기본 주파수 오류: 이 편향의 특성

의식적이든 아니든 우리의 주장을 변호할 때 빠질 수 있는 많은 오류가 있습니다.

이번에는 기본 주파수 오류. 우리는 이 편향이 무엇으로 구성되어 있는지, 그것을 사용할 때 어떤 결과를 가져오는지 발견하고 이 개념을 더 간단한 방식으로 시각화할 수 있는 몇 가지 예를 통해 이를 뒷받침하려고 노력할 것입니다.

• 관련 기사: "인지 편향: 흥미로운 심리적 효과 발견"

기본 주파수 오류는 무엇입니까?

기본 요율 편향 또는 기본 요율 과실과 같은 다른 이름으로도 알려진 기본 주파수 오류는 특정 사례에서 시작하여 현상의 일반적인 유행에 대한 결론이 확립되어 있음을 의미합니다. 감각.

이 오류가 발생하기 때문에 개인은 일반 인구의 데이터와 대조적으로 특정 사례의 중요성을 과대평가하는 경향이 있습니다.. 배경에 있는 기본 요율이 문제의 특정 사례에 더 큰 관련성을 부여하기 때문에 이를 기본 주파수 오류라고 합니다.

물론 모든 오류와 마찬가지로 이 오류에 빠지는 즉각적인 결과는 우리는 반드시 현실과 일치하지 않는 편향된 결론에 도달할 것입니다. 그것은 문제의 추론이 관련 연구의 일부인 경우 심각해질 수 있는 문제.

기본 주파수 오류는 그 자체가 확장 무시 또는 확장 무시로 알려진 유형의 인지 편향의 일부입니다. 이 오류는 기본적으로 특정 분석의 표본 크기를 고려하지 않은 데 있습니다. 이 현상은 예를 들어 너무 작은 표본에서 전체 모집단으로 데이터를 외삽하는 경우 근거 없는 결론으로 ​​이어질 수 있습니다.

어떤 의미에서 이것은 기본 주파수 오류에 대해 이야기할 때 정확히 일어날 것입니다. 관찰자는 특정 사례의 결과를 전체 연구 표본에 귀속할 수 있습니다. 또는 적어도 상기 결과를 자격을 부여합니다.

거짓 긍정의 경우

그것이 나타내는 문제가 시각화될 수 있는 기저 주파수 오류의 특별한 경우가 있는데, 이것이 소위 거짓 긍정 역설입니다. 이를 위해서는 코로나바이러스나 COVID-19 대유행을 직접 경험한 이 시대에 인구가 질병에 의해 위협받고 있다고 상상해야 합니다.

지금 우리는 그들 사이의 나중 비교를 확립할 수 있도록 두 개의 다른 가정을 상상할 것입니다

. 먼저, 해당 질병이 일반 인구에서 상대적으로 높은 발병률(예: 50%)을 갖는다고 가정합니다. 이것은 1000명의 그룹 중 500명이 이 병리를 가지고 있음을 의미합니다.

그러나 또한 우리는 사람이 질병에 걸렸는지 여부를 확인하는 데 사용되는 검사가 5%의 위양성을 줄 확률, 즉 실제로 개인이 질병을 말했을 때 결론을 내릴 확률 이렇지 않다. 이것은 포지티브 세트에 50명을 더 추가하여(실제로는 그렇지 않지만) 총 550명입니다. 따라서, 우리는 450명이 질병에 걸리지 않은 것으로 추정합니다..

기본 주파수 오류의 효과를 이해하려면 추론을 계속해야 합니다. 이를 위해 이제 문제의 병리 발생률이 낮은 두 번째 시나리오를 제안해야 합니다. 이번에는 1%의 감염자가 있을 것으로 추정할 수 있습니다. 1000명 중 10명 정도일 것입니다. 그러나 우리는 테스트에 5%의 오류, 즉 50명으로 해석되는 오탐이 있음을 확인했습니다.

이제 두 가정을 비교하고 두 가정 사이에 나타나는 놀라운 차이를 확인할 때입니다. 발병률이 높은 시나리오에서는 550명이 감염된 것으로 간주되며 그 중 500명이 실제로 감염됩니다. 즉, 긍정적인 것으로 간주되는 사람 중 한 명을 무작위로 선택하면 진정으로 긍정적인 주제를 선택할 확률이 90.9%입니다., 그리고 그 중 9.1%만이 위양성이었습니다.

그러나 기본 주파수 오류의 효과는 두 번째 경우를 검토할 때 발견됩니다. 왜냐하면 그것이 거짓 긍정의 역설이 발생하는 때이기 때문입니다. 이 경우 이 인구에 영향을 미치는 병리학에서 양성으로 간주되는 1000명 중 60명의 비율이 있습니다.

그러나 그 60명 중 10명만이 질병에 걸렸고 나머지는 우리 테스트의 측정 결함으로 인해 이 그룹에 들어간 잘못된 사례입니다. 무슨 뜻이에요? 이 사람들 중 한 명을 무작위로 선택하면 실제 환자를 찾을 확률이 17%인 반면 위양성을 선택할 확률은 83%입니다.

처음에는 테스트가 위양성을 설정할 확률이 5%라고 가정하여 암시적으로 따라서 정확도가 95%라고 합니다. 불합격. 그러나 우리는 그것을 본다 발생률이 낮으면 이 비율이 극도로 왜곡됩니다.첫 번째 경우에는 긍정적인 것이 실제로 긍정적일 확률이 90.9%였고 두 번째 경우에는 해당 지표가 17%로 떨어졌습니다.

분명히, 이러한 가정에서 우리는 기본 주파수의 오류를 명확하게 관찰할 수 있는 매우 먼 수치로 작업하지만 정확히는 이런 식으로 우리는 문제의 파노라마를 고려하지 않고 성급한 결론을 내릴 때 실행되는 효과와 특히 위험을 시각화할 수 있기 때문입니다. 우리를 차지합니다.

• 관심이 있을 수 있습니다. "논리적 오류와 논증 오류의 10가지 유형"

기본 주파수 오류에 대한 심리학적 연구

우리는 기본 주파수 오류의 정의를 탐구할 수 있었고 다음과 같은 예를 보았습니다. 우리가 추론에서 이 오류에 휘둘리면 우리가 어떤 종류의 편견에 빠지게 되는지 알 수 있습니다. 이제 우리는 이와 관련하여 수행된 몇 가지 심리학 연구를 조사하여 이에 대한 더 많은 정보를 제공할 것입니다.

이 작업 중 하나는 특정 분포에 따라 가상의 학생 그룹을 고려하기 위해 자원 봉사자에게 학업 성적을 표시하도록 요청하는 것으로 구성되었습니다. 그러나 연구자들은 특정 학생에 대한 데이터를 제공했을 때 변화를 관찰했지만 가능한 평가에는 영향을 미치지 않았습니다..

이 경우 참가자들은 이 모든 학생들에게 이전에 표시된 분포를 무시하는 경향이 있었고, 이미 말했듯이 제공된 데이터가 이 작업과 관련이 없는 경우에도 개별적으로 등급을 추정했습니다. 특정한.

이 연구는 기본 주파수 오류의 또 다른 예를 보여주는 것 이상의 영향을 미쳤습니다. 그리고 일부 교육기관에서 학생 선발 면접을 하는 매우 흔한 상황을 드러낸 것입니다. 이러한 프로세스는 성공 가능성이 가장 큰 학생을 유치하는 데 사용됩니다.

그러나 기본 주파수 오류의 추론에 따라 다음 사항에 유의해야 합니다. 이러한 의미에서 일반 통계는 개인에 대한 평가가 제공할 수 있는 데이터보다 항상 더 나은 예측 변수가 될 것입니다..

다양한 유형의 인지 편향을 연구하는 데 경력의 상당 부분을 바친 다른 저자로는 이스라엘인, Amos Tversky 및 Daniel Kanheman이 있습니다. 이 연구자들이 기본 주파수 오류의 의미에 대해 연구할 때, 그 효과가 주로 대표성 규칙에 기반한다는 것을 발견했습니다.

또한 심리학자인 Richard Nisbett은 이 오류가 다음과 같다고 생각합니다. 가장 중요한 귀인 편향 중 하나의 샘플피험자가 기본 요율을 무시할 것이기 때문에 근본적인 귀인 오류 또는 대응 편향과 같은 근본적인 귀인 편향에 대한 외부 이유) 및 특정 사례의 데이터 적용(이유 내부의).

즉, 특정 사례에 대한 정보가 실제로 대표성이 없더라도 정보보다 선호됩니다. 논리적인 방법으로 결론을 도출할 때 확률적으로 더 많은 가중치를 가져야 하는 일반 데이터.

이러한 모든 고려 사항을 통해 이제 우리는 문제에 대한 글로벌 비전을 가질 수 있습니다. 때로는 이것을 깨닫기가 어렵지만 기본 주파수의 오류에 빠지는 것을 의미합니다. 오류.

참고 문헌:

• Bar-Hillel, M. (1980). 확률 판단의 기본율 오류. 액타 심리학자.
• Bar-Hillel, M. (1983). 기준금리 오류 논란. 심리학의 발전. 엘스비어.
• Christensen-Szalanski, J.J.J., Beach, L.R. (1982). 경험과 기준금리의 오류. 조직 행동 및 인간 성과. 엘스비어.
• 마치, L. (1995). 기본율 오류의 실용적인 측면. 실험 심리학의 분기별 저널. 테일러 & 프랜시스.
• Tversky, A., Kahneman, D. (1974). 불확실성에 따른 판단: 발견적 방법과 편향. 과학.