крупной. Однако в действительности более высокое соотношение перевешивается меньшим размером выборки. Выборка из 20 фактически дает гораздо более убедительные доказательства.
Другой пример от Амоса Тверского и Даниэля Канемана таков:
Город обслуживают две больницы. В большей больнице каждый день рождается в среднем 45 детей, а в маленькой больнице - около 15 детей каждый день. Хотя 50% всех детей - мальчики, точный процент колеблется изо дня в день.
В течение одного года в каждой больнице регистрировались дни, когда более 60% детей были мальчиками. В какой больнице зарегистрировано больше таких дней?
Когда задали этот вопрос, 22% респондентов ответили, что большая больница сообщит о большем количестве таких дней, а 56% ответили, что результаты будут одинаковыми для обеих больниц. На самом деле, правильный ответ заключается в том, что меньшая больница будет регистрировать больше таких дней, потому что ее меньший размер приведет к большей изменчивости.
Как мы отмечали ранее, корень пренебрежения размером выборки заключается в том, что люди часто не понимают, что высокие уровни дисперсии чаще встречаются в небольших выборках. При инвестировании это может быть очень дорого.
