Dimensione del campione negligenza
Che cos'è la mancata dimensione del campione?
La trascuratezza della dimensione del campione è un pregiudizio cognitivo notoriamente studiato da Amos Tversky e Daniel Kahneman. Si verifica quando gli utenti di informazioni statistiche traggono false conclusioni non tenendo conto della dimensione del campione dei dati in questione. La causa alla base della negligenza nella 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 sufficientemente ampia da consentire conclusioni significative. Sapere quando una dimensione del campione è sufficientemente grande può essere difficile per coloro che non hanno una buona comprensione dei metodi statistici.
Comprensione della trascuratezza della dimensione del campione
La maggior parte delle inferenze statistiche dipende dalla legge dei grandi numeri. Questo dice che con un campione sufficientemente ampio, le caratteristiche della popolazione da cui il campione è tratto possono essere dedotte, con un certo grado di confidenza, dalle caratteristiche del campione. Quando una dimensione del campione è troppo piccola, non è possibile trarre conclusioni accurate e affidabili. La negligenza della dimensione del campione consiste nell'ignorare l'effetto di piccoli campioni sulla nostra capacità di trarre tali conclusioni. Nel contesto della finanza, ciò può fuorviare 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 concludere rapidamente che questo fondo è un biglietto per una rapida generazione di ricchezza. Tuttavia, se il fondo non è in circolazione da molto tempo, questa conclusione potrebbe disinformare il potenziale investitore. I risultati possono essere dovuti ad anomalie a breve termine e hanno poco a che fare con l'effettiva metodologia di investimento del fondo.
La negligenza della dimensione del campione viene spesso confusa con la negligenza della frequenza di base,. che è un pregiudizio cognitivo correlato. Mentre Sample Size Neglect si riferisce all'incapacità di considerare il ruolo delle dimensioni del campione nel determinare l'affidabilità delle affermazioni statistiche, Base Rate Neglect si riferisce alla tendenza delle persone a trascurare le conoscenze esistenti su un fenomeno quando valutano nuove informazioni.
Esempio nel mondo reale di negligenza nella dimensione del campione
Per comprendere meglio la trascuratezza della dimensione del campione, si consideri il seguente esempio, tratto dalla ricerca di Tversky e Kahneman:
A una persona viene chiesto di estrarre 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 verdi.
Quale campione fornisce una migliore evidenza 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 alto è controbilanciato dalla dimensione del campione più piccola. Il campione di 20 in realtà fornisce prove molto più forti.
Un altro esempio di Tversky e 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 ogni giorno nascono circa 15 bambini. Sebbene il 50% di tutti i bambini siano maschi, la percentuale esatta oscilla di giorno in giorno.
Durante un anno, ogni ospedale ha registrato i giorni in cui più del 60% dei bambini erano maschi. Quale ospedale ha registrato più giorni simili?
Quando è stata posta questa domanda, il 22% degli intervistati ha affermato che l'ospedale più grande riporterebbe più giorni di questo tipo, 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 giorni di questo tipo, perché le sue dimensioni più ridotte produrrebbero una maggiore variabilità.
Come abbiamo notato in precedenza, il fondamento di Sample Size Neglect è che le persone spesso non riescono a capire che è più probabile che si verifichino alti livelli di varianza in piccoli campioni. Investire, questo può essere davvero molto costoso.
Mette in risalto
La trascuratezza della dimensione del campione è un pregiudizio cognitivo studiato da Amos Tversky e Daniel Kahneman.
Consiste nel trarre false conclusioni da informazioni statistiche, per non aver considerato gli effetti della dimensione campionaria.
Coloro che desiderano ridurre il rischio di negligenza nella dimensione del campione dovrebbero ricordare che dimensioni del campione più piccole sono associate a risultati statistici più volatili e viceversa.
