Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

Essentials / Kognitive Verzerrungen / Unempfindlichkeit gegenüber der Stichprobengröße (Insensitivity to Sample Size)

Unempfindlichkeit gegenüber der Stichprobengröße (Insensitivity to Sample Size) — Der Trick, den du nicht kommen siehst

Auch bekannt als: Sample size neglect

🔥 Hook

Ein Krankenhausverwalter vergleicht zwei chirurgische Techniken.

🧠 Was passiert hier eigentlich?

Die Tendenz, die Rolle der Stichprobengröße für die Zuverlässigkeit statistischer Ergebnisse zu unterschätzen. Die Menschen erwarten, dass kleine Stichproben genauso repräsentativ sind wie große, was sie dazu verleitet, starke Schlüsse aus unzureichenden Daten zu ziehen. Dies verstößt gegen das Gesetz der großen Zahlen, das besagt, dass größere Stichproben zuverlässiger sind.

Das Fiese daran: Menschen beurteilen Wahrscheinlichkeiten mithilfe der Repräsentativitätsheuristik und urteilen nach der Ähnlichkeit mit dem erwarteten Ergebnis. Da sowohl kleine als auch große Stichproben denselben Prozentsatz liefern können, behandeln die Menschen sie als gleichermaßen aussagekräftig.

📱 Real-Life Scroll

Online: Ein Krankenhausverwalter vergleicht zwei chirurgische Techniken. Technik A war in 8 von 10 Fällen (80 %) erfolgreich und Technik B in 75 von 100 Fällen (75 %). Der Verwalter wählt Technik A und ignoriert dabei, dass die kleine Stichprobe von 10 weitaus unzuverlässiger ist und die 80 % leicht auf Zufall beruhen könnten.

Noch eins

In einer Online-Umfrage zu einem neuen Softdrink bewerten 4 von 5 Testpersonen (80 %) den Geschmack als 'ausgezeichnet'. Das Marketingteam jubelt und plant eine große Markteinführung – ohne zu beachten, dass bei nur fünf Befragten das Ergebnis kaum aussagekräftig ist.

Im echten Leben: Diese Verzerrung betrifft die Interpretation medizinischer Forschung, Produktbewertungen (wobei wenigen Bewertungen Gewicht beigemessen wird), Effekte kleiner Schulen in der Bildungspolitik und A/B-Tests in Technologieunternehmen.

🔍 Wie du es erkennst

Berücksichtige bei der Auswertung von Statistiken immer die Stichprobengröße. Sei skeptisch gegenüber Schlussfolgerungen aus kleinen Stichproben und suche nach größeren Datensätzen, bevor du Entscheidungen triffst.

🎯 Deine Challenge

Finde diese Woche ein Beispiel. Schreib es auf. Benenne es. So levelst du auf.


Teil des TellDear Teen Book — criticalthinking.guide

← Alle Kapitel Detaillierter Aspekt-Eintrag →