Apakah Saiz Kelakuan Sampingan?
Ukuran Contoh Pengabaian adalah kecenderungan kognitif yang dikaji oleh Amos Tversky dan Daniel Kahneman. Ia berlaku apabila pengguna maklumat statistik membuat kesimpulan palsu dengan gagal mempertimbangkan saiz sampel data yang dipersoalkan.
Penyebab utama Pengabaian Saiz Sampel ialah orang sering gagal memahami bahawa varians yang tinggi kemungkinan besar akan berlaku dalam sampel kecil. Oleh itu, adalah penting untuk menentukan sama ada saiz sampel yang digunakan untuk menghasilkan statistik tertentu adalah cukup besar untuk membolehkan kesimpulan bermakna.
Mengetahui apabila saiz sampel cukup besar boleh mencabar bagi mereka yang tidak mempunyai pemahaman yang baik mengenai kaedah statistik.
Takeaways Utama
- Saiz Contoh Pengabaian adalah kecenderungan kognitif yang dikaji oleh Amos Tversky dan Daniel Kahneman.Ia terdiri daripada kesimpulan kesimpulan palsu dari maklumat statistik, kerana tidak mempertimbangkan kesan ukuran sampel. Mereka yang ingin mengurangkan risiko Sampai Keluarkan Ukuran harus ingat bahwa lebih kecil Saiz sampel dikaitkan dengan hasil statistik yang lebih stabil, dan sebaliknya.
Memahami Kesalahan Saiz Sampel
Apabila saiz sampel terlalu kecil, kesimpulan yang tepat dan boleh dipercayai tidak dapat ditarik. Dalam konteks kewangan, ini boleh mengelirukan pelabur dalam pelbagai cara.
Sebagai contoh, pelabur mungkin melihat dana pelaburan baru, membanggakan kerana menghasilkan 15% pulangan tahunan sejak penubuhannya. Pelabur mungkin cepat memasukkan dana ini sebagai tiket mereka untuk generasi kekayaan yang cepat. Walau bagaimanapun, kesimpulan ini boleh menjadi bahaya jika dana belum dilaburkan untuk jangka masa yang panjang. Dalam hal ini, hasilnya mungkin disebabkan oleh anomali jangka pendek dan tidak berkaitan dengan metodologi pelaburan sebenar dana.
Saiz Contoh Pengabaian sering dikelirukan dengan Pengabaian Kadar Asas, yang merupakan kecenderungan kognitif yang berasingan. Walaupun Kesalahan Saiz Sampel merujuk kepada kegagalan untuk mempertimbangkan peranan saiz sampel dalam menentukan kebolehpercayaan tuntutan statistik, Kadar Penolakan Asas berkaitan dengan kecenderungan orang untuk mengabaikan pengetahuan sedia ada tentang fenomena ketika menilai maklumat baru.
Contoh Dunia Sebenar Contoh Sampel Kelalaian
Untuk lebih memahami Kesalahan Saiz Sampel, pertimbangkan contoh berikut, yang diambil dari penyelidikan oleh Amos Tversky dan Daniel Kahneman:
Seseorang diminta untuk mengambil dari sampel lima bola, dan mendapati bahawa empat berwarna merah dan satu berwarna hijau.
Seorang menarik dari sampel 20 bola, dan mendapati bahawa 12 berwarna merah dan lapan berwarna hijau.
Sampel mana yang memberikan bukti yang lebih baik bahawa bola kebanyakannya merah?
Kebanyakan orang mengatakan bahawa sampel pertama yang lebih kecil memberikan bukti yang lebih kuat kerana nisbah warna merah ke hijau jauh lebih tinggi daripada sampel yang lebih besar. Walau bagaimanapun, pada hakikatnya nisbah yang lebih tinggi adalah lebih besar daripada saiz sampel yang lebih kecil. Sampel 20 sebenarnya memberikan bukti yang lebih kuat.
Satu lagi contoh dari Amos Tversky dan Daniel Kahneman adalah seperti berikut:
Sebuah bandar dilayani oleh dua buah hospital. Di hospital yang lebih besar, purata 45 bayi dilahirkan setiap hari, dan di hospital yang lebih kecil kira-kira 15 bayi dilahirkan setiap hari. Walaupun 50% daripada semua bayi adalah lelaki, peratusan sebenar berubah dari hari ke hari.
Sepanjang setahun, setiap hospital merekodkan hari-hari di mana lebih daripada 60% bayi menjadi budak lelaki. Hospital manakah yang mencatat lebih banyak hari tersebut?
Ketika ditanya soalan ini, 22% responden mengatakan bahawa hospital yang lebih besar akan melaporkan lebih banyak hari tersebut, sementara 56% mengatakan bahawa keputusannya akan sama untuk kedua-dua hospital. Malah, jawapan yang betul adalah bahawa hospital yang lebih kecil akan mencatat lebih banyak hari tersebut, kerana saiz yang lebih kecil akan menghasilkan kebolehubahan yang lebih besar.
Sebagaimana yang telah kita nyatakan pada awal, akar Sampel Pengabaian Saiz adalah bahawa orang sering gagal memahami bahawa tahap varians yang tinggi lebih cenderung berlaku dalam sampel kecil. Dalam melabur, ini boleh menjadi sangat mahal.
