Örnek Boyutu İhmal
Numune Boyutu İhmal Edilmesi Nedir?
Daniel Kahneman tarafından ünlü olarak çalışılan bilişsel bir önyargıdır . İstatistiksel bilgi kullanıcıları, söz konusu verilerin örnek boyutunu dikkate almayarak yanlış sonuçlar çıkardığında ortaya çıkar. Örneklem Büyüklüğü İhmalinin altında yatan neden, insanların genellikle küçük örneklerde yüksek düzeyde varyansın meydana gelme olasılığının daha yüksek olduğunu anlayamamasıdır. Bu nedenle, belirli bir istatistiği üretmek için kullanılan örneklem boyutunun anlamlı sonuçlara izin verecek kadar büyük olup olmadığını belirlemek çok önemlidir. Bir örneklem büyüklüğünün ne zaman yeterince büyük olduğunu bilmek, istatistiksel yöntemleri iyi anlamayanlar için zor olabilir.
Örnek Boyutu İhmalini Anlama
, büyük sayılar yasasına bağlıdır . Bu, yeterince büyük bir örneklemle, örneğin alındığı popülasyonun özelliklerinin, bir dereceye kadar güvenle, örneğin özelliklerinden çıkarılabileceğini söylüyor. Örneklem büyüklüğü çok küçük olduğunda, doğru ve güvenilir sonuçlara varılamaz. Örneklem büyüklüğü ihmali, küçük örneklerin bu tür sonuçlara varma yeteneğimiz üzerindeki etkisinin göz ardı edilmesinden oluşur. Finans bağlamında bu, yatırımcıları çeşitli şekillerde yanıltabilir.
Örneğin, bir yatırımcı , başlangıcından bu yana yıllık %15 getiri elde etmekle övünen yeni bir yatırım fonu için bir reklam görebilir. Yatırımcı, bu fonun hızlı servet üretimi için bir bilet olduğu sonucuna varabilir. Ancak, fon çok uzun süredir ortalıkta bulunmuyorsa, bu sonuç potansiyel yatırımcıyı yanlış bilgilendirebilir. Sonuçlar, kısa vadeli anormalliklerden kaynaklanıyor olabilir ve fonun gerçek yatırım metodolojisiyle çok az ilgisi olabilir.
Örnek Boyutu İhmali genellikle ilgili bir bilişsel önyargı olan Taban Hız İhmaliyle karıştırılır. Örneklem Büyüklüğü İhmali, istatistiksel iddiaların güvenilirliğini belirlemede örneklem büyüklüklerinin rolünün dikkate alınmaması anlamına gelirken, Taban Oran İhmali, insanların yeni bilgileri değerlendirirken bir fenomen hakkında mevcut bilgileri ihmal etme eğilimi ile ilgilidir.
Örnek Boyutu İhmalinin Gerçek Dünya Örneği
Örnek Boyutu İhmalini daha iyi anlamak için Tversky ve Kahneman'ın araştırmasından alınan aşağıdaki örneği inceleyin:
Bir kişiden beş bilyeden bir örnek çizmesi istenir ve dördünün kırmızı, birinin yeşil olduğunu bulur.
Bir kişi 20 bilye örneğinden çekiyor ve 12'sinin kırmızı, sekizinin yeşil olduğunu buluyor.
Hangi örnek, topların ağırlıklı olarak kırmızı olduğuna dair daha iyi kanıt sağlar?
Çoğu insan, kırmızının yeşile oranı büyük örnekten çok daha yüksek olduğu için ilk, daha küçük örneğin çok daha güçlü kanıt sağladığını söylüyor. Bununla birlikte, gerçekte daha yüksek oran, daha küçük örnek boyutu tarafından ağır basmaktadır. 20 kişilik örnek aslında çok daha güçlü kanıtlar sağlıyor.
Tversky ve Kahneman'dan bir başka örnek ise şöyle:
Bir kasabaya iki hastane hizmet vermektedir. Daha büyük hastanede her gün ortalama 45 bebek doğuyor ve daha küçük hastanede her gün yaklaşık 15 bebek doğuyor. Tüm bebeklerin %50'si erkek olsa da, kesin yüzde günden güne dalgalanıyor.
Bir yıl boyunca her hastane, bebeklerin %60'ından fazlasının erkek olduğu günleri kaydetti. Hangi hastane böyle günleri daha çok kaydetti?
Bu soru sorulduğunda, katılımcıların %22'si daha büyük hastanenin bu tür günleri daha fazla bildireceğini söylerken, %56'sı sonuçların her iki hastane için de aynı olacağını söyledi. Aslında doğru cevap, daha küçük hastanenin bu tür günleri daha fazla kaydedeceğidir, çünkü daha küçük boyutu daha fazla değişkenlik yaratacaktır.
Daha önce belirttiğimiz gibi, Örneklem Büyüklüğü İhmalinin temeli, insanların genellikle küçük örneklerde yüksek düzeyde varyans meydana gelme olasılığının daha yüksek olduğunu anlayamamalarıdır. Yatırım yaparken, bu gerçekten çok maliyetli olabilir.
Öne Çıkanlar
Örnek Boyutu İhmal, Amos Tversky ve Daniel Kahneman tarafından incelenen bilişsel bir önyargıdır.
Örneklem büyüklüğünün etkilerinin dikkate alınmaması nedeniyle istatistiksel bilgilerden yanlış sonuçlar çıkarmaktan ibarettir.
Örnek Boyutu İhmal riskini azaltmak isteyenler, daha küçük örnek boyutlarının daha değişken istatistiksel sonuçlarla ilişkili olduğunu ve bunun tersini de unutmamalıdır.
