Klam základní frekvence: charakteristika tohoto zkreslení

Existuje mnoho omylů, do kterých můžeme spadnout, když hájíme své argumenty, ať už vědomě nebo ne.

Tentokrát se zaměříme na jeden známý jako klam základní frekvence. Zjistíme, z čeho se toto zkreslení skládá, jaké má důsledky, když jej použijeme, a pokusíme se jej podpořit několika příklady, které nám umožní vizualizovat tento koncept jednodušším způsobem.

• Související článek: „Kognitivní předsudky: objevování zajímavého psychologického efektu“

Jaký je klam základní frekvence?

Klam základní frekvence, známý také pod jinými jmény, jako je zkreslení základní sazby nebo dokonce nedbalost základní sazby, je formální klam v že počínaje konkrétním případem je učiněn závěr o obecné prevalenci jevu, i když v tom byly uvedeny opačné informace smysl.

K tomuto omylu dochází, protože osoba má tendenci nadhodnocovat důležitost konkrétního případu, na rozdíl od údajů o obecné populaci. Říká se tomu klam základní frekvence právě proto, že se jedná o základní sazbu, která je kladena na pozadí, což dává větší význam konkrétnímu případu.

Samozřejmě, stejně jako u všech omylů, okamžitým důsledkem pádu do této chyby je to dosáhneme zaujatých závěrů, které nemusí nutně odpovídat realitě to je problém, který by se mohl stát vážným, pokud je dané uvažování součástí relevantní studie.

Klam základní frekvence je sám o sobě součástí typu kognitivního zkreslení známého jako zanedbání prodloužení nebo zanedbání prodloužení. Tato chyba spočívá v zásadě v nezohlednění velikosti vzorku určité analýzy. Tento jev může vést k nepodloženým závěrům, pokud například extrapolujeme data z příliš malého vzorku na celou populaci.

V jistém smyslu se to přesně děje, když mluvíme o klami základní frekvence, protože pozorovatel mohl výsledky konkrétního případu přiřadit celému studijnímu vzorku, a to i při údajích naznačujících opak nebo alespoň kvalifikovat uvedený výsledek.

Případ falešných poplachů

Existuje speciální případ omylu základní frekvence, ve kterém lze vizualizovat problém, který představuje, a jedná se o takzvaný falešně pozitivní paradox. Abychom to mohli udělat, musíme si představit, že populaci ohrožuje nemoc, něco jednoduchého v dnešní době, kdy jsme na vlastní kůži zažili pandemii koronaviru nebo COVID-19.

Nyní představíme si dva různé předpoklady, abychom mohli provést pozdější srovnání mezi nimi. Nejprve předpokládejme, že dané onemocnění má relativně vysoký výskyt v běžné populaci, například 50%. To by znamenalo, že ze skupiny 1000 lidí by 500 z nich mělo tuto patologii.

Musíme však také vědět, že test používaný k ověření, zda má člověk onemocnění nebo ne, má 5% pravděpodobnost falešně pozitivního výsledku, tj. Závěru, že jedinec ve skutečnosti uvedl onemocnění Není to takhle. To by přidalo dalších 50 lidí k souboru pozitiv (i když ve skutečnosti nejsou), tedy celkem 550. Proto, odhadovali bychom, že 450 lidí tuto nemoc nemá.

Abychom pochopili účinek klamů základní frekvence, musíme pokračovat v uvažování. K tomu nyní musíme navrhnout druhý scénář, tentokrát s nízkým výskytem dané patologie. Tentokrát můžeme odhadnout, že by bylo infikováno 1%. To by bylo 10 lidí z 1000. Viděli jsme ale, že náš test má 5% chybu, tedy falešné pozitivy, což znamená 50 lidí.

Je na čase oba předpoklady porovnat a vidět pozoruhodný rozdíl, který se mezi nimi objevuje. Ve scénáři s vysokou incidencí by bylo 550 lidí považováno za infikovaných, z nichž 500 by skutečně bylo. A to, vezmeme-li jednoho z lidí považovaných za pozitivního, náhodně bychom měli 90,9% pravděpodobnost, že si vybereme skutečně pozitivní předmět, a pouze 9,1% z toho bylo falešně pozitivních.

Účinek klamu základní frekvence však zjistíme, když přezkoumáme druhý případ, protože tehdy nastává paradox falešných pozitivů. V tomto případě máme míru 60 lidí z 1000, kteří jsou považováni za pozitivní v patologii, která ovlivňuje tuto populaci.

Avšak pouze 10 z těch 60 má toto onemocnění, zatímco zbytek jsou chybné případy, které se do této skupiny dostaly kvůli chybě měření našeho testu. Co to znamená? Že kdybychom náhodně vybrali jednoho z těchto lidí, měli bychom jen 17% šanci na nalezení skutečného pacienta, zatímco by byla 83% šance na výběr falešně pozitivního.

Zpočátku tím, že má test 5% šanci na implicitní stanovení falešně pozitivního výsledku říkáme, že proto je jeho přesnost 95%, protože to je procento případů, kdy tomu tak nebude selhat. To však vidíme pokud je výskyt nízký, je toto procento extrémně zkresleno, protože v prvním předpokladu jsme měli 90,9% pravděpodobnost, že pozitivní bude skutečně pozitivní, a ve druhém tento indikátor klesl na 17%.

Je zřejmé, že v těchto předpokladech pracujeme s velmi vzdálenými čísly, kde je možné jasně pozorovat klam základní frekvence, ale to je právě objektivní, protože tímto způsobem budeme schopni vizualizovat účinek a zejména riziko, které nám hrozí při vyvozování ukvapených závěrů, aniž bychom zohlednili panorama problému, který nás zaměstnává.

• Mohlo by vás zajímat: „Deset typů logických a sporných omylů“

Psychologické studie o základní frekvenci klamů

Dokázali jsme se ponořit do definice klamů základní frekvence a viděli jsme příklad Odhaluje druh předpojatosti, do které spadáme, pokud se necháme unést touto chybou v uvažování. Nyní prozkoumáme některé psychologické studie, které byly v tomto ohledu provedeny a které nám poskytnou více informací o tom.

Jedním z těchto úkolů bylo požádat dobrovolníky, aby při zařazení do akademické třídy uvažovali o fiktivní skupině studentů, podle určitého rozdělení. Ale vědci zaznamenali změnu, když poskytli údaje o konkrétním studentovi, i když to nemělo žádný vliv na jejich možné hodnocení.

V tomto případě měli účastníci tendenci ignorovat rozdělení, které bylo dříve uvedeno pro skupinu těchto studentů, a individuálně odhadl známku, i když, jak jsme již řekli, poskytnuté údaje nebyly pro tento úkol relevantní konkrétní.

Tato studie měla určitý dopad mimo demonstraci dalšího příkladu klamů základní frekvence. A je to tím, že odhalila velmi běžnou situaci v některých vzdělávacích institucích, kterými jsou rozhovory s výběrem studentů. Tyto procesy se používají k přilákání studentů s největším potenciálem úspěchu.

Na základě zdůvodnění omylu základní frekvence je však třeba poznamenat, že obecná statistika bude v tomto smyslu vždy lepším prediktorem než data, která může poskytnout hodnocení osoby.

Dalšími autory, kteří věnovali velkou část své kariéry studiu různých typů kognitivních předsudků, byli Izraelci, Amos Tversky a Daniel Kanheman. Když tito vědci pracovali na implikacích klamů základní frekvence, zjistili, že jejich účinek byl založen hlavně na pravidle reprezentativnosti.

Také psycholog Richard Nisbett se domnívá, že tento klam je vzorek jedné z nejdůležitějších předsudků atribuce, jako je chyba zásadního připsání nebo zkreslení korespondence, protože subjekt by ignoroval základní sazbu ( externí důvody, pro zkreslení základního přiřazení) a použití údajů konkrétního případu (důvody vnitřní).

Jinými slovy, informace o konkrétním případě, i když nejsou skutečně reprezentativní, jsou upřednostňovány před obecné údaje, které by pravděpodobně měly mít větší logickou váhu při logickém vyvozování závěrů.

Všechny tyto úvahy společně nám nyní umožní mít globální vizi problému, který existuje znamená spadat do omylu základní frekvence, i když je někdy těžké si to uvědomit chyba.

Bibliografické odkazy:

• Bar-Hillel, M. (1980). Klam základní sazby v úsudcích pravděpodobnosti. Acta Psychologica.
• Bar-Hillel, M. (1983). Kontroverze klamů o základní sazbě. Pokroky v psychologii. Elsevier.
• Christensen-Szalanski, J.J.J., Beach, L.R. (1982). Zkušenosti a základní klam. Organizační chování a lidská výkonnost. Elsevier.
• Macchi, L. (1995). Pragmatické aspekty klamu základní sazby. Quarterly Journal of Experimental Psychology. Taylor & Francis.
• Tversky, A., Kahneman, D. (1974). Rozsudek s nejistotou: Heuristika a předsudky. Věda.