Trascuratezza della dimensione del campione
La dimensione del campione La negligenza è una distorsione cognitiva notoriamente studiata da Amos Tversky e Daniel Kahneman. Si verifica quando gli utenti delle informazioni statistiche traggono conclusioni errate non considerando la dimensione del campione dei dati in questione.
La causa alla base della trascuratezza della dimensione del campione è che le persone spesso non riescono a capire che è più probabile che si verifichino alti livelli di varianza in piccoli campioni. Pertanto, è fondamentale determinare se la dimensione del campione utilizzata per produrre una determinata statistica è abbastanza grande da consentire conclusioni significative.
Sapere quando una dimensione del campione è sufficientemente grande può essere una sfida per coloro che non hanno una buona conoscenza dei metodi statistici.
Key Takeaways
- Sample Size Neglect è un pregiudizio cognitivo studiato da Amos Tversky e Daniel Kahneman.
- Consiste nel trarre false conclusioni dalle informazioni statistiche, a causa del non aver considerato gli effetti della dimensione del campione.
- Coloro che desiderano ridurre il rischio di trascuratezza della dimensione del campione dovrebbero ricordare che dimensioni del campione inferiori sono associate a risultati statistici più volatili e viceversa.
Comprensione dell'abbandono della dimensione del campione
Quando una dimensione del campione è troppo piccola, non è possibile trarre conclusioni accurate e affidabili. Nel contesto della finanza, ciò può indurre in errore gli investitori in vari modi.
Ad esempio, un investitore potrebbe vedere un annuncio pubblicitario per un nuovo fondo di investimento, vantandosi di aver generato rendimenti annualizzati del 15% sin dal suo inizio. L'investitore potrebbe essere pronto a includere che questo fondo è il loro biglietto per una rapida generazione di ricchezza. Tuttavia, questa conclusione potrebbe essere pericolosamente fuorviata se il fondo non investe da molto tempo. In tal caso, i risultati potrebbero essere dovuti a anomalie a breve termine e avere poco a che fare con la metodologia di investimento effettiva del fondo.
La trascuratezza della dimensione del campione è spesso confusa con la negligenza della frequenza di base, che è una distorsione cognitiva separata. Mentre l'abbandono delle dimensioni del campione si riferisce all'incapacità di considerare il ruolo delle dimensioni del campione nel determinare l'affidabilità delle affermazioni statistiche, l'abbandono del tasso di base si riferisce alla tendenza delle persone a trascurare le conoscenze esistenti su un fenomeno durante la valutazione di nuove informazioni.
Esempio reale di trascuratezza della dimensione del campione
Per comprendere meglio l'abbandono delle dimensioni del campione, si consideri il seguente esempio, che è tratto dalla ricerca di Amos Tversky e Daniel Kahneman:
A una persona viene chiesto di pescare da un campione di cinque palline e scopre che quattro sono rosse e una verde.
Una persona estrae da un campione di 20 palline e scopre che 12 sono rosse e otto sono verdi.
Quale campione fornisce una prova migliore che le palle sono prevalentemente rosse?
La maggior parte delle persone afferma che il primo campione più piccolo fornisce prove molto più forti perché il rapporto tra rosso e verde è molto più alto rispetto al campione più grande. Tuttavia, in realtà il rapporto più elevato è compensato dalla dimensione del campione più piccola. Il campione di 20 in realtà fornisce prove molto più forti.
Un altro esempio di Amos Tversky e Daniel Kahneman è il seguente:
Una città è servita da due ospedali. Nell'ospedale più grande, ogni giorno nascono in media 45 bambini e nell'ospedale più piccolo nascono circa 15 bambini ogni giorno. Sebbene il 50% di tutti i bambini siano maschi, la percentuale esatta varia di giorno in giorno.
Durante un anno, ogni ospedale ha registrato i giorni in cui oltre il 60% dei bambini era rappresentato da maschi. Quale ospedale ha registrato più di questi giorni?
Quando è stata posta questa domanda, il 22% degli intervistati ha affermato che l'ospedale più grande riferirà di più in questi giorni, mentre il 56% ha affermato che i risultati sarebbero gli stessi per entrambi gli ospedali. In effetti, la risposta corretta è che l'ospedale più piccolo registrerebbe più di questi giorni, perché le sue dimensioni più piccole produrrebbero una maggiore variabilità.
Come abbiamo notato in precedenza, la radice della trascuratezza della dimensione del campione è che le persone spesso non riescono a capire che è più probabile che si verifichino alti livelli di varianza in piccoli campioni. Nell'investire, questo può essere davvero molto costoso.
Confronta i conti di investimento Nome del fornitore Descrizione Descrizione dell'inserzionista × Le offerte che compaiono in questa tabella provengono da società di persone da cui Investopedia riceve un compenso.