Erreur de fréquence de base: caractéristiques de ce biais

Il existe de nombreuses erreurs dans lesquelles nous pouvons tomber lorsque nous défendons nos arguments, que ce soit consciemment ou non.

Cette fois, nous allons nous concentrer sur un l'erreur de fréquence de base. Nous découvrirons en quoi consiste ce biais, quelles conséquences il a lorsque nous l'utilisons et nous essaierons de l'appuyer avec quelques exemples qui nous permettent de visualiser ce concept de manière plus simple.

• Article associé: "Les biais cognitifs: découvrir un effet psychologique intéressant"

Quelle est l'erreur de fréquence de base?

Le sophisme de la fréquence de base, également connu sous d'autres noms tels que le biais du taux de base ou même la négligence du taux de base, est un sophisme formel dans le qu'à partir d'un cas particulier, une conclusion est établie sur la prévalence générale d'un phénomène, même si des informations contraires ont été données dans ce sens.

Cette erreur a lieu parce que la personne a tendance à surestimer l'importance du cas particulier, contrairement aux données de la population générale

. C'est ce qu'on appelle l'erreur de fréquence de base précisément parce que c'est le taux de base qui est mis en arrière-plan, ce qui donne une plus grande pertinence au cas particulier en question.

Bien sûr, comme pour toutes les erreurs, la conséquence immédiate de tomber dans cette erreur est que nous parviendrons à des conclusions biaisées qui ne correspondront pas nécessairement à la réalité qui c'est un problème qui pourrait même devenir grave si le raisonnement en question fait partie d'une étude pertinente.

L'erreur de fréquence de base fait elle-même partie d'un type de biais cognitif connu sous le nom de négligence de l'extension, ou négligence de l'extension. Cette erreur consiste, fondamentalement, à ne pas prendre en compte la taille de l'échantillon d'une certaine analyse. Ce phénomène peut conduire à des conclusions non fondées si, par exemple, nous extrapolons des données d'un échantillon trop petit à une population entière.

Dans un sens, c'est précisément ce qui se passerait lorsque nous parlons de l'erreur de fréquence de base, puisque l'observateur pourrait attribuer les résultats d'un cas particulier à l'ensemble de l'échantillon de l'étude, même avec des données indiquant le contraire ou du moins qualifier ledit résultat.

Le cas des faux positifs

Il existe un cas particulier de l'erreur de la fréquence de base dans laquelle le problème qu'elle représente peut être visualisé, et c'est ce qu'on appelle le paradoxe faux positif. Pour ce faire, nous devons imaginer que la population est menacée par une maladie, quelque chose de simple en ces temps, où nous avons vécu de première main la pandémie de coronavirus ou de COVID-19.

À présent nous allons imaginer deux hypothèses différentes pour pouvoir établir une comparaison ultérieure entre elles. Tout d'abord, supposons que la maladie en question ait une incidence relativement élevée dans la population générale, par exemple 50 %. Cela voudrait dire que sur un groupe de 1000 personnes, 500 d'entre elles auraient cette pathologie.

Mais aussi, il faut savoir que le test utilisé pour vérifier si une personne a la maladie ou non, a un 5% de probabilité de donner un faux positif, c'est-à-dire de conclure qu'un individu a dit mal alors qu'en réalité ce n'est pas comme ça. Cela ajouterait 50 autres personnes à l'ensemble des points positifs (bien qu'en vérité ils ne le soient pas), pour un total de 550. Donc, on estimerait que 450 personnes n'ont pas la maladie.

Pour comprendre l'effet de l'erreur de fréquence de base, nous devons continuer dans notre raisonnement. Pour cela il faut maintenant proposer un deuxième scénario, cette fois avec une faible incidence de la pathologie en question. On peut estimer cette fois qu'il y aurait 1% d'infectés. Cela ferait 10 personnes sur 1000. Mais nous avions vu que notre test avait une erreur de 5%, c'est-à-dire de faux positifs, ce qui se traduit par 50 personnes.

Il est temps de comparer les deux hypothèses et de voir la différence remarquable qui se dégage entre elles. Dans le scénario à incidence élevée, 550 personnes seraient considérées comme infectées, dont 500 le seraient en réalité. C'est-à-dire, en prenant une des personnes jugées positives, au hasard, nous aurions 90,9% de probabilité d'avoir sélectionné un sujet vraiment positif, et seulement 9,1% d'entre eux étaient des faux positifs.

Mais l'effet de l'erreur de fréquence de base est trouvé lorsque nous examinons le deuxième cas, car c'est à ce moment-là que le paradoxe des faux positifs se produit. Dans ce cas, nous avons un taux de 60 personnes sur 1000 qui sont comptées comme positives dans la pathologie qui touche cette population.

Cependant, seulement 10 de ces 60 ont la maladie, tandis que les autres sont des cas erronés qui sont entrés dans ce groupe en raison du défaut de mesure de notre test. Que voulez-vous dire? Que si on choisissait une de ces personnes au hasard, on n'aurait que 17% de chance d'avoir trouvé un vrai patient, alors qu'il y aurait 83% de chance de sélectionner un faux positif.

En considérant dans un premier temps que le test a 5% de chance d'établir un faux positif, implicitement nous disons que sa précision est donc de 95%, puisque c'est le pourcentage de cas où il ne sera pas échouer. Cependant, nous voyons que si l'incidence est faible, ce pourcentage est faussé à l'extrême, car dans la première hypothèse, nous avions une probabilité de 90,9 % qu'un résultat positif était vraiment positif, et dans la seconde, cet indicateur est tombé à 17 %.

Évidemment, dans ces hypothèses, nous travaillons avec des chiffres très éloignés, où il est possible d'observer clairement l'erreur de la fréquence de base, mais c'est précisément le objectif, puisque de cette façon nous pourrons visualiser l'effet et surtout le risque que nous courons en tirant des conclusions hâtives sans avoir pris en compte le panorama du problème qui nous occupe.

• Vous etes peut etre intéressé: "Les 10 types de sophismes logiques et argumentatifs"

Études psychologiques sur le sophisme de la fréquence de base

Nous avons pu approfondir la définition de l'erreur de fréquence de base et nous avons vu un exemple qui elle révèle le genre de biais dans lequel nous tombons si nous nous laissons entraîner par cette erreur de raisonnement. Nous allons maintenant enquêter sur certaines études psychologiques qui ont été menées à cet égard, qui nous fourniront plus d'informations à ce sujet.

L'une de ces tâches consistait à demander aux volontaires d'entrer les notes académiques qu'ils considéraient comme un groupe d'étudiants fictif, selon une certaine répartition. Mais les chercheurs ont observé un changement lorsqu'ils ont fourni des données sur un élève spécifique, bien que cela n'ait eu aucune influence sur leur évaluation possible.

Dans ce cas, les participants avaient tendance à ignorer la répartition qui avait été précédemment indiquée pour le groupe de ces étudiants, et estimé la note individuellement, même lorsque, comme nous l'avons déjà dit, les données fournies n'étaient pas pertinentes pour cette tâche dans particulier.

Cette étude a eu un impact au-delà de la démonstration d'un autre exemple de l'erreur de fréquence de base. Et c'est qu'il a révélé une situation très courante dans certains établissements d'enseignement, qui sont les entretiens de sélection des étudiants. Ces processus sont utilisés pour attirer les étudiants ayant le plus grand potentiel de réussite.

Cependant, en suivant le raisonnement de l'erreur de fréquence de base, il convient de noter que les statistiques générales seront toujours un meilleur prédicteur dans ce sens que les données qu'une évaluation de la personne peut fournir.

D'autres auteurs qui ont consacré une longue partie de leur carrière à étudier différents types de biais cognitifs sont les Israéliens, Amos Tversky et Daniel Kanheman. Lorsque ces chercheurs ont travaillé sur les implications de l'erreur de fréquence de base, ils ont découvert que son effet était principalement basé sur la règle de représentativité.

Le psychologue également, Richard Nisbett, considère que ce sophisme est un échantillon de l'un des biais d'attribution les plus importants, comme l'erreur fondamentale d'attribution ou le biais de correspondance, puisque le sujet ignorerait le taux de base (le raisons externes, pour le biais d'attribution fondamental), et en appliquant les données du cas particulier (les raisons interne).

Autrement dit, l'information du cas particulier, même si elle n'est pas vraiment représentative, est préférée à la des données générales qui, de manière probabiliste, devraient avoir plus de poids pour tirer des conclusions de manière logique.

Toutes ces considérations, réunies, nous permettront maintenant d'avoir une vision globale du problème qui suppose de tomber dans le sophisme de la fréquence de base, bien qu'il soit parfois difficile de s'en rendre compte Erreur.

Références bibliographiques:

• Bar-Hillel, M. (1980). L'erreur du taux de base dans les jugements de probabilité. Acta Psychologica.
• Bar-Hillel, M. (1983). La controverse sur l'erreur du taux de base. Avancées en psychologie. Elsevier.
• Christensen-Szalanski, J.J.J., Beach, L.R. (1982). L'expérience et le sophisme du taux de base. Comportement organisationnel et performance humaine. Elsevier.
• Macchi, L. (1995). Aspects pragmatiques du sophisme du taux de base. Le Journal trimestriel de psychologie expérimentale. Taylor & François.
• Tversky, A., Kahneman, D. (1974). Jugement sous incertitude: Heuristiques et biais. La science.