Descuido del tamaño de la muestra
¿Qué es la negligencia en el tamaño de la muestra?
La negligencia en el tamaño de la muestra es un Daniel Kahneman. Ocurre cuando los usuarios de información estadística llegan a conclusiones falsas al no considerar el tamaño de la muestra de los datos en cuestión.
La causa subyacente de la negligencia en el tamaño de la muestra es que las personas a menudo no comprenden que es más probable que ocurran altos niveles de variación en muestras pequeñas. Por lo tanto, es fundamental determinar si el tamaño de la muestra utilizado para producir una estadística dada es lo suficientemente grande como para permitir conclusiones significativas.
Saber cuándo el tamaño de una muestra es lo suficientemente grande puede ser un desafío para quienes no comprenden bien los métodos estadísticos.
Conclusiones clave
- La negligencia en el tamaño de la muestra es un sesgo cognitivo estudiado por Amos Tversky y Daniel Kahneman.
- Consiste en sacar conclusiones falsas a partir de información estadística, por no haber considerado los efectos del tamaño muestral.
- Aquellos que deseen reducir el riesgo de negligencia en el tamaño de la muestra deben recordar que los tamaños de muestra más pequeños se asocian con resultados estadísticos más volátiles y viceversa.
Comprensión del descuido del tamaño de la muestra
Cuando el tamaño de una muestra es demasiado pequeño, no se pueden sacar conclusiones precisas y fiables. En el contexto de las finanzas, esto puede inducir a error a los inversores de diversas formas.
Por ejemplo, un inversor puede ver un anuncio de un nuevo fondo de inversión, presumiendo de haber generado un 15% de rendimiento anualizado desde su creación. El inversor podría incluir rápidamente que este fondo es su boleto para una rápida generación de riqueza. Sin embargo, esta conclusión podría estar peligrosamente equivocada si el fondo no ha estado invirtiendo durante mucho tiempo. En ese caso, los resultados podrían deberse a anomalías a corto plazo y tener poco que ver con la metodología de inversión real del fondo.
La negligencia del tamaño de la muestra a menudo se confunde con la negligencia de la tasa base, que es un sesgo cognitivo independiente. Mientras que la negligencia del tamaño de la muestra se refiere a la falta de consideración del papel de los tamaños de la muestra para determinar la confiabilidad de las afirmaciones estadísticas, la negligencia de la tasa base se relaciona con la tendencia de las personas a descuidar el conocimiento existente sobre un fenómeno al evaluar nueva información.
Ejemplo del mundo real de negligencia en el tamaño de la muestra
Para comprender mejor la negligencia en el tamaño de la muestra, considere el siguiente ejemplo, extraído de la investigación de Amos Tversky y Daniel Kahneman:
Se le pide a una persona que extraiga de una muestra de cinco bolas y encuentra que cuatro son rojas y una es verde.
Una persona extrae de una muestra de 20 bolas y encuentra que 12 son rojas y ocho son verdes.
¿Qué muestra proporciona una mejor evidencia de que las bolas son predominantemente rojas?
La mayoría de la gente dice que la primera muestra más pequeña proporciona evidencia mucho más sólida porque la proporción de rojo a verde es mucho más alta que la muestra más grande. Sin embargo, en realidad, la proporción más alta se ve compensada por el tamaño de muestra más pequeño. La muestra de 20 en realidad proporciona una evidencia mucho más sólida.
Otro ejemplo de Amos Tversky y Daniel Kahneman es el siguiente:
Una ciudad es atendida por dos hospitales. En el hospital más grande, nacen un promedio de 45 bebés cada día, y en el hospital más pequeño nacen alrededor de 15 bebés cada día. Aunque el 50% de todos los bebés son varones, el porcentaje exacto varía de un día a otro.
Durante un año, cada hospital registró los días en los que más del 60% de los bebés eran varones. ¿Qué hospital registró más días de este tipo?
Cuando se les hizo esta pregunta, el 22% de los encuestados dijo que el hospital más grande reportaría más días de este tipo, mientras que el 56% dijo que los resultados serían los mismos para ambos hospitales. De hecho, la respuesta correcta es que el hospital más pequeño registraría más días de este tipo, porque su tamaño más pequeño produciría una mayor variabilidad.
Como señalamos anteriormente, la raíz de la negligencia en el tamaño de la muestra es que las personas a menudo no comprenden que es más probable que ocurran altos niveles de varianza en muestras pequeñas. Al invertir, esto puede resultar muy costoso.