Örnek Boyutu İhmal Nedir?
Örnek Büyüklüğü İhmali, Amos Tversky ve Daniel Kahneman tarafından ünlü olarak incelenen bilişsel bir önyargıdır. İstatistiksel bilgi kullanıcıları, söz konusu verilerin örnek büyüklüğünü göz önünde bulundurarak yanlış sonuçlar verdiğinde ortaya çıkar.
Örnek Büyüklüğü İhmalinin altında yatan neden, insanların genellikle küçük örneklerde yüksek varyans seviyelerinin ortaya çıkma olasılığının daha fazla olduğunu anlayamamalarıdır. Bu nedenle, belirli bir istatistik üretmek için kullanılan örneklem büyüklüğünün anlamlı sonuçlara izin verecek kadar büyük olup olmadığını belirlemek önemlidir.
Bir örneklem büyüklüğünün yeterince büyük olduğunu bilmek, istatistiksel yöntemleri iyi anlayamayanlar için zor olabilir.
Önemli Çıkarımlar
- Numune Boyutu İhmali, Amos Tversky ve Daniel Kahneman tarafından incelenen bilişsel bir önyargıdır.Örnek boyutunun etkilerini dikkate almadığı için istatistiksel bilgilerden yanlış sonuçlar çıkarmaktan ibarettir.Örnek Boyutu İhmali riskini azaltmak isteyenlerin daha küçük hatırlaması gerekir. örnek boyutları daha uçucu istatistiksel sonuçlarla ilişkilidir ve bunun tersi de geçerlidir.
Örnek Boyutu İhmalini Anlama
Bir numune boyutu çok küçük olduğunda, doğru ve güvenilir sonuçlar çıkarılamaz. Finans bağlamında bu durum yatırımcıları çeşitli şekillerde yanlış yönlendirebilir.
Örneğin, bir yatırımcı, kuruluşundan bu yana yıllık% 15'lik getiriler elde etmekle övünen yeni bir yatırım fonu görebilir. Yatırımcı, bu fonun hızlı servet üretme bileti olduğunu da 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 metodolojisi ile çok az ilgisi olabilir.
Numune Boyutu İhmali genellikle ayrı bir bilişsel önyargı olan Baz Oranı İhmaliyle karıştırılır. Örnek Büyüklüğü İhmali, istatistiksel iddiaların güvenilirliğini belirleme konusunda örnek büyüklüklerinin rolünü dikkate almamakla birlikte, Baz Oran İhmali, insanların yeni bilgileri değerlendirirken bir fenomenle ilgili mevcut bilgileri ihmal etme eğilimi ile ilgilidir.
Gerçek Dünyada Örnek Büyüklüğü İhmali Örneği
Örnek Büyüklüğü İhmalini daha iyi anlamak için Amos Tversky ve Daniel Kahneman tarafından yapılan araştırmalardan alınan aşağıdaki örneği göz önünde bulundurun:
Bir kişiden beş toptan bir örnek alması istenir ve dördünün kırmızı ve birinin yeşil olduğunu bulur.
Bir kişi 20 toptan bir örnek alır ve 12'nin kırmızı ve sekizinin yeşil olduğunu bulur.
Hangi örnek, topların baskın olarak kırmızı olduğuna dair daha iyi kanıt sağlar?
Çoğu insan, ilk küçük numunenin çok daha güçlü kanıtlar sağladığını, çünkü kırmızıdan yeşile oranının büyük numuneden çok daha yüksek olduğunu söylüyor. Bununla birlikte, gerçekte, daha yüksek oran, daha küçük örnek boyutu ile daha fazladır. 20 numunesi aslında çok daha güçlü kanıtlar sağlar.
Amos Tversky ve Daniel Kahneman'dan bir başka örnek şöyledir:
Bir kasabaya iki hastane hizmet veriyor. Büyük hastanede her gün ortalama 45 bebek doğar ve küçük hastanede her gün yaklaşık 15 bebek doğar. Tüm bebeklerin% 50'si erkek olmasına rağmen, kesin yüzde günden güne dalgalanmaktadır.
Bir yıl boyunca, her hastane bebeklerin% 60'ından fazlasının erkek olduğu günleri kaydetti. Hangi hastane böyle günleri daha kaydetti?
Bu soru sorulduğunda, katılımcıların% 22'si daha büyük hastanenin bu günleri daha fazla rapor edeceğini, % 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 de belirttiğimiz gibi, Örnek Boyutu İhmalinin kökü, insanların genellikle küçük örneklerde yüksek varyans seviyelerinin ortaya çıkma olasılığının daha fazla olduğunu anlayamamalarıdır. Yatırım yaparken, bu gerçekten çok maliyetli olabilir.
