🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
variance_neglect
Varianzvernachlässigung ist die Tendenz, sich auf mittlere erwartete Ergebnisse zu konzentrieren und dabei Variabilität, Streuung und Tail-Risiko zu ignorieren. Zwei Verteilungen mit identischen Mittelwerten können dramatisch unterschiedliche Risikoprofile haben.
Zwei medizinische Behandlungen haben dieselbe erwartete Genesungszeit (30 Tage). Behandlung A hat geringe Varianz: Fast alle Patienten genesen zwischen 25 und 35 Tagen. Behandlung B hat hohe Varianz: 50 % genesen in 5 Tagen, 50 % brauchen 55 Tage oder mehr. Für einen Patienten, der keine Verzögerung tolerieren kann, sind diese Behandlungen nicht gleichwertig.
Ein Finanzberater empfiehlt zwei Investmentfonds mit identischer durchschnittlicher Jahresrendite von 7 %. Fonds A schwankt kaum und liefert zuverlässig zwischen 5 % und 9 %. Fonds B kann im besten Jahr 40 % gewinnen, aber im schlechtesten Jahr 30 % verlieren – ein Risiko, das für einen Rentner katastrophal sein könnte, obwohl der Mittelwert gleich ist.
Ein Logistikmanager vergleicht zwei Lieferanten: Beide liefern im Durchschnitt in 5 Tagen. Lieferant A liefert stets in 4–6 Tagen, Lieferant B manchmal in 2 Tagen, manchmal erst nach 12 Tagen. Weil der Manager nur auf den Mittelwert schaut, wählt er Lieferant B – und riskiert regelmäßige Produktionsstillstände durch Lieferverzögerungen.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Konzentriert sich das Argument ausschließlich auf mittlere Ergebnisse und ignoriert die Varianz?
Typ: binaryWerden Verteilungen mit identischen Mittelwerten, aber unterschiedlichen Varianzen als gleichwertig behandelt?
Typ: binaryWird die Wahrscheinlichkeit von Extremereignissen in der Analyse ignoriert?
Typ: binaryWürde ein risikoaverser Agent die beiden Optionen trotz gleicher Mittelwerte unterschiedlich behandeln?
Typ: binaryVarianzvernachlässigung ist die Tendenz, sich auf mittlere erwartete Ergebnisse zu konzentrieren und dabei Variabilität, Streuung und Tail-Risiko zu ignorieren. Zwei Verteilungen mit identischen Mittelwerten können dramatisch unterschiedliche Risikoprofile haben.
Mittelwerte sind einfach, konkret und leicht zu kommunizieren. Varianz erfordert das Verstehen von Verteilungen. Kognitive und mediale Aufmerksamkeit konzentriert sich standardmäßig auf die zentrale Tendenz.
Immer Standardabweichungen, Interquartilsbereiche oder andere Streuungsmaße neben Mittelwerten berichten. Vollständige Verteilungen visualisieren statt Zusammenfassungsstatistiken.
Infrastruktur- und Notfallplanung auf Basis durchschnittlicher Jahresniederschläge unterschätzt systematisch Extremereignisse und führt zu katastrophalen Ausfällen bei Ereignissen in den Rändern der Verteilung.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.