«Но, Катя, но моя подружка уволилась с работы и родила после двух лет эко!» - скажете вы. «Да и моя, кстати, тоже!» - отвечу вам я, и я не совру! Но что с того?
То, что происходит в абзаце выше называется когнитивное искажение. Оно случается потому что мозг ищет простые пути принятия решений в перегруженном информацией мире. Вообще одна из моих любимых тем была в универе, даже писала диплом по поведенческой экономике 😇
Так что добро пожаловать на внеочередной курс статистики, чтобы с этим когнитивным научиться взаимодействовать. 🤓 Не хочу вас перегрузить под конец года, поэтому разберём всего три важных аспекта на простых примерах. Загибаем пальцы.
🟰 Раз. Красиво звучит на английском: correlation doesn’t imply causation. Cовпадение или корреляция не гарантирует причинно-следственную связь. Когда два события происходят одновременно, это не значит, что одно вызвало другое. Это может быть чистое совпадение или у них есть общий фактор, влияющий на оба. Пример: продажи мороженного ассоциированны с солнечными ожогами - но вызывают ли они их? Перекладывая на пример в начале: может быть увольняются с работы в тот момент, когда уже достаточно долго пытались на ней, и фактор, влияющий на скорую беременность - время попыток, а не само увольнение.
🤴🏻 Два. «Сын маминой подруги» - не надёжная выборка для вывода. Индивидуальные истории – это анекдоты, а не данные. Чтобы делать выводы, нужно опираться на большую группу людей. Более того, если у вас всего два примера, разброс значений может быть огромным, нельзя уверенно сказать, что эти примеры отражают общую картину. Чем больше разброс данных {например, разный возраст, состояние здоровья}, тем больше нужна выборка, чтобы результаты были надёжными.
Например, в уважаемом медицинском журнале исследование эффективности лечения бесплодия часто включает 500–1000 вдоль и поперёк измеренных участников, чтобы результаты были статистически значимыми. Это я ещё пытаюсь не душнить про необходимость контрольной группы и опасность бездумных усреднений. Если одна знакомая ушла с работы и родила, а другая - не родила, то в среднем рождается половина ребёнка, так-то...
🛬 Три. Когнитивное искажение дня - «ошибка выжившего», когда мы замечает только те примеры, которые «выжили», и игнорируем все, которые не дошли до успеха. Самый известный пример: во Вторую мировую войну инженеры изучали самолёты, которые вернулись с миссий с пробоинами, чтобы укрепить уязвимые места. Но математик Абрахам Вальд заметил, что повреждения изучались только на вернувшихся самолётах – те, кто не вернулись, были сбиты из-за попаданий в другие, ранее незамеченные зоны. Возвращаясь к нашей истории, а посчитали ли мы, сколько родили, не увольнявшись с работы? Или скольким увольнение не сильно-то помогло?
Перешлите другу, если понравилось - часто это не про то, чтобы вас обидеть, а просто про отсутствие инструментария или времени на подумать. Я, кстати, эту «лекцию» недавно коллеге выдала на «а вот Х ушла в отпуск и родила, и тебе надо» - отлично поболтали, в мире стало чуть больше понимания ❤️
__________________________
P.S. Новый дисклеймер - у меня нет докторской по статистике😅, перепроверяйте всё с источниками, например:
🇷🇺 Статья Alma Mater о когнитивных искажениях
🇷🇺 Примеры других когнитивных искажений
🇷🇺 Про Абрахама Вальда и ошибку выжившего, особенно забавная статья 🇬🇧 про Статистического Героя
🇷🇺 Примеры ошибочной причинно-следственной связи
🇷🇺 Если вдруг хочется освежить знания статистики - тут про выборки с блэкджеком и степенями свободы
То, что происходит в абзаце выше называется когнитивное искажение. Оно случается потому что мозг ищет простые пути принятия решений в перегруженном информацией мире. Вообще одна из моих любимых тем была в универе, даже писала диплом по поведенческой экономике 😇
Так что добро пожаловать на внеочередной курс статистики, чтобы с этим когнитивным научиться взаимодействовать. 🤓 Не хочу вас перегрузить под конец года, поэтому разберём всего три важных аспекта на простых примерах. Загибаем пальцы.
🟰 Раз. Красиво звучит на английском: correlation doesn’t imply causation. Cовпадение или корреляция не гарантирует причинно-следственную связь. Когда два события происходят одновременно, это не значит, что одно вызвало другое. Это может быть чистое совпадение или у них есть общий фактор, влияющий на оба. Пример: продажи мороженного ассоциированны с солнечными ожогами - но вызывают ли они их? Перекладывая на пример в начале: может быть увольняются с работы в тот момент, когда уже достаточно долго пытались на ней, и фактор, влияющий на скорую беременность - время попыток, а не само увольнение.
🤴🏻 Два. «Сын маминой подруги» - не надёжная выборка для вывода. Индивидуальные истории – это анекдоты, а не данные. Чтобы делать выводы, нужно опираться на большую группу людей. Более того, если у вас всего два примера, разброс значений может быть огромным, нельзя уверенно сказать, что эти примеры отражают общую картину. Чем больше разброс данных {например, разный возраст, состояние здоровья}, тем больше нужна выборка, чтобы результаты были надёжными.
Например, в уважаемом медицинском журнале исследование эффективности лечения бесплодия часто включает 500–1000 вдоль и поперёк измеренных участников, чтобы результаты были статистически значимыми. Это я ещё пытаюсь не душнить про необходимость контрольной группы и опасность бездумных усреднений. Если одна знакомая ушла с работы и родила, а другая - не родила, то в среднем рождается половина ребёнка, так-то...
🛬 Три. Когнитивное искажение дня - «ошибка выжившего», когда мы замечает только те примеры, которые «выжили», и игнорируем все, которые не дошли до успеха. Самый известный пример: во Вторую мировую войну инженеры изучали самолёты, которые вернулись с миссий с пробоинами, чтобы укрепить уязвимые места. Но математик Абрахам Вальд заметил, что повреждения изучались только на вернувшихся самолётах – те, кто не вернулись, были сбиты из-за попаданий в другие, ранее незамеченные зоны. Возвращаясь к нашей истории, а посчитали ли мы, сколько родили, не увольнявшись с работы? Или скольким увольнение не сильно-то помогло?
Перешлите другу, если понравилось - часто это не про то, чтобы вас обидеть, а просто про отсутствие инструментария или времени на подумать. Я, кстати, эту «лекцию» недавно коллеге выдала на «а вот Х ушла в отпуск и родила, и тебе надо» - отлично поболтали, в мире стало чуть больше понимания ❤️
__________________________
P.S. Новый дисклеймер - у меня нет докторской по статистике😅, перепроверяйте всё с источниками, например:
🇷🇺 Статья Alma Mater о когнитивных искажениях
🇷🇺 Примеры других когнитивных искажений
🇷🇺 Про Абрахама Вальда и ошибку выжившего, особенно забавная статья 🇬🇧 про Статистического Героя
🇷🇺 Примеры ошибочной причинно-следственной связи
🇷🇺 Если вдруг хочется освежить знания статистики - тут про выборки с блэкджеком и степенями свободы