¿Qué es la negligencia en el tamaño de la muestra?
La negligencia en el tamaño de la muestra es un sesgo cognitivo estudiado por Amos Tversky y Daniel Kahneman. Ocurre cuando los usuarios de información estadística llegan a conclusiones falsas al no estimar el tamaño de la muestra de los datos en cuestión.
La causa principal 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 variabilidad en muestras pequeñas. Por lo tanto, es crucial determinar si el tamaño de la muestra utilizado para producir una estadística particular es lo suficientemente grande como para permitir conclusiones significativas.
Para aquellos que no tienen un buen conocimiento de los métodos estadísticos, puede ser un desafío saber cuándo el tamaño de una muestra es lo suficientemente grande.
Conclusiones clave
- La negligencia en el tamaño de la muestra es un sesgo cognitivo estudiado por Amos Tversky y Daniel Kahneman.
- Es sacar conclusiones falsas de la información estadística, porque no consideraron los efectos del tamaño de la muestra.
- 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.
No comprender el tamaño de la muestra
Cuando el tamaño de la muestra es demasiado pequeño, no se pueden sacar conclusiones precisas y fiables. En el contexto financiero, esto puede inducir a error a los inversores de varias formas.
Por ejemplo, un inversor puede ver un anuncio de un nuevo fondo de inversión, presumiendo que ha generado el 15% de los rendimientos anuales desde su creación. El inversor puede darse cuenta rápidamente de que este fondo es su boleto para generar riqueza rápidamente. Sin embargo, esta conclusión puede resultar peligrosamente contradictoria si el fondo no invierte durante mucho tiempo. En ese caso, los resultados pueden dar lugar a anomalías a corto plazo y tienen 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 tasa básica, que es un sesgo cognitivo distinto. Mientras que la negligencia del tamaño de la muestra se refiere a la falla en evaluar el papel de los tamaños de la muestra en la determinación de la confiabilidad de las afirmaciones estadísticas, la negligencia de tarifa plana se preocupa por la tendencia de las personas a descuidar el conocimiento existente de un fenómeno al evaluar nueva información.
Un ejemplo del mundo real de tamaño de muestra de negligencia
Para comprender mejor la negligencia en el tamaño de la muestra, considere el siguiente ejemplo, tomado de la investigación de Amos Tversky y Daniel Kahneman:
A uno se le pide que extraiga de una muestra de cinco bolas y descubre que hay cuatro rojas y una verde.
Se extrae de una muestra de 20 bolas y se descubre que hay 12 rojas y ocho verdes.
¿Qué ejemplo proporciona una mejor evidencia de que las bolas son en su mayoría 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 mayor que la muestra más grande. Sin embargo, en realidad, la proporción más alta es más importante que el tamaño de muestra más pequeño. El ejemplo de 20 en realidad proporciona una evidencia mucho más sólida.
El siguiente es otro ejemplo de Amos Tversky y Daniel Kahneman:
Dos hospitales sirven a un hogar. 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. Si bien el 50% de todos los niños son varones, el porcentaje exacto varía de un día a otro.
A lo largo de un año, todos los hospitales registraron los días en que más del 60% de los niños se convirtieron en niños. ¿Qué hospital registró más días de este tipo?
Cuando se les hizo esta pregunta, el 22% de los encuestados dijo que el hospital informaría 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 daría lugar a 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 variabilidad en muestras pequeñas. Al invertir, esto puede resultar muy costoso.
