Probengröße vernachlässigen
Was ist Vernachlässigung der Probengröße?
Sample Size Neglect ist eine Daniel Kahneman untersucht wurde. Es tritt auf, wenn Benutzer statistischer Informationen falsche Schlussfolgerungen ziehen, indem sie die Stichprobengröße der betreffenden Daten nicht berücksichtigen.
Die zugrunde liegende Ursache für die Vernachlässigung der Stichprobengröße ist, dass Menschen häufig nicht verstehen, dass bei kleinen Stichproben mit höherer Wahrscheinlichkeit hohe Varianz auftreten. Daher ist es wichtig zu bestimmen, ob die zur Erstellung einer bestimmten Statistik verwendete Stichprobengröße groß genug ist, um aussagekräftige Schlussfolgerungen zu ermöglichen.
Zu wissen, wann eine Stichprobengröße ausreichend groß ist, kann für diejenigen, die die statistischen Methoden nicht gut verstehen, eine Herausforderung sein.
Die zentralen Thesen
- Sample Size Neglect ist eine kognitive Verzerrung, die von Amos Tversky und Daniel Kahneman untersucht wurde.
- Es besteht darin, aus statistischen Informationen falsche Schlussfolgerungen zu ziehen, da die Auswirkungen der Stichprobengröße nicht berücksichtigt wurden.
- Wer das Risiko einer Vernachlässigung der Probengröße verringern möchte, sollte bedenken, dass kleinere Probengrößen mit volatileren statistischen Ergebnissen verbunden sind und umgekehrt.
Grundlegendes zur Vernachlässigung der Probengröße
Wenn eine Stichprobengröße zu klein ist, können keine genauen und vertrauenswürdigen Schlussfolgerungen gezogen werden. Im Zusammenhang mit der Finanzierung kann dies die Anleger auf verschiedene Weise irreführen.
Zum Beispiel könnte ein Anleger eine Anzeige für einen neuen Investmentfonds sehen, der sich rühmt, seit seiner Auflegung eine annualisierte Rendite von 15% erzielt zu haben. Der Anleger könnte schnell einschließen, dass dieser Fonds seine Eintrittskarte für eine schnelle Vermögensbildung ist. Diese Schlussfolgerung könnte jedoch gefährlich falsch sein, wenn der Fonds nicht sehr lange investiert hat. In diesem Fall könnten die Ergebnisse auf kurzfristige Anomalien zurückzuführen sein und wenig mit der tatsächlichen Anlagemethode des Fonds zu tun haben.
Die Vernachlässigung der Stichprobengröße wird häufig mit der Vernachlässigung der Basisrate verwechselt, bei der es sich um eine separate kognitive Verzerrung handelt. Während sich die Vernachlässigung der Stichprobengröße auf das Versäumnis bezieht, die Rolle der Stichprobengröße bei der Bestimmung der Vertrauenswürdigkeit statistischer Angaben zu berücksichtigen, bezieht sich die Vernachlässigung der Basisrate auf die Tendenz der Menschen, vorhandenes Wissen über ein Phänomen bei der Bewertung neuer Informationen zu vernachlässigen.
Beispiel aus der realen Welt für die Vernachlässigung der Probengröße
Um die Vernachlässigung der Probengröße besser zu verstehen, betrachten Sie das folgende Beispiel, das aus Untersuchungen von Amos Tversky und Daniel Kahneman stammt:
Eine Person wird gebeten, aus einer Stichprobe von fünf Bällen zu ziehen, und stellt fest, dass vier rot und einer grün sind.
Eine Person zieht aus einer Stichprobe von 20 Bällen und stellt fest, dass 12 rot und acht grün sind.
Welche Probe liefert einen besseren Beweis dafür, dass die Kugeln überwiegend rot sind?
Die meisten Leute sagen, dass die erste, kleinere Stichprobe viel stärkere Beweise liefert, da das Verhältnis von Rot zu Grün viel höher ist als das der größeren Stichprobe. In der Realität wird das höhere Verhältnis jedoch durch die kleinere Stichprobengröße aufgewogen. Die Stichprobe von 20 liefert tatsächlich viel stärkere Beweise.
Ein weiteres Beispiel von Amos Tversky und Daniel Kahneman lautet wie folgt:
Eine Stadt wird von zwei Krankenhäusern versorgt. Im größeren Krankenhaus werden durchschnittlich 45 Babys pro Tag geboren, und im kleineren Krankenhaus werden täglich etwa 15 Babys geboren. Obwohl 50% aller Babys Jungen sind, schwankt der genaue Prozentsatz von Tag zu Tag.
Während eines Jahres zeichnete jedes Krankenhaus die Tage auf, an denen mehr als 60% der Babys Jungen waren. Welches Krankenhaus hat mehr solche Tage aufgezeichnet?
Bei dieser Frage gaben 22% der Befragten an, dass das größere Krankenhaus mehr solche Tage melden würde, während 56% angaben, dass die Ergebnisse für beide Krankenhäuser gleich wären. In der Tat ist die richtige Antwort, dass das kleinere Krankenhaus mehr solcher Tage aufzeichnen würde, weil seine kleinere Größe eine größere Variabilität erzeugen würde.
Wie bereits erwähnt, liegt die Wurzel von Sample Size Neglect darin, dass Menschen häufig nicht verstehen, dass bei kleinen Stichproben mit höherer Wahrscheinlichkeit hohe Varianzwerte auftreten. Bei Investitionen kann dies in der Tat sehr kostspielig sein.