Numune Büyüklüğü İhmal

Örnek Büyüklüğü İhmal Etmek Nedir?

Örnek Büyüklüğü İhmali, Amos Tversky ve Daniel Kahneman tarafından üzerinde çalışılan örneklem büyüklüğünü dikkate almayarak yanlış sonuçlar çıkardıklarında ortaya çıkar.

Örnek Büyüklüğü İhmalinin altında yatan neden, insanların genellikle yüksek düzeyde varyansın küçük örneklerde meydana gelme olasılığının daha yüksek olduğunu anlamada başarısız olmasıdır. Bu nedenle, belirli bir istatistiği oluşturmak için kullanılan örneklem büyüklüğünün 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 Büyüklüğü İhmalini Anlamak

Bir örneklem boyutu çok küçük olduğunda, doğru ve güvenilir sonuçlar çıkarılamaz. Finans bağlamında bu, yatırımcıları çeşitli şekillerde yanıltabilir.

Örneğin, bir yatırımcı, başlangıcından bu yana % 15 yıllık getiri elde etmekle övünen yeni bir yatırım fonu için bir reklam görebilir. Yatırımcı, bu fonun hızlı servet üretimine giriş bileti olduğunu dahil etmekte hızlı davranabilir. Ancak, fon çok uzun süredir yatırım yapmıyorsa, bu sonuç tehlikeli bir şekilde yanlış yönlendirilebilir. Bu durumda, sonuçlar kısa vadeli anormalliklerden kaynaklanıyor olabilir ve fonun gerçek yatırım metodolojisiyle çok az ilgisi olabilir.

Örneklem Büyüklüğü İhmali, genellikle ayrı bir bilişsel önyargı olan Temel Oran İhmaliyle karıştırılır. Örnek Büyüklüğü İhmali, istatistiksel iddiaların güvenilirliğini belirlemede örnek boyutlarının rolünü dikkate almadaki başarısızlığı ifade ederken, Taban Oran İhmal, insanların yeni bilgileri değerlendirirken bir fenomen hakkındaki mevcut bilgileri ihmal etme eğilimiyle ilgilidir.

Örnek Büyüklüğü İhmalinin Gerçek Dünya Örneği

Örnek Büyüklüğü İhmalini daha iyi anlamak için, Amos Tversky ve Daniel Kahneman’ın araştırmasından alınan aşağıdaki örneği düşünün:

Bir kişiden beş topluk bir örnekten çekmesi istenir ve dördünün kırmızı ve birinin yeşil olduğunu bulur.

Bir kişi 20 topluk bir örnekten çeker ve 12’sinin kırmızı ve sekizinin yeşil olduğunu bulur.

Hangi örnek, topların ağırlıklı olarak kırmızı olduğuna dair daha iyi kanıt sağlar?

Çoğu insan, ilk küçük numunenin çok daha güçlü kanıtlar sağladığını çünkü kırmızının yeşile oranının büyük numuneden çok daha yüksek olduğunu söylüyor. Bununla birlikte, gerçekte, daha küçük örneklem boyutu yüksek orandan daha ağır basmaktadır. 20’lik örnek aslında çok daha güçlü kanıtlar sağlıyor.

Amos Tversky ve Daniel Kahneman’dan bir başka örnek ise şu şekildedir:

Bir kasabaya iki hastane hizmet veriyor. Büyük hastanede her gün ortalama 45 bebek doğuyor ve daha küçük hastanede her gün yaklaşık 15 bebek doğuyor. Tüm bebeklerin% 50’si erkek olmasına rağmen, kesin yüzde günden güne dalgalanmaktadır.

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 rapor edeceğini söylerken,% 56 sonuçların her iki hastane için de aynı olacağını söyledi. Aslında doğru cevap, daha küçük hastanenin bu tür günleri daha fazla kaydedeceği, çünkü daha küçük boyutunun daha fazla değişkenlik yaratacağıdır.

Daha önce de belirttiğimiz gibi, Örnek Büyüklüğü İhmalinin kökü, insanların genellikle yüksek düzeyde varyansın küçük örneklerde meydana gelme olasılığının daha yüksek olduğunu anlamada başarısız olmalarıdır. Yatırım yaparken bu gerçekten çok maliyetli olabilir.