Pengabaian Saiz Sampel

Apakah Pengabaian Saiz Sampel?

Pengabaian Saiz Sampel ialah kecenderungan kognitif yang terkenal dikaji oleh Amos Tversky dan Daniel Kahneman. Ia berlaku apabila pengguna maklumat statistik membuat kesimpulan palsu dengan gagal mempertimbangkan saiz sampel data yang dipersoalkan. Punca asas Pengabaian Saiz Sampel ialah orang sering gagal memahami bahawa tahap varians yang tinggi lebih berkemungkinan berlaku dalam sampel yang kecil. Oleh itu, adalah penting untuk menentukan sama ada saiz sampel yang digunakan untuk menghasilkan statistik tertentu cukup besar untuk membolehkan kesimpulan yang bermakna. Mengetahui apabila saiz sampel cukup besar boleh mencabar bagi mereka yang tidak mempunyai pemahaman yang baik tentang kaedah statistik.

Memahami Pengabaian Saiz Sampel

Kebanyakan inferens statistik bergantung pada hukum nombor besar. Ini mengatakan bahawa dengan sampel yang cukup besar, ciri-ciri populasi dari mana sampel diambil boleh disimpulkan, dengan tahap keyakinan tertentu, daripada ciri-ciri sampel. Apabila saiz sampel terlalu kecil, kesimpulan yang tepat dan boleh dipercayai tidak boleh dibuat. Pengabaian saiz sampel terdiri daripada mengabaikan kesan sampel kecil terhadap keupayaan kita untuk membuat kesimpulan sedemikian. Dalam konteks kewangan, ini boleh mengelirukan pelabur dalam pelbagai cara.

Sebagai contoh, pelabur mungkin melihat iklan untuk dana pelaburan baharu, berbangga kerana telah menjana pulangan tahunan 15% sejak penubuhannya. Pelabur mungkin cepat membuat kesimpulan bahawa dana ini adalah tiket kepada penjanaan kekayaan yang pesat. Walau bagaimanapun, jika dana itu tidak wujud terlalu lama, kesimpulan ini mungkin memberi maklumat salah kepada bakal pelabur. Hasilnya mungkin disebabkan oleh anomali jangka pendek dan mempunyai sedikit kaitan dengan metodologi pelaburan sebenar dana.

Pengabaian Saiz Sampel sering dikelirukan dengan Pengabaian Kadar Asas,. yang merupakan kecenderungan kognitif yang berkaitan. Walaupun Pengabaian Saiz Sampel merujuk kepada kegagalan untuk mempertimbangkan peranan saiz sampel dalam menentukan kebolehpercayaan tuntutan statistik, Pengabaian Kadar Asas berkaitan dengan kecenderungan orang ramai untuk mengabaikan pengetahuan sedia ada tentang sesuatu fenomena semasa menilai maklumat baharu.

Contoh Dunia Sebenar Pengabaian Saiz Sampel

Untuk lebih memahami Pengabaian Saiz Sampel, pertimbangkan contoh berikut, yang diambil daripada penyelidikan Tversky dan Kahneman:

Seseorang diminta melukis daripada sampel lima bola, dan mendapati bahawa empat adalah merah dan satu adalah hijau.

Seseorang melukis daripada sampel 20 bola, dan mendapati bahawa 12 adalah merah dan lapan adalah hijau.

Sampel yang manakah memberikan bukti yang lebih baik bahawa bola kebanyakannya berwarna merah?

Kebanyakan orang mengatakan bahawa sampel pertama yang lebih kecil memberikan bukti yang lebih kukuh kerana nisbah merah kepada hijau jauh lebih tinggi daripada sampel yang lebih besar. Walau bagaimanapun, pada hakikatnya nisbah yang lebih tinggi berbanding dengan saiz sampel yang lebih kecil. Sampel 20 sebenarnya memberikan bukti yang lebih kukuh.

Contoh lain dari Tversky dan Kahneman adalah seperti berikut:

Sebuah bandar dilayan oleh dua buah hospital. Di hospital yang lebih besar, purata 45 bayi dilahirkan setiap hari, dan di hospital yang lebih kecil kira-kira 15 bayi dilahirkan setiap hari. Walaupun 50% daripada semua bayi adalah lelaki, peratusan yang tepat berubah-ubah dari hari ke hari.

Dalam tempoh satu tahun, setiap hospital merekodkan hari di mana lebih daripada 60% bayi adalah lelaki. Hospital manakah yang merekodkan lebih banyak hari sedemikian?

Apabila ditanya soalan ini, 22% responden mengatakan bahawa hospital yang lebih besar akan melaporkan lebih banyak hari sedemikian, manakala 56% mengatakan bahawa keputusan akan sama untuk kedua-dua hospital. Malah, jawapan yang betul ialah hospital yang lebih kecil akan merekodkan lebih banyak hari sedemikian, kerana saiznya yang lebih kecil akan menghasilkan kebolehubahan yang lebih besar.

Seperti yang kami nyatakan sebelum ini, asas Pengabaian Saiz Sampel ialah orang sering gagal memahami bahawa tahap varians yang tinggi lebih berkemungkinan berlaku dalam sampel kecil. Dalam pelaburan, ini boleh menjadi sangat mahal.

Sorotan

• Pengabaian Saiz Sampel ialah kecenderungan kognitif yang dikaji oleh Amos Tversky dan Daniel Kahneman.

• Ia terdiri daripada membuat kesimpulan palsu daripada maklumat statistik, kerana tidak mengambil kira kesan saiz sampel.

• Mereka yang ingin mengurangkan risiko Pengabaian Saiz Sampel harus ingat bahawa saiz sampel yang lebih kecil dikaitkan dengan keputusan statistik yang lebih tidak menentu, dan begitu juga sebaliknya.