サンプルサイズの無視

##サンプルサイズの無視とは何ですか？

サンプルサイズの無視は、AmosTverskyとDanielKahnemanによって有名に研究された認知バイアスです。これは、統計情報のユーザーが問題のデータのサンプルサイズを考慮しなかったために誤った結論を出した場合に発生します。サンプルサイズの無視の根本的な原因は、小さなサンプルで高レベルの変動が発生する可能性が高いことを人々が理解できないことが多いことです。したがって、特定の統計を生成するために使用されるサンプルサイズが、意味のある結論を出すのに十分な大きさであるかどうかを判断することが重要です。サンプルサイズが十分に大きい場合を知ることは、統計的手法を十分に理解していない人にとっては難しい場合があります。

##サンプルサイズの無視を理解する

、大数の法則に依存しています。これは、十分な大きさのサンプルがあれば、サンプルの特性から、ある程度の信頼性を持って、サンプルが抽出された母集団の特性を推測できることを示しています。サンプルサイズが小さすぎると、正確で信頼できる結論を導き出すことができません。サンプルサイズの無視は、そのような結論を引き出す能力に対する小さなサンプルの影響を無視することで構成されます。金融の文脈では、これはさまざまな方法で投資家を誤解させる可能性があります。

たとえば、投資家は、開始以来15％の年間収益を生み出したことを誇る新しい投資ファンドの広告を目にするかもしれません。投資家は、このファンドが急速な富の創出への切符であるとすぐに結論付けるかもしれません。ただし、ファンドがあまり長く存在していなかった場合、この結論は潜在的な投資家に誤った情報を与える可能性があります。結果は短期的な異常によるものであり、ファンドの実際の投資方法とはほとんど関係がない可能性があります。

、関連する認知バイアスであるベースレートの無視と混同されることがよくあります。サンプルサイズの無視は、統計的主張の信頼性を判断する際のサンプルサイズの役割を考慮しないことを指しますが、ベースレートの無視は、新しい情報を評価するときに現象に関する既存の知識を無視する人々の傾向に関連します。

##サンプルサイズの無視の実際の例

サンプルサイズの無視をよりよく理解するために、TverskyとKahnemanの研究から引き出された次の例を検討してください。

ある人が5つのボールのサンプルから描くように求められ、4つが赤で、1つが緑であることがわかりました。

ある人が20個のボールのサンプルから引き出し、12個が赤で、8個が緑であることがわかりました。

ボールが主に赤いというより良い証拠を提供するサンプルはどれですか？

ほとんどの人は、赤と緑の比率が大きいサンプルよりもはるかに高いため、最初の小さいサンプルははるかに強力な証拠を提供すると言います。ただし、実際には、サンプルサイズが小さいほど、比率が高くなります。 20のサンプルは、実際にははるかに強力な証拠を提供します。

TverskyとKahnemanの別の例は次のとおりです。

町には2つの病院があります。大きな病院では毎日平均45人の赤ちゃんが生まれ、小さな病院では毎日約15人の赤ちゃんが生まれます。すべての赤ちゃんの50％は男の子ですが、正確な割合は日々変動します。

1年間、各病院は、赤ちゃんの60％以上がたまたま男の子であった日を記録しました。どの病院がそのような日をもっと記録しましたか？

この質問に対して、回答者の22％は、より大きな病院がより多くのそのような日を報告すると述べ、56％は、結果が両方の病院で同じであると述べました。実際、正解は、サイズが小さいほど変動が大きくなるため、小さい病院ではそのような日数が多く記録されるということです。

先に述べたように、サンプルサイズの無視の基礎は、小さなサンプルで高レベルの分散が発生する可能性が高いことを人々が理解できないことが多いということです。投資において、これは確かに非常に費用がかかる可能性があります。

##ハイライト

-サンプルサイズの無視は、AmosTverskyとDanielKahnemanによって研究された認知バイアスです。

-サンプルサイズの影響を考慮していなかったため、統計情報から誤った結論を引き出すことで構成されています。

-サンプルサイズの無視のリスクを減らしたい場合は、サンプルサイズが小さいほど統計結果が不安定になり、その逆も同様であることを覚えておく必要があります。