නියැදි ප්‍රමාණය කෙරෙහි ඇති සංවේදී නොවන බව (Insensitivity to Sample Size)

බැලූ බැල්මට

1. ඉක්මන් සාරාංශය

කුඩා දත්ත නියැදියක් එය පැමිණෙන විශාල ජනගහනයට හරියටම සමාන විය යුතු යැයි අපි සහජයෙන්ම විශ්වාස කරමු. කාසි දහයක් පෙරළීමෙන් පරිපූර්ණ 50/50 බෙදීමක් නොපෙන්වන විට, කුඩා සංඛ්‍යාවල ස්වාභාවික විචල්‍යතාවය හඳුනා ගන්නවා වෙනුවට අපි රටා, රේඛා හෝ අසාධාරණය දකිමු. මේ නිසා සීමිත දත්ත වලින් විශ්වාසදායක නිගමන වලට එළඹීමටත්, අහඹු ශබ්දයේ අර්ථවත් ප්‍රවණතා දැකීමටත්, සංඛ්‍යානමය විශ්වසනීයත්වයේ ප්‍රමාණය ඉටු කරන තීරණාත්මක කාර්යභාරය බැහැර කිරීමටත් අපට සිදු වේ.

2. මේ පිටුපස ඇති විද්‍යාව

2.1. සොයාගැනීම සහ ඉතිහාසය

නියැදි ප්‍රමාණයට සංවේදී නොවීම විධිමත් ලෙස හඳුනා ගැනීම 1970 ගණන්වල මනෝවිද්‍යාවේ සංජානන විප්ලවයෙන් මතු විය. 1971 දී, ආමොස් ටවර්ස්කි සහ ඩැනියෙල් කානෙමන් විසින් Psychological Bulletin හි "Belief in the Law of Small Numbers" ප්‍රකාශයට පත් කරන ලද අතර, විශාල සංඛ්‍යා නියමය කුඩා සංඛ්‍යා සඳහාද අදාළ වන පරිදි මිනිස් බුද්ධිය ක්‍රියාත්මක වන බව යෝජනා කළේය. වසර තුනකට පසුව, ඔවුන්ගේ 1974 Science පත්‍රිකාව වන "Judgment under Uncertainty: Heuristics and Biases" හි, නියෝජිත හියුරිස්ටික් හි පුළුල් රාමුව තුළ නිශ්චිත සංජානන නැඹුරුවක් ලෙස මෙම සංසිද්ධිය විධිමත් ලෙස සංග්‍රහ කරන ලදී.

බුද්ධිමය මූලයන් ගණිතමය සම්භාවිතා න්‍යාය වෙතට, විශේෂයෙන්ම විශාල සංඛ්‍යා පිළිබඳ නීතියේ ජෙරොලමෝ කාර්ඩානෝ සහ ජේකබ් බර්නූලිගේ මුල් සූත්‍ර වෙත යොමු වේ. කෙසේ වෙතත්, මිනිසුන් මෙම ගණිතමය මූලධර්මය ක්‍රමානුකූලව උල්ලංඝනය කරන්නේ මන්දැයි යන්න පිළිබඳ මනෝවිද්‍යාත්මක විමර්ශනය Kahneman-Tversky සහයෝගීතාවය විසින් පුරෝගාමී විය.

1970 ගණන්වල සිට අපගේ අවබෝධය සැලකිය යුතු ලෙස වර්ධනය වී ඇත. මැක්ස් ප්ලාන්ක් ආයතනයේ ගර්ඩ් ගිගරෙන්සර්ගේ නායකත්වයෙන් යුත් "පරිසර විද්‍යාත්මක තාර්කිකත්ව" පාසල මුල් අර්ථ නිරූපණයට අභියෝග කර ඇති අතර, නැඹුරුව ගැටළු ඉදිරිපත් කරන ආකාරය පිළිබඳ කෞතුක වස්තුවක් විය හැකි බවට තර්ක කරයි. සංඛ්‍යානමය තොරතුරු වියුක්ත සම්භාවිතාවන්ට වඩා ස්වභාවික සංඛ්‍යාත ලෙස ප්‍රතිනිර්මාණය කළ විට, කාර්ය සාධනය නාටකාකාර ලෙස වැඩි දියුණු වේ.

2.2. ප්‍රධාන පර්යේෂකයන්

2.3. සන්ධිස්ථානීය අධ්‍යයන

රෝහල් ගැටලුව (Tversky & Kahneman, 1974)

මෙම කැනොනිකල් අත්හදා බැලීමේදී, සහභාගිවන්නන් කියවා ඇත්තේ: "යම් නගරයකට රෝහල් දෙකකින් සේවය සපයනු ලැබේ. විශාල රෝහලේ දිනකට ළදරුවන් 45ක් පමණ උපත ලබන අතර කුඩා රෝහලේ දිනකට ළදරුවන් 15ක් පමණ උපත ලබයි. ඔබ දන්නා පරිදි, 50%ක් පමණ සියලුම ළදරුවන් පිරිමි ළමුන් වේ. කෙසේ වෙතත්, නියම ප්‍රතිශතය දිනෙන් දින වෙනස් වේ, වසර 1 ක කාලයක් සඳහා, උපත ලැබූ ළදරුවන්ගෙන් 60% කට වඩා පිරිමි ළමුන් වූ දින එක් එක් රෝහල විසින් වාර්තා කරන ලදී. එවැනි දින වැඩිපුර වාර්තා කළේ කුමන රෝහලද?"

ප්‍රතිඵල කැපී පෙනෙන විය: උපාධි අපේක්ෂකයින්ගෙන් 56% ක් "ආසන්න වශයෙන් සමානයි" තෝරා ගත් අතර, 22% ක් විශාල රෝහල තෝරා ගත් අතර, දළ වශයෙන් 22% ක් පමණක් කුඩා රෝහල නිවැරදිව හඳුනාගෙන ඇත. නිවැරදි පිළිතුර කුඩා රෝහලයි, මන්ද කුඩා සාම්පල වඩා වාෂ්පශීලී වන අතර මධ්‍යමයෙන් ආන්තික අපගමනයන් නිපදවීමට ඉඩ ඇත. විෂයයන් නියැදියේ ප්‍රමාණය නොවැදගත් ලෙස සැලකූ අතර, නියැදිය 15 හෝ 45 වුවද, 50% අනුපාතය සමානව අදාළ වනු ඇතැයි අපේක්ෂා කරන ලදී.

උස ඇස්තමේන්තු කිරීමේ අත්හදා බැලීම (Tversky & Kahneman, 1974)

සහභාගිවන්නන් සාමාන්‍ය ජනගහනයෙන් ලබාගත් පිරිමින් 10, 100 සහ 1,000 සාම්පලවල අඩි 6 (සෙ.මී. 183) ට වැඩි මධ්‍යක උසක් ලබා ගැනීමේ සම්භාවිතාව ඇස්තමේන්තු කර ඇත. තර්කානුකූලව, අඩි 6 කට වඩා වැඩි සාමාන්‍ය පිරිමින් 1,000 ක් සොයා ගැනීම පාහේ කළ නොහැක්කකි, නමුත් මෙම උස සාමාන්‍ය පිරිමින් 10 දෙනෙකු පමණක් විය නොහැක. එහෙත් විෂයයන් නියැදි ප්‍රමාණ තුනටම එකම සම්භාවිතාව පවරා ඇත. නියැදි ("පිරිමි") ඔවුන්ගේ විස්තරයෙන් පමණක් විනිශ්චය කිරීමෙන්, සහභාගිවන්නන් විශාල සංඛ්‍යාවල ස්ථායීකරණ බලය සම්පූර්ණයෙන්ම නොසලකා හැරියහ.

ක්ෂීරපායී ගැටලුව (Gigerenzer et al., 1995)

(සංවේදීතාව=90%, ව්‍යාජ ධනාත්මක=9%, පැතිරීම=1%) ප්‍රතිශතය භාවිතා කරමින් ධනාත්මක මැමෝග්‍රෑම් ලබා දී ඇති පියයුරු පිළිකා සම්භාවිතාව තක්සේරු කරන ලෙස වෛද්‍යවරුන්ගෙන් ඉල්ලා සිටි විට, 10-15%ක් පමණක් නිවැරදිව පිළිතුරු ලබා දී ඇත. එකම ගැටලුව ස්වාභාවික සංඛ්‍යාත ලෙස ඉදිරිපත් කළ විට ("කාන්තාවන් 1,000 කින් 10 කට පිළිකා ඇත..."), නිරවද්‍යතාවය 46-67% දක්වා ඉහළ ගියේය. මෙය පෙන්නුම් කළේ හරය තුළ නියැදියේ ප්‍රමාණය පැහැදිලි කිරීමෙන් සංඛ්‍යානමය තර්කනය නාටකාකාර ලෙස වැඩිදියුණු කළ බවයි.

The Hot Hand Study (Gilovich, Vallone, & Tversky, 1985)

Philadelphia 76ers සහ Boston Celtics හි වෙඩි තැබීමේ වාර්තා විශ්ලේෂණය කරමින්, පර්යේෂකයන් විසින් අහඹු ලෙස අපේක්ෂා කරන දෙයින් ඔබ්බට "උණුසුම්" රේඛා පිළිබඳ කිසිදු සංඛ්‍යානමය සාක්ෂියක් සොයා ගත්තේ නැත. ක්‍රීඩකයෙකුගේ වෙඩි තැබීමේ වාර්තාව කාසි පෙරළීමේ අනුපිළිවෙලකට වඩා ගණිතමය වශයෙන් වෙන් කොට හඳුනාගත නොහැකි විය. ක්‍රීඩකයන්, පුහුණුකරුවන් සහ රසිකයින් අතර "උණුසුම් හස්තය" පිළිබඳ විශ්වීය විශ්වාසය අහඹු කුඩා සාම්පලවල රටා සංජානනය කිරීම මගින් ජනනය කරන ලද සංජානන මිත්‍යාවක් ලෙස අනාවරණය විය.

2.4. ස්නායු පදනම

මනෝවිද්‍යාඥයින් වන කීත් ස්ටැනොවිච්, රිචඩ් වෙස්ට් සහ ඩැනියෙල් කානමන් "System 1" චින්තනය-ගණිතමය නිරවද්‍යතාවයට වඩා වේගය සහ සුසංයෝගයට ප්‍රමුඛත්වය දෙන වේගවත්, ස්වයංක්‍රීය, අවබෝධාත්මක සංජානන ක්‍රියාවලීන් මගින් මෙම නැඹුරුව ක්‍රියාත්මක වේ. සංඛ්‍යානමය සාක්ෂි ඇගයීමේදී, පද්ධතිය 1 නිසි සංඛ්‍යානමය තර්කනය සඳහා අවශ්‍ය මන්දගාමී, වඩා උත්සාහවත් පද්ධති 2 ක්‍රියාවලීන්හි නියැලීම වෙනුවට සමානකම් සහ රටා හඳුනාගැනීම් සකසයි.

මොළයේ රටා හඳුනාගැනීමේ පරිපථ, වේගවත් තර්ජන තක්සේරුව සහ හේතු සම්බන්ධ අනුමාන සඳහා පරිණාමය වී ඇති අතර, දත්තවල අර්ථවත් ව්‍යුහයක් ස්වයංක්‍රීයව සොයයි. මෙම පරිපථ විශාල සහ කුඩා සාම්පල අතර වෙනසක් නොකරයි; ඔවුන් විශ්වසනීයත්වය (නියැදි ප්‍රමාණය, විචලනය) පිළිබඳ පාර-තොරතුරු වෙනුවට තොරතුරුවල මතුපිට ලක්ෂණවලට (ප්‍රමාණ, දෘශ්‍යමාන රටා) ප්‍රතිචාර දක්වයි.

විධායක ක්‍රියාකාරිත්වය සහ ගණිතමය තර්කනය සඳහා වගකිව යුතු පූර්ව ඉදිරිපස බාහිකයට (prefrontal cortex) පද්ධතිය 1 විනිශ්චයන් අභිබවා යා හැක, නමුත් මේ සඳහා සවිඥානික උත්සාහයක්, සංඛ්‍යානමය පුහුණුවක් සහ සංජානන සම්පත් අවශ්‍ය වේ. කාල පීඩනය, සංජානන බර හෝ චිත්තවේගීය උද්දීපනය යටතේ, පද්ධතිය 1 පෙරනිමි ආධිපත්‍යය දරයි, සහ නියැදි ප්‍රමාණය නොසලකා හරිනු ලැබේ.

3. පරිණාමීය සම්භවය

දත්ත හිඟ වූ සහ පැකිලීමේ පිරිවැය මරණය වූ සංකීර්ණ, ඝෝෂාකාරී සහ අනතුරුදායක ලෝකයක සැරිසැරීමට මිනිස් මනස පරිණාමය විය. ප්ලයිස්ටොසීන් පරිසරය තුළ, අපගේ මුතුන්මිත්තන්ට සීමිත නිරීක්ෂණ වලින් වේගයෙන් සාමාන්‍යකරණය කිරීමට අවශ්‍ය විය: විලෝපිකයෙකු හෝ විෂ සහිත බෙරි වර්ගයක් හමුවීමෙන් වළක්වා ගැනීමේ විශ්වීය රීතියක් අවශ්‍ය විය.

මෙම පරිණාමීය මෙවලම් කට්ටලය ගණිතමය නිරවද්‍යතාවයට වඩා රටා හඳුනාගැනීමට සහ වේගවත් නිගමනවලට ප්‍රමුඛත්වය දුන්නේය. කුඩා සාම්පල වලින් පුළුල් නිගමන උකහා ගැනීමේ හැකියාව පැහැදිලි අනුවර්තන වාසියක් විය-පලා යාමට තීරණය කිරීමට පෙර විලෝපිකයන් හමුවීමේ "සංඛ්‍යානමය වශයෙන් වැදගත්" නියැදියක් රැස් කිරීමට බලා සිටීම මාරාන්තික වනු ඇත.

කෙසේ වෙතත්, දත්ත-විශිෂ්ට මුතුන්මිත්තන්ගේ පරිසරයන් තුළ පැවැත්ම සහතික කරන ලද මෙම එකම සංජානන අනුවර්තනය අපගේ නවීන දත්ත වලින් පොහොසත් ලෝකය තුළ ගැඹුරු වගකීමක් ලෙස ප්‍රකාශ වේ. අපි දැන් ස්වභාවික ක්‍රියාවලීන්, සම්භාවිතා ප්‍රතිඵල සහ දැවැන්ත දත්ත කට්ටල මගින් පාලනය වන ලෝකයක වාසය කරන නමුත්, අපගේ බුද්ධිය මුරණ්ඩු ලෙස කුඩා නියැදියේ තර්කනයට සම්බන්ධ වී පවතී.

නැඹුරුව දෝෂයකට වඩා පරිණාමීය ලක්ෂණයක් ලෙස දැකිය හැකිය: එය (1) සාම්පල සහජයෙන්ම කුඩා වූ, (2) ව්‍යාජ ධනාත්මක (නොපවතින රටා දැකීම) ව්‍යාජ ඍණ (අතුරුදහන් වූ) වලට වඩා අඩු වියදම් සහිත පරිසරයන් සඳහා ක්‍රමාංකනය කර ඇත. සැබෑ තර්ජන), සහ (3) ක්ෂණික ක්‍රියාවක් සංඛ්‍යානමය නිරවද්‍යතාවයට පත් කළේය.

4. මෙම නැඹුරුව ප්‍රකාශ වන ආකාරය

4.1. එදිනෙදා ජීවිතයේදී

දෛනික තීරණ වලදී, අපි නිරන්තරයෙන් කුඩා සාම්පල අධි-අර්ථකථනය කරමු. එක් වරක් නව අවන්හලකට ගොස් සාමාන්‍ය ආහාර වේලක් ලබා ගැනීමෙන් පසු, අපි එක් රාත්‍රියක එක් කෑමක් නියැදි කර ඇති බව හඳුනා ගන්නවා වෙනුවට "එම ස්ථානය නරකයි" කියා නිගමනය කරමු. යම් නගරයකින් හෝ වෘත්තියකින් කෙනෙකු හමුවීම එම තනි හමුවීම මත පදනම්ව සාමාන්‍යකරණයට තුඩු දෙයි.

අපි අසල්වාසීන්ගේ ආරක්ෂාව විනිශ්චය කරන්නේ කථා කිහිපයකින්, ඇමේසන් සමාලෝචන තුනකින් නිෂ්පාදන පිළිබඳ මතවාදයන් ගොඩනඟා ගනිමු, සහ අපගේ යාන්ත්‍රිකයා එක් අපැහැදිලි අලුත්වැඩියාවක් මත අවංක නොවන බව නිගමනය කරමු. ප්‍රතිඵල තීරණය කරන දහස් ගණනක් තනි පුද්ගල වෙනස්කම් නොසලකා හරිමින් මිතුරෙකු ආහාර වේලක සාර්ථක වන බවත් එය අප වෙනුවෙන් ක්‍රියා කරනු ඇතැයි අපි උපකල්පනය කරමු.

සබඳතා තුළ, දින කිහිපයක් පුරා සහකරුගේ හැසිරීම ඔවුන්ගේ චරිතය පිළිබඳ අපගේ විනිශ්චය හැඩගස්වයි. එක් පරීක්ෂණයක් මත දරුවෙකුගේ දුර්වල කාර්ය සාධනය ඔවුන් "ගණිතයට දක්ෂ නැත" යැයි නිගමනය කිරීමට දෙමාපියන්ට මග පාදයි. සාර්ථක අනාවැකි කිහිපයක් අපට අනාගතය ගැන පුරෝකථනය කිරීමට දක්ෂ බව අපව විශ්වාස කරයි.

4.2. රැකියා ස්ථානයේ

වෘත්තීය සැකසුම් නියැදි ප්‍රමාණය නොසලකා හැරීමේ පිරිවැය වැඩි කරයි. කළමනාකරුවන් ක්‍රමානුකූල දත්ත වලට වඩා නිරීක්ෂණය කරන ලද සිද්ධීන් කිහිපයක් මත පදනම්ව සේවක කාර්ය සාධනය ඇගයීමට ලක් කරයි. කුලියට ගැනීමේ තීරණ කෙටි සම්මුඛ සාකච්ඡා මත රඳා පවතී - හැසිරීම් වල කුඩා සාම්පලයක් - නමුත් ස්ථිර තක්සේරු කිරීම් ලෙස සැලකේ.

කාර්තුමය ප්‍රතිඵල, මාස තුනක් පමණක් (සමාගමක ගමන් පථයේ කුඩා සාම්පලයක්) නියෝජනය කරන, ප්‍රධාන උපායමාර්ගික තීරණ ගෙන යයි. මාස දෙකක් සඳහා අඩු කාර්යසාධනයක් ඇති කරන නව මුලපිරීමක් විචලනය ස්ථාවර වීමට පෙර අවලංගු වේ. ප්‍රතිඵලවල සැබෑ ව්‍යාප්තිය නොතකා, මුලින් සාර්ථක වන නායකයින් "දූරදර්ශී" ලෙස සලකනු ලබන අතර මුල් පසුබෑමකට මුහුණ දෙන අය අසාර්ථක ලෙස ලේබල් කරනු ලැබේ.

ක්‍රියාකාරී සමාලෝචන බොහෝ විට මෑතකාලීන සිදුවීම් අසමානුපාතික ලෙස බර කරයි, පසුගිය සති කිහිපය සම්පූර්ණ වසරක නියෝජිතයෙකු ලෙස සලකයි. පුහුණු වැඩසටහන් කණ්ඩායම් හරහා ස්වභාවික විචලනය නොසලකා හරිමින් පළමු කණ්ඩායම මත පදනම්ව ඵලදායී හෝ අකාර්යක්ෂම ලෙස විනිශ්චය කරනු ලැබේ.

4.3. ව්‍යාපාර සහ අලෙවිකරණයේදී

නිව් කෝක් ව්‍යසනය (New Coke disaster) මගින් ව්‍යාපාර මෙම පක්ෂපාතිත්වයට ගොදුරු වන ආකාරය නිදසුන් කරයි. කොකා-කෝලා සමාගම අන්ධ රස පරීක්ෂණ 200,000කට ආසන්න ප්‍රමාණයක් පවත්වන ලද අතර, ඔවුන්ගේ පැණිරස නව සූත්‍රය සඳහා අතිමහත් මනාපයක් සොයා ගන්නා ලදී. කෙසේ වෙතත්, මේවා "සිප් පරීක්ෂණ"-බීම පරිභෝජනය කිරීමේ අත්දැකීමේ කුඩා සාම්පලයක් විය. උගුරක් තුළ, මොළය අධික පැණි රස සඳහා ධනාත්මකව ප්රතික්රියා කරයි. සම්පූර්ණ ටින් එකක දී, එම පැණි රසයම ක්ලෝයි බවට පත් වේ. කෝක් විධායකයින් උපකල්පනය කළේ සිප් සාම්පලය සම්පූර්ණ අත්දැකීමක් නියෝජනය කරන බවත්, එය දැවැන්ත පාරිභෝගික කැරැල්ලකට තුඩු දෙන බවත්ය.

Ford Edsel අසාර්ථකත්වය තාවකාලික නියැදි ප්‍රමාණය නොසලකා හැරීම පෙන්නුම් කරයි. ෆෝඩ් 1955-1956 දී පුළුල් පර්යේෂණ සිදු කරන ලද අතර ඇමරිකානුවන්ට විශාල, දීප්තිමත් මෝටර් රථ අවශ්‍ය බව පෙන්වයි. ඔවුන් මෙම කාලානුරූප නියැදිය ස්ථිර සත්‍යයක් ලෙස සැලකූහ. 1958 දියත් කිරීම වන විට, වෙළඳපල කුඩා මෝටර් රථ වෙත මාරු වී ඇති අතර, එඩ්සෙල් අලෙවිකරණ අසාර්ථකත්වයට පර්යාය විය.

සමාගම් සාමාන්‍යයෙන් පුද්ගලයන් 8-12කින් යුත් නාභිගත කණ්ඩායම් (focus groups) මත පදනම්ව නිෂ්පාදන දියත් කරයි, සති වෙනුවට දින ගණනක් ක්‍රියාත්මක වන A/B පරීක්ෂණ, සහ නියෝජනය නොකරන වෙළඳපලවල නියමු වැඩසටහන්. ස්ථාවර කර නොමැති මූලික ප්‍රතිචාර අනුපාත මත පදනම්ව අලෙවිකරණ ව්‍යාපාර පරිමාණය කර ඇත.

4.4. දේශපාලනය සහ මාධ්‍ය තුළ

1936 සාහිත්‍ය ඩයිජෙස්ට් මත විමසුම් ව්‍යසනය (Literary Digest poll disaster) මගින් පෙන්නුම් කරන්නේ දැවැන්ත නමුත් පක්ෂග්‍රාහී සාම්පල අසමත් වන ආකාරයයි. සඟරාව මිලියන 2.4 ක ජනතාවක් අතර මත විමසුමක් කළ අතර ඇල්ෆ්‍රඩ් ලැන්ඩන් ෆ්‍රෑන්ක්ලින් රූස්වෙල්ට් පරාජය කරනු ඇතැයි අනාවැකි පළ කළේය. ඔවුන්ගේ සාම්පල (මෝටර් රථ ලියාපදිංචි කිරීම් සහ දුරකථන නාමාවලි වලින් ලබාගත්) මෙම ධනයේ සලකුණු නොමැතිව අවපාතයේ කාලීන ඡන්දදායකයින් ක්‍රමානුකූලව බැහැර කරන බව නොසලකා හරිමින් ප්‍රමාණය නිවැරදි බව සහතික කර ඇත. ජෝර්ජ් ගැලප් 50,000 ක නියෝජිත සාම්පලයක් භාවිතා කරමින් ප්‍රතිඵලය නිවැරදිව පුරෝකථනය කළේය.

නූතන මත විමසුම් නියැදි ප්‍රමාණය අර්ථ නිරූපණය කිරීම සමඟ අරගල දිගටම කරගෙන යයි. මාධ්‍ය හුස්ම හිරවන ලෙස දෝෂයේ මායිම තුළ ඇති වූ මත විමසුම් වෙනස්වීම් සැලකිය යුතු මාරුවීම් ලෙස වාර්තා කරයි. පණ්ඩිතයන් පුරෝකථනය කරන කුඩා සාම්පලවලට ප්‍රතිකාර කරමින්, මුල් ඡන්ද ප්‍රතිලාභ වලින් නිස්සාරණය කරති. තීරණයක් නොගත් ඡන්දදායකයින්ගේ අවධානය යොමු කිරීමේ කණ්ඩායම් සංඛ්‍යානමය ඝෝෂාව නියෝජනය කළත් ආඛ්‍යානය-නිර්වචනය කරන අවස්ථා බවට පත්වේ.

සංක්‍රමණිකයන්, සුබසාධන ලබන්නන්, හෝ පොලිස් නිලධාරීන් පිළිබඳ කථාන්දර අතලොස්සක් මත පදනම්ව දේශපාලන අදහස් ගොඩනැගෙන්නේ, සෑම කතාවකටම විවිධ පුද්ගලයන් මිලියන ගණනකගේ නියෝජිතයෙකු ලෙස සැලකීමෙනි.

4.5. සෞඛ්‍ය සේවා තුළ

වකුගඩු පිළිකා සිතියම කැපී පෙනෙන වෛද්ය උදාහරණයක් ඉදිරිපත් කරයි. සංඛ්‍යාලේඛනඥයින් වන Howard Wainer සහ Harris Zwerling පෙන්නුම් කළේ වකුගඩු පිළිකා අඩුම අනුපාත ඇති ප්‍රාන්ත අතිමහත් ලෙස ග්‍රාමීය සහ ජනාකීර්ණ නොවන බවයි. බුද්ධිමය ආඛ්‍යානය: ග්‍රාමීය ජීවිතය නැවුම් වාතය සහ පිරිසිදු ජීවත්වීම හරහා පිළිකා වළක්වයි. එවිට ඔවුන් හෙළි කළේ ඉහළම අනුපාත ඇති ප්‍රාන්ත ද අතිමහත් ලෙස ග්‍රාමීය සහ විරල ජනාකීර්ණ බවයි. පොදු සාධකය වන්නේ ජීවන රටාව නොව කුඩා ජනගහන ප්‍රමාණයයි - පදිංචිකරුවන් 500 ක් සිටින ප්‍රාන්තයක, තනි රෝග විනිශ්චය ජාතික අන්තයට අනුපාතය ඉහළ නංවන අතර සිද්ධීන් ශුන්‍ය එය පහළට හෙළයි.

කලාතුරකින් ඇතිවන රෝගවල ධනාත්මක පරීක්ෂණ ප්‍රතිඵල වෛද්‍යවරුන් අධි-අර්ථකථනය කරයි, මූලික අනුපාත සහ නියැදි ප්‍රමාණයන් ගණනය කිරීමට අපොහොසත් වේ. මිනුම් විචලනය හුදෙක් පිළිබිඹු කළ හැකි නිදන්ගත තත්වයක් ඉහළ කියවීම් තුනක් සහිත රෝගියෙකුට හඳුනාගෙන ඇත. ප්‍රතිකාරයේ කාර්යක්ෂමතාවය විනිශ්චය කරනු ලබන්නේ සසම්භාවී පාලිත අත්හදා බැලීම් වලට වඩා රෝගීන් අතලොස්සකගෙනි.

මහජන සෞඛ්‍ය නිලධාරීන් කුඩා ජනගහනයක සංඛ්‍යානමය කෞතුක වස්තු පමණක් වන "පිළිකා පොකුරු" සහ "සෞඛ්‍ය සම්පන්න කලාප" හඹා යයි. විශාල සාම්පල සමඟ සාමාන්‍යයට පසුබෑමට ලක්වන ආන්තික අගයන් මත පදනම්ව සම්පත් වැරදි ලෙස වෙන් කරනු ලැබේ.

4.6. මූල්‍ය සහ ආයෝජන වලදී

දිවි ගලවා ගැනීමේ නැඹුරුව (Survivorship Bias) මූල්‍ය වෙලඳපොලවල නියැදි ප්‍රමාණය නොසලකා හැරීමේ විනාශකාරී ස්වරූපයක් නියෝජනය කරයි. ආයෝජකයින් පසුගිය වසර 10 පුරා අන්‍යෝන්‍ය අරමුදල් (mutual fund) කාර්ය සාධනය විශ්ලේෂණය කරන විට, ඔවුන් පරීක්ෂා කරන්නේ තවමත් පවතින අරමුදල් පමණි - දිවි ගලවා ගත් අය. අසාර්ථක වූ සහ ඈවර කරන ලද අරමුදල් නියැදියෙන් අතුරුදහන් වී ඇති අතර, දෘශ්‍යමාන සාමාන්‍ය ප්‍රතිලාභ කෘතිමව උද්ධමනය කරයි. ආයෝජකයෙකුට 8%ක සාමාන්‍ය ප්‍රතිලාභ දැකිය හැකි අතර සක්‍රීය කළමනාකරණය ක්‍රියාත්මක වන බව නිගමනය කළ හැකිය, "මළ" අරමුදල් ඇතුළත් කළ විට 4%ක් හෝ ඊට අඩු ප්‍රතිලාභ හෙළි වේ.

ආයෝජකයින් වසර 3-5 ක වාර්තා මත පදනම්ව අරමුදල් හඹා යන අතර, මෙම කුඩා තාවකාලික නියැදිය අඛණ්ඩ කුසලතාවයේ සාක්ෂියක් ලෙස සලකයි. රිචඩ් තේලර්ගේ පර්යේෂණවලින් පෙන්නුම් කරන්නේ ආයෝජකයින් උපයා ගැනීමේ කුඩා සාම්පලවලින් අධික ලෙස නිස්සාරණය කරන බවයි: පරාජයේ ඇස්තමේන්තු වලින් හතරෙන් තුනක් ව්‍යුහාත්මක අභිබවා යාමක් ලෙස සලකනු ලබන අතර මිල ගණන් අතාර්කික මට්ටම්වලට ගෙන යයි.

යටින් පවතින මූලධර්ම සාධාරණීකරණය කරනවාට වඩා වෙළඳපල මිල ගණන් බොහෝ දුරට උච්චාවචනය වන බව රොබට් ෂිලර් ලේඛනගත කළේය. මෙම "අතිරික්ත අස්ථාවරත්වය" පැමිණෙන්නේ ආයෝජකයින් විසින් කෙටි කාලීන ප්‍රවෘත්ති සමාගමක දිගුකාලීන අනාගතයේ කුඩා සාම්පල-ස්ථිර වටිනාකමක් පිළිබඳ නිශ්චිත තොරතුරු ලෙස සැලකීමෙනි.

5. සැබෑ ලෝකයේ සිද්ධි අධ්‍යයන (Real-World Case Studies)

සිද්ධි අධ්‍යයනය 1: මනෝවිද්‍යාවේ ප්‍රතිනිර්මාණ අර්බුදය (The Replication Crisis in Psychology)

• සන්දර්භය: දශක ගණනාවක් තිස්සේ මනෝවිද්‍යාත්මක පර්යේෂණ කුඩා නියැදි ප්‍රමාණයන් සමඟ ක්‍රියාත්මක විය (බොහෝ විට කොන්දේසියකට N=20 හෝ N=40). "Power Posing" අධ්‍යයනය (Carney, Cuddy, & Yap, 2010) කියා සිටියේ මිනිත්තු දෙකක් "ඉහළ බලැති" ඉරියව්වකින් සිටීම හෝමෝන වෙනස්කම් සහ අවදානම් ගැනීමේ වැඩි වීමක් ඇති කරන බවයි. නියැදි ප්‍රමාණය සහභාගිවන්නන් 42 කි.

• සිදුවූයේ කුමක්ද: මෙම අධ්‍යයනය කීර්තිමත් සඟරාවක ප්‍රකාශයට පත් කරන ලද අතර, විශාල මාධ්‍ය අවධානයක් දිනාගත් අතර, මිලියන ගණනක් නැරඹූ TED කථාවක් නිර්මාණය කළේය. සියුම් හෝමෝන බලපෑම් හඳුනා ගැනීමට N=42 ප්‍රමාණවත් බව විද්‍යාත්මක ප්‍රජාව පිළිගත්තේය.

• කාර්යයේ ඇති නැඹුරුව: පර්යේෂකයන්, සංස්කාරකවරුන් සහ සමාලෝචකයින් - Tversky සහ Kahneman විසින් විස්තර කරන ලද ඉතා නැඹුරුවකින් පෙළෙන - සියුම් බලපෑම් හඳුනා ගැනීමට තරම් කුඩා සාම්පල ශක්තිමත් යැයි විශ්වාස කළහ. ඔවුන් ශබ්දයේ රටාවක් දුටුවේය.

• ප්‍රතිවිපාක: N=200+ සමග පසුකාලීනව මහා පරිමාණ ප්‍රතිනිර්මාණ උත්සාහ කළ විට, හෝමෝන බලපෑම් සම්පූර්ණයෙන්ම අතුරුදහන් විය. විවෘත විද්‍යා සහයෝගීතාවය (The Open Science Collaboration, 2015) මනෝවිද්‍යා අධ්‍යයන 100 ක් අනුකරණය කරන ලද අතර සාර්ථකව ප්‍රතිනිෂ්පාදනය කළ හැක්කේ අඩකට වඩා අඩු ප්‍රමාණයක් බව සොයා ගත්තේය. මූලික වැරදිකරු වූයේ අඩු බලැති අධ්‍යයනයන් මත විශ්වාසය තැබීමයි.

• ඉගෙන ගත් පාඩම්: විද්‍යාත්මක ප්‍රකාශනයේ "ජයග්‍රාහකයාගේ ශාපය" යන්නෙන් අදහස් වන්නේ ප්‍රකාශයට පත් කරන අධ්‍යයනයන් යනු සංඛ්‍යානමය වැදගත්කම් සීමාවන් ඉක්මවා යාමට සිදු වූ අතිශයෝක්තියට නැංවූ ප්‍රමාණයේ බලපෑම් ඇති ඒවා බවයි. සැබෑ බලපෑම් මතු වන්නේ විශාල සාම්පල සමඟ පමණි. එතැන් සිට මනෝවිද්‍යාව විශාල සාම්පල අවශ්‍ය වන ප්‍රතිසංස්කරණ සහ අධ්‍යයන පූර්ව ලියාපදිංචි කිරීම ආරම්භ කර ඇත.

සිද්ධි අධ්‍යයනය 2: නිව් කෝක් ව්‍යසනය (The New Coke Disaster)

• සන්දර්භය: 1985 දී, කොකා-කෝලා සමාගම පෙප්සිගේ "පෙප්සි චැලෙන්ජ්" අන්ධ රස පරීක්ෂණ වලින් වැඩි වන වෙළඳපල පීඩනයකට මුහුණ දුන්නේය. අභ්‍යන්තර පර්යේෂණවලින් පෙන්නුම් කළේ පැණිරස පෙප්සි උගුරෙන්-උගුර සංසන්දනයෙන් ජය ගන්නා බවයි.

• සිදුවූයේ කුමක්ද: කොකා-කෝලා සමාගම 200,000කට ආසන්න අන්ධ රස පරීක්ෂණ සිදු කරන ලද අතර, මිහිරි නව සූත්‍රයක් සඳහා අතිමහත් මනාපයක් සොයා ගන්නා ලදී. මෙම දත්ත මත පදනම්ව, ඔවුන් ඔවුන්ගේ සියවසක් පැරණි සූත්‍රය "නිව් කෝක්" සමඟ ප්‍රතිස්ථාපනය කළහ.

• කාර්යයේ ඇති නැඹුරුව: මේවා "සිප් පරීක්ෂණ"-සමස්ත පානයක් පරිභෝජනය කිරීමේ අත්දැකීමේ කුඩා සාම්පලයක් විය. විධායකයින් උපකල්පනය කළේ මෙම ක්ෂුද්‍ර නියැදිය සම්පූර්ණ පරිභෝජන අත්දැකීමක් නියෝජනය කරන බවයි. උගුරක් තුළ, පැණි රස ප්රසන්න වේ; සම්පූර්ණ ටින් එකක, එය අතිමහත් වේ.

• ප්‍රතිවිපාක: පාරිභෝගික කැරැල්ල ක්ෂණික සහ දරුණු විය. දින 79 ක් ඇතුළත කොකාකෝලා විසින් "කොකා-කෝලා ක්ලැසික්" ලෙස මුල් සූත්‍රය නැවත ගෙන එන ලදී. සමාගමට මිලියන ගණනක් අහිමි වූ අතර සදාකාලික සන්නාම හානියක් සිදුවිය.

• ඉගෙන ගත් පාඩම්: "නියැදිය" එය නියෝජනය කරන "ජනගහනයට" ගැලපිය යුතුය. එක් වෙළඳසැලකට පැමිණීම පාරිභෝගික පක්ෂපාතිත්වයක් නොවන පරිදි උගුරක් ටින් එකක් නොවේ. විශ්ලේෂණයේ ඒකකය සැබෑ ලෝකයේ හැසිරීමට අනුරූප විය යුතුය.

ඓතිහාසික උදාහරණය: 1936 සාහිත්‍ය ඩයිජෙස්ට් මත විමසුම

Literary Digest සඟරාව ඡන්ද විමසීමේ ස්වර්ණමය ප්‍රමිතිය ලෙස පෙනෙන දෙය පැවැත්වීය: සමීක්ෂණ මිලියන 10 ක් යවා, මිලියන 2.4 ක් ආපසු ලබා දී ඇත. 57% ක ඡන්ද ප්‍රතිශතයක් ලබා ගනිමින් ලැන්ඩන් රූස්වෙල්ට් පරාජය කරනු ඇතැයි ඔවුහු අනාවැකි පළ කළහ. රූස්වෙල්ට් 61%කින් ජයග්‍රහණය කළේය.

ඩයිජෙස්ට් හි සංස්කාරකවරුන් විශ්වාස කළේ දැවැන්ත නියැදි ප්‍රමාණය නිරවද්‍යතාවය සහතික කරන බවයි. ඔවුන් හඳුනා ගැනීමට අපොහොසත් වූ දෙය නම්, ඔවුන්ගේ නියැදි රාමුව-දුරකථන නාමාවලි සහ මෝටර් රථ ලියාපදිංචි කිරීමේ ලැයිස්තු-රූස්වෙල්ට්ගේ නව ගනුදෙනු ප්‍රතිපත්තිවලට අතිමහත් ලෙස සහාය දෙන අඩු ආදායම්ලාභී ඡන්දදායකයින් ක්‍රමානුකූලව බැහැර කිරීමයි. ජෝර්ජ් ගැලප් ප්‍රතිචාර දැක්වූවන් 50,000ක් පමණක් සමගින් නිසි සම්භාවිතා නියැදීම භාවිතා කරමින් ප්‍රතිඵලය නිවැරදිව පුරෝකථනය කළේය.

කුඩා, නියෝජිත සාම්පලයක් (n=3,000) දැවැන්ත, පක්ෂග්‍රාහී සාම්පලයකට (N=2.4 මිලියන) වඩා අසීමිත විශ්වාසදායක බව මෙම නඩුව උගන්වයි. නියැදි ගුණය සහ නියැදි ප්‍රමාණය අතර සම්බන්ධය තේරුම් ගැනීමට අපොහොසත් වීමේ ගොදුරක් වූ ඩයිජෙස්ට් වසර දෙකකට පසුව ප්‍රකාශනය නතර කළේය.

6. මෙම නැඹුරුවේ පිරිවැය

6.1. පුද්ගලික පිරිවැය

හැසිරීමේ කුඩා සාම්පල මත පදනම්ව අපි හවුල්කරුවන් විනිශ්චය කරන විට සබඳතා දුක් විඳිනවා - නරක දින කිහිපයක් මූලික චරිත දෝෂ පිළිබඳ සාක්ෂි බවට පත්වේ. සීමිත උත්සාහයන් වලින් පසුව යමක් කළ නොහැකි බව අප නිගමනය කළ විට පුද්ගලික වර්ධනය ඇනහිටියි. හුදෙක් ස්වාභාවික විචලනය නියෝජනය කරන මූලික පසුබෑම් වලින් පසුව වෘත්තීය හැරීම් අත්හැර දමනු ලැබේ.

අපගේම තනි අත්දැකීමකින් හෝ මිතුරන්ගේ කථා කිහිපයකින් ප්‍රතිකාරයේ කාර්යක්ෂමතාව විනිශ්චය කරන විට සෞඛ්‍ය තීරණ වැරදි වේ. මෑත කාලීන ජයග්‍රාහකයින් පසුපස හඹා යන විට හෝ මෑත කාලීන පරාජිතයන් පලා යන විට ආයෝජන කළඹ වැරදි ලෙස කළමනාකරණය වේ. අපි මිථ්‍යා විශ්වාස වර්ධනය කර ගනිමු, පිරිසිදු අහඹු භාවයේ රටා පවතින බව විශ්වාස කරමු.

මනෝවිද්‍යාත්මක පිරිවැයට අස්ථායී නිගමන කෙරෙහි අනවශ්‍ය විශ්වාසයක් ඇතුළත් වන අතර අනාවැකි අසාර්ථක වූ විට ව්‍යාකූලත්වය ඇති වේ. සම්පූර්ණයෙන්ම අහඹු වන විචලනයන් පැහැදිලි කිරීම සඳහා අපි විස්තීර්ණ හේතු පැහැදිලි කිරීම් ගොඩනඟමු, සැබෑ රටා වලට අනුරූප නොවන යථාර්ථයේ මානසික ආකෘති ගොඩනඟමු.

6.2. වෘත්තීය පිරිවැය

සීමිත නිරීක්ෂණ මත පදනම්ව කළමනාකරුවන් අපගේ හැකියාවන් වැරදි ලෙස විනිශ්චය කරන විට වෘත්තීය දියුණුවට බාධා ඇති වේ. මුල් හැඟීම් (හැසිරීම් වල කුඩා සාම්පල) සාර්ථකත්වයේ ඒකාකෘති වලට නොගැලපෙන නිසා හොඳ සේවකයින් නොසලකා හරිනු ලැබේ. නරක බඳවා ගැනීමේ තීරණ ආයතනික සම්පත් නාස්ති කරන අතර කණ්ඩායම් ගතිකත්වයට හානි කරයි.

දිගුකාලීන ප්‍රවණතා වෙනුවට මුල් ප්‍රතිඵල සඳහා ක්‍රමාංකනය කරන විට ව්‍යාපාර උපාය මාර්ග අසාර්ථක වේ. ඝෝෂාකාරී දත්ත මත පදනම්ව නිෂ්පාදන නොමේරූ ලෙස දියත් කිරීම හෝ කලින් මරා දැමීම සිදු කෙරේ. කුඩා සාම්පල නියෝජිත ලෙස සලකන විට වෙළඳපල පර්යේෂණ සමාගම් නොමඟ යවයි.

ආයෝජන තීරණ මෑතකාලීන කාර්යසාධනය හඹා යන බැවින් මූල්‍ය පාඩු එකතු වේ. වසර තුනක් තිස්සේ හොඳින් දස්කම් දැක්වූ අරමුදල් කළමනාකරුවන් දැවැන්ත ගලා ඒම් ආකර්ශනය කර ගන්නා අතර, කුඩා නියැදිය අනාගත ප්‍රතිලාභ පුරෝකථනය කර ඇති බව උපකල්පනය කළ ආයෝජකයින් සාමාන්‍ය සහ කලකිරීමට පත් වීමට පමණක් පසුබසියි.

6.3. සමාජ පිරිවැය

ප්‍රතිනිෂ්පාදන අර්බුදය (The Replication Crisis) ප්‍රතිනිෂ්පාදනය කළ නොහැකි අධ්‍යයනයන් සඳහා පර්යේෂණ අරමුදල් බිලියන ගණනක් වැය කර ඇත. වෛද්‍ය ප්‍රතිකාර කුඩා පරීක්ෂාවන් මත පදනම්ව අනුගමනය කරනු ලබන අතර විශාල ජනගහනයක ප්‍රතිලාභයක් නොමැති බව පෙන්වීමට පමණි. කුඩා ජනගහණයක සංඛ්‍යානමය කෞතුක වස්තු විසඳීම සඳහා මහජන සෞඛ්‍ය සම්පත් වැරදි ලෙස වෙන් කර ඇත.

මිලියන සංඛ්‍යාත ජනතාවක් පිළිබඳ ප්‍රතිපත්ති විවාදයන් හැඩගස්වන විට දේශපාලන කතිකාව විෂ වී යයි. ඉහළ පෙළේ නඩු (කුඩා සාම්පල) නීති සම්පාදනය කරන විට අපරාධ යුක්ති විනිශ්චය පද්ධති විකෘති වේ. නියැදි ප්‍රමාණය වැඩි වන විට සොයාගැනීම් ආපසු හැරෙන විට විද්‍යාව පිළිබඳ මහජන විශ්වාසය ඛාදනය වේ.

මූලික කරුණු සාධාරණීකරණය කරනවාට වඩා වෙලඳපොලවල් වඩාත් අස්ථායී වන අතර, ධනය හා ආර්ථික ස්ථාවරත්වය විනාශ කරන බූම් බස්ට් චක්‍ර නිර්මාණය කරයි. ස්ථාවර මනාපයන් වෙනුවට මහජන මතයේ කුඩා සාම්පල සඳහා දේශපාලනඥයන් ප්‍රතිචාර දක්වන විට රාජ්‍ය ප්‍රතිපත්ති අන්ත අතරට ගමන් කරයි.

6.4. සංඛ්‍යානමය බලපෑම

N=50 ට අඩු නියැදි ප්‍රමාණයන් සහිත අධ්‍යයනයන්හි බොහෝ විට 100% කින් හෝ ඊට වැඩි ප්‍රතිශතයකින් අතිශයෝක්තියෙන් යුත් බලපෑම් ප්‍රමාණයක් ඇති බව පර්යේෂණ සොයාගැනීම් යෝජනා කරයි. විවෘත විද්‍යා සහයෝගීතාවයෙන් හෙළි වූයේ මනෝවිද්‍යා අධ්‍යයනයන්ගෙන් 36% ක් පමණක් සාර්ථක ලෙස ප්‍රතිනිර්මාණය කළ හැකි බවත්, අඩු බලැති අධ්‍යයනයන් මූලික ධාවකය වන බවත්ය.

මූල්‍ය ක්ෂේත්‍රය තුළ, Survivorship Bias මගින් දෘශ්‍යමාන අන්‍යෝන්‍ය අරමුදල් (mutual fund) ප්‍රතිලාභ වාර්ෂිකව ඇස්තමේන්තුගත 1-2%කින් ඉහළ නංවයි— මිලියන ගණනක් ආයෝජකයින් හරහා වැරදි ලෙස වෙන් කරන ලද විශ්‍රාම ඉතුරුම් ඩොලර් මිලියන ගණනකට එකතු වන වෙනසක්.

මූලික අනුපාත නොසලකා හැරීම සහ නියැදි ප්‍රමාණයේ සංවේදී නොවීම මගින් මෙහෙයවනු ලබන වෛද්‍ය රෝග විනිශ්චය දෝෂ වාර්ෂිකව ඇමරිකානුවන් මිලියන 12 කට බලපාන බවට ගණන් බලා ඇති අතර, එයින් අඩක් පමණ හානි සිදු වේ.

7. සැඟවුණු ප්‍රතිලාභ

මෙම නැඹුරුව තනිකරම වැරදි අනුවර්තනයක් නොවේ - එය නියෝජනය කරන්නේ දත්ත හිඟ වූ සහ ක්ෂණික ක්‍රියාමාර්ග අවශ්‍ය වූ මුතුන්මිත්තන්ගේ පරිසරයන් සඳහා ප්‍රශස්ත කරන ලද වේගය සහ නිරවද්‍යතාවය අතර වෙළඳාමකි.

සීමිත දත්ත වලින් වේගවත් ඉගෙනීම: අව්‍යාජ අනතුරුදායක පරිසරයන් තුළ, තනි අවස්ථාවන්ගෙන් (විලෝපිකයෙකු සමඟ එක් හමුවීමක්, එක් විෂ සහිත බෙරියක්) සාමාන්‍යකරණය කිරීමේ හැකියාව පැහැදිලි පැවැත්මේ වටිනාකමක් සපයයි. "සංඛ්‍යානමය වශයෙන් සැලකිය යුතු" සාක්ෂි සඳහා රැඳී සිටීම මාරාන්තික විය හැකිය.

සංජානන ආර්ථිකය: නියැදි ප්‍රමාණයට විශ්වාසය නිසි ලෙස ක්‍රමාංකනය කිරීම සඳහා පද්ධතිය 2 සම්බන්ධ වීම අවශ්‍ය වේ - මන්දගාමී, උත්සාහවත් සහ පරිවෘත්තීය මිල අධික. අඩු අවදානම් අවස්ථා වලදී, පද්ධති 1 හි මානසික කෙටිමං අවම සංජානන පිරිවැයකින් "ප්‍රමාණවත් තරම්" විනිශ්චයන් සපයයි.

ක්‍රියාමාර්ග දිශානතිය: නැඹුරුව අඩපණ කරන අවිනිශ්චිතතාවයට වඩා තීරණාත්මක ක්‍රියාවක් ප්‍රවර්ධනය කරයි. බොහෝ සැබෑ-ලෝක තත්වයන් තුළ, කිසිදා නොපැමිණෙන නිශ්චිතභාවය සඳහා බලා සිටීමට වඩා අසම්පූර්ණ තොරතුරු මත ක්රියා කිරීම වඩා හොඳය.

රටා හඳුනාගැනීම: බොහෝ විට වැරදි වුවද, කුඩා සාම්පලවල රටා දැකීමේ ප්‍රවණතාව, සම්පූර්ණයෙන්ම සංඛ්‍යානමය ප්‍රවේශයන් මග හැරෙන සැබෑ සංඥා හඳුනා ගනී. ව්‍යාජ ධනාත්මක වල පිරිවැය (නොපවතින රටා දැකීම) ඇතැම් වසම් වල ව්‍යාජ සෘණ (සැබෑ රටා අතුරුදහන් වීම) වඩා අඩු විය හැක.

නැඹුරුව සම්පූර්ණයෙන්ම ඉවත් කිරීම සඳහා සංජානන සම්පත් යටපත් කරන නිරන්තර සංඛ්‍යානමය ගණනය කිරීම් අවශ්‍ය වේ. ඉලක්කය ඉවත් කිරීම නොව යෝග්‍ය ක්‍රමාංකනයයි - අඩු-ආතති සන්දර්භයන් තුළ හියුරිස්ටික් ක්‍රියා කිරීමට ඉඩ සලසමින් ඉහළ අවදානම් තත්වයන් තුළ සංඛ්‍යානමය තර්කනය යෙදවීම.

8. ස්වයං ඇගයීම: ඔබට මෙම නැඹුරුව තිබේද?

8.1. අනතුරු ඇඟවීමේ සංඥා පිරික්සුම් ලැයිස්තුව

• මම තනි අත්දැකීමකින් පසු ආපනශාලා, නිෂ්පාදන, හෝ සේවා පිළිබඳ ශක්තිමත් මතයන් ගොඩනඟා ගනිමි
• මම ක්‍රීඩා, සූදු, හෝ ආයෝජනය කිරීමේදී "උණුසුම් රේඛා" සහ "සීතල අක්ෂර" විශ්වාස කරමි
• කාසියක් එක දිගට තුන් වතාවක් හෝ වැඩි වාර ගණනක් එකම පැත්තේ වැටීම මට පුදුමයක් ගෙන දෙයි
• කෙටි කාලීන ආයෝජන ප්‍රතිලාභ දිගු කාලීනව පවතිනු ඇතැයි මම අපේක්ෂා කරමි
• මම මිතුරන්ගෙන් ඇසෙන කථා සංඛ්‍යානමය සාක්ෂි තරම්ම ප්‍රබල ලෙස සලකමි
• මම එක් සිදුවීමක් මත යමෙකුගේ චරිතය පිළිබඳ මගේ අදහස වෙනස් කළෙමි
• පාරිභෝගික සමාලෝචන ඒකමතික වූ විට, ඒවා කොතරම් අඩු වුවත් මම ඒවා වඩාත් විශ්වාස කරමි
• කුඩා, හොඳින් තෝරාගත් නියැදියක් විශාල නියැදියකට සමාන ප්‍රතිඵලයක් ලබා දිය යුතු යැයි මට හැඟේ
• දෙතුන් වතාවක් දැකීමෙන් පසු රටා ගැන මම විශ්වාස කරමි
• සිදුවීම් කිහිපයක් මත පදනම්ව මම බොහෝ විට "ඒක මට හැමදාම වෙනවා" කියනවා

ලකුණු කිරීම:

• 0-2 පරීක්ෂා කර ඇත: අඩු අවදානමක්
• 3-5 පරීක්ෂා කර ඇත: මධ්‍යම අවදානමක්
• 6-8 පරීක්ෂා කර ඇත: ඉහළ අවදානමක්
• 9-10 පරීක්ෂා කර ඇත: ඉතා ඉහළ අවදානමක්

8.2. ස්වයං ආවර්ජනය කිරීමේ ප්‍රශ්න

1. සායනික පරීක්ෂණයකදී නව ඖෂධයක් "80% ඵලදායී" බව ඔබ කියවන විට, අධ්‍යයනයේ රෝගීන් කී දෙනෙක් සිටියාද යන්න අසන්නට ඔබ සහජයෙන්ම සිතනවාද?

2. ප්‍රතිඵල පෙන්වීමට ඔබ ප්‍රමාණවත් කාලයක් ලබා දී තිබේද යන්න නොසලකා, එය "වැඩ කරන්නේ නැත" යනුවෙන් පළමු සති දෙක ඇතුළත ඔබ කවදා හෝ නව පුරුද්දක්, ආහාර වේලක් හෝ දින චර්යාවක් අතහැර දමා තිබේද?

3. මිතුරෙකු ඔවුන්ගේ එක් අත්දැකීමක් මත පදනම්ව වෛද්‍යවරයකු, ආපන ශාලාවක් හෝ නිෂ්පාදනයක් නිර්දේශ කරන විට, එකතු කරන ලද සමාලෝචනවලට සාපේක්ෂව ඔබ එම නිර්දේශය කොපමණ බරක් ද?

4. අහඹු සිදුවීම් ඔබට දිගටම පවතින පසු වෙනස් ප්‍රතිඵලයක් "ණයයි" කියා ඔබ කවදා හෝ හැඟී තිබේද (උදාහරණයක් ලෙස, ස්ලොට් යන්ත්‍රය ජයග්‍රහණයක් සඳහා "නියමිතය")?

5. ඔබ ඉතා සුළු තොරතුරුවලින් නිගමනවලට එළඹෙන බව යමෙකු කවදා හෝ පෙන්වා දී තිබේද?

8.3. ඉක්මන් රෝග විනිශ්චය අවස්ථාව

දර්ශනය: ඔබ ඔබේ විශ්‍රාම ඉතුරුම් සඳහා අන්‍යෝන්‍ය අරමුදල් දෙකක් ගැන පර්යේෂණ කරයි. අරමුදල A තරු කළමනාකරුවෙකු සමඟ පසුගිය වසර 3 තුළ වාර්ෂිකව 15% ක් ලබා දී ඇත. B අරමුදල සාමාන්‍ය කළමනාකාරීත්වය සමඟ පසුගිය වසර 15 තුළ වාර්ෂිකව 9%ක් ලබා දී ඇත. ඔබ තෝරාගන්නේ කුමන අරමුදලද?

• A) අරමුදල A, මන්ද 15% 9% ට වඩා හොඳ වන අතර කළමනාකරු පැහැදිලිවම දක්ෂයි → ඉහළ සංවේදීතාව
• B) අරමුදල A, නමුත් සම්පූර්ණයෙන් කැපවීමට පෙර මට තවත් ඉතිහාසයක් දැකීමට අවශ්‍යයි → මධ්‍යස්ථ සංවේදීතාව
• C) අරමුදල B, මන්ද වසර 15 ක දත්ත වසර 3 කට වඩා විශ්වාසදායක වන අතර වෙනස හුදෙක් වාසනාව විය හැකිය → අඩු සංවේදීතාව

9. අන් අය තුළ මෙම නැඹුරුව හඳුනා ගැනීම

9.1. චර්යාත්මක දර්ශක

තීරණ ගැනීමේ රටා නිරීක්ෂණය කරන්න: සීමිත සාක්ෂි මත පදනම්ව ඔවුන් දැඩි කැපවීම් කරනවාද? මෑත ප්‍රතිඵල මත පදනම්ව ඔවුන් ඉක්මනින් ගමන් මග වෙනස් කරනවාද? දත්ත ලක්ෂ්‍ය කිහිපයකට පසුව ඔවුන් ඉහළ විශ්වාසයක් පළ කරනවාද?

ඔවුන් සම්භාවිතාව සහ අවස්ථාව ගැන සාකච්ඡා කරන ආකාරය බලන්න: කෙටි කාලීනව අහඹු බව "සමබර කිරීමට" ඔවුන් අපේක්ෂා කරනවාද? ශබ්දයක් ලෙස පෙනෙන දෙයෙහි අර්ථවත් රටා ඔවුන් දකිනවාද? අපේක්ෂාවන්ට නොගැලපෙන විට ඔවුන් ප්‍රතිඵල "අහම්බයන් (flukes)" ලෙස ප්‍රතික්ෂේප කරන්නේද?

සංඛ්‍යාලේඛනවලට එදිරිව කතන්දර සඳහා ප්‍රතිචාර දක්වන්න: ඔවුන් සමස්ථ දත්ත වලට වඩා විචිත්‍රවත් පුද්ගලික කථාවක් වඩා දැඩි ලෙස බර කරනවාද? ඔවුන් තනි උදාහරණ වලින් විශ්වීය නීති වලට සාමාන්‍යකරණය කරනවාද?

9.2. සංවාදාත්මක රතු කොඩි (Red Flags)

මෙම නැඹුරුව යටතේ මිනිසුන් පවසන වාක්‍ය ඛණ්ඩ:

• "එය එක දිගට තුන් වතාවක් සිදු වී ඇත - මෙහි නිසැකවම රටාවක් ඇත"
• "මම එය එක් වරක් උත්සාහ කළ අතර එය සාර්ථක වූයේ නැත, එබැවින්..."
• "අවාසි අවසානයේ කෙසේ හෝ සමනය විය යුතුය"
• "මගේ මිතුරෙකුට ඒ සම්බන්ධයෙන් භයානක අත්දැකීමක් තිබුණා, ඒ නිසා මම කවදාවත් එය උත්සාහ කරන්නේ නැහැ"
• "පසුගිය කාර්තු දෙක විශිෂ්ටයි, ඒ නිසා මෙම සමාගම පැහැදිලිවම හොඳින් කළමනාකරණය කර ඇත"

ඔවුන් කරන තර්ක වර්ග:

• ප්‍රවණතාවක සාක්ෂි ලෙස උදාහරණ අතලොස්සකට සැලකීම
• ජනගහන ලක්ෂණ පරිපූර්ණ ලෙස නියෝජනය කිරීම සඳහා කුඩා සාම්පල අපේක්ෂා කිරීම

ඔවුන් ඇසීමෙන් වළකින ප්‍රශ්න:

• "මෙය කොපමණ නිරීක්ෂණ මත පදනම් වී තිබේද?"
• "නියැදියේ ප්‍රමාණය කොපමණද?"
• "මෙය හුදෙක් අහඹු විචලනයක් විය හැකිද?"

9.3. තත්ත්‍ව ප්‍රේරක (Situational Triggers)

මෙම නැඹුරුව සක්‍රිය කරන තත්වයන්:

• කාල පීඩනය වේගවත් තීරණ බල කරයි
• විචිත්‍රවත් උදාහරණ කැපී පෙනෙන චිත්තවේගීය ආරෝපිත තත්වයන්
• සංකීර්ණ සංඛ්‍යානමය තොරතුරු සංඛ්‍යාත ආකෘති වෙනුවට ප්‍රතිශතයෙන් ඉදිරිපත් කෙරේ
• ප්‍රතිපෝෂණ ප්‍රමාද වන වසම් (ආයෝජනය, බඳවා ගැනීම, සෞඛ්‍ය තේරීම්)
• දත්ත වලට වඩා කථාන්දර (anecdotes) පවතින සන්දර්භයන්

පරිසර සාධක:

• ප්‍රවේශම් සහගත සංඛ්‍යානමය ඇගයීම වළක්වන තොරතුරු අධික වීම
• අදහස්වල පක්ෂග්‍රාහී සාම්පල ඉදිරිපත් කරන දෝංකාර කුටි
• සංඛ්‍යාලේඛනවලට වඩා කථා අවධාරණය කරන මාධ්‍ය

අවදානම වැඩි කරන චිත්තවේගීය තත්වයන්:

• පවතින ඕනෑම සාක්ෂියකින් නිශ්චිතභාවයක් අපේක්ෂා කරන කාංසාව
• මුල් ධනාත්මක සංඥා කෙරෙහි අධි විශ්වාසය ප්‍රවර්ධනය කරන උද්දීපනය
• අපැහැදිලි තත්වයන් තුළ රටා සෙවීම මෙහෙයවන කලකිරීම

10. සංජානන නැඹුරුවෙන් මිදීමේ (Debiasing) උපාය මාර්ග

10.1. ක්ෂණික ශිල්පීය ක්‍රම

"N" ප්‍රශ්නය: කිසියම් නිගමනයකට එළඹීමට පෙර, මෙසේ අසන්න: "මේ පදනම් වූ නියැදිය කොතරම් විශාලද?" ප්‍රතිඵල අර්ථ නිරූපණය කිරීමට පෙර නියැදි ප්‍රමාණය කැපී පෙනෙන කරන්න.

ස්ථායිතා පරීක්ෂණය: අසන්න "මා නියැදිය දෙගුණයක් හෝ තුන් ගුණයක් කළහොත් මෙම ප්‍රතිඵලය එලෙසම පවතිනු ඇතැයි මම අපේක්ෂා කරනවාද?" එසේ නොවේ නම්, විනිශ්චය රඳවා ගන්න.

සංඛ්‍යාත ලෙස ප්‍රතිනිර්මාණය කිරීම: ප්‍රතිශතයන් ස්වාභාවික සංඛ්‍යාත බවට පරිවර්තනය කිරීම ("80% ඵලදායී" "පුද්ගලයන් 10 දෙනෙකුගෙන් 8 දෙනෙකු" බවට පත් වේ). මෙය ස්වභාවිකවම නියැදි ප්‍රමාණය හරය තුළට ඇතුළත් කරයි.

පසුබෑමේ රීතිය: ආන්තික ප්‍රතිඵල සාමාන්‍යය දක්වා පසුබසිනු ඇතැයි උපකල්පනය කරන්න. යමක් අසාමාන්ය ලෙස හොඳ හෝ නරක ලෙස පෙනේ නම්, කාලයත් සමඟ එය වඩාත් සාමාන්ය වනු ඇතැයි අපේක්ෂා කරන්න.

මූලික අනුපාත සොයන්න: නිශ්චිත සාක්ෂි ඇගයීමට පෙර, සාමාන්‍යයෙන් ජනගහනය තුළ සිදුවන දේ තහවුරු කරන්න. මෙය නැංගුරමක් ලෙස භාවිතා කරන්න.

10.2. දිගු කාලීන උපාය මාර්ග

සංඛ්‍යානමය සාක්ෂරතාව: මූලික සම්භාවිතාව සහ සංඛ්‍යාන අධ්‍යාපනය සඳහා ආයෝජනය කරන්න. විචලනය, සම්මත දෝෂය සහ විශ්වාසනීය කාල පරතරයන් අවබෝධ කර ගැනීම නියැදි ප්‍රමාණය වැදගත් වන්නේ කවදාද යන්න හඳුනා ගැනීමට සංකල්පීය රාමුව සපයයි.

සංශයවාදයේ පුරුද්ද වර්ධනය කරන්න: කුඩා සාම්පල සොයාගැනීම්වල විශ්වසනීයත්වය ස්වයංක්‍රීයව ප්‍රශ්න කිරීමට ඔබව පුහුණු කරන්න. "මෙම දත්ත ප්‍රමාණවත්ද?" යන්න ප්‍රත්‍යාවර්තක ප්‍රශ්නයක් කරගන්න.

ඔබේ අනාවැකි නිරීක්ෂණය කරන්න: සීමිත දත්ත වලින් ලබාගත් නිගමනවල වාර්තාවක් තබා ගන්න සහ ඒවා කාලයත් සමඟ පවතිනු ඇත්ද යන්න. මෙය ක්‍රමාංකනය පිළිබඳ පුද්ගලික ප්‍රතිපෝෂණ සපයයි.

සම්භාව්‍ය උදාහරණ අධ්‍යයනය කරන්න: නව තත්වයන් ඇගයීමේදී ඒවා මතකයට එන පරිදි කැනොනිකල් අවස්ථා (රෝහල් ගැටලුව, වකුගඩු පිළිකා සිතියම) පිළිබඳව ඔබ හුරුපුරුදු වන්න.

10.3. පාරිසරික නිර්මාණය

තීරණ ක්‍රියාවලි වලට නියැදි ප්‍රමාණය ගොඩනගන්න: නිගමන උකහා ගැනීමට පෙර අවම නියැදි ප්‍රමාණය අවශ්‍ය ආයතනික නීති සාදන්න. මුල් ප්‍රතිඵල මත ක්‍රියා කිරීමට පෙර පොරොත්තු කාල සීමාවන් ක්‍රියාත්මක කරන්න.

දෘශ්‍ය මෙවලම් භාවිතා කරන්න: කුඩා සාම්පල සඳහා විශ්වාස කාල පරතරයන් පුළුල් කිරීම පෙන්වන උපකරණ පුවරු සාදන්න. අවිනිශ්චිතතාවය දෘශ්‍යමය වශයෙන් කැපී පෙනෙන කරන්න.

සංඛ්‍යාත ආකෘති අවශ්‍ය කිරීම: ආයතනික සන්නිවේදනයන්හිදී, සම්භාවිතාවන් පැහැදිලි හරයන් සහිත ස්වාභාවික සංඛ්‍යාත ලෙස ඉදිරිපත් කිරීමට අනිවාර්ය කරන්න.

යක්ෂයාගේ නීතීඥයින් (Devil's Advocates) නිර්මාණය කරන්න: නියැදි ප්‍රමාණයන් විශ්වාස මට්ටම් සාධාරණීකරණය කරන්නේද යන්න ගැන විශේෂයෙන් අභියෝග කිරීමට කණ්ඩායම් සාමාජිකයින් පත් කරන්න. සංශයවාදය ආයතනගත කරන්න.

10.4. බාහිර ආදානය සෙවිය යුත්තේ කවදාද?

ඉහළ අවදානම් තීරණ: සීමිත දත්ත මත පදනම් වූ ඕනෑම ප්‍රතිවිපාක තේරීමක් (ප්‍රධාන ආයෝජන, බඳවා ගැනීම්, වෛද්‍ය ප්‍රතිකාර) සංඛ්‍යානමය උපදේශන අවශ්‍ය වේ.

ඔබට නිශ්චිත බවක් දැනෙන විට: විරුද්ධාභාසය ලෙස, කුඩා සාම්පල වලින් ඇති දැඩි විශ්වාසය බාහිර සමාලෝචනයක් අවුලුවාලිය යුතුය. අසන්න: "මගේ නිශ්චිතභාවය දත්ත මගින් යුක්ති සහගතද?"

වසම් ප්‍රවීණයන්: සංඛ්‍යාලේඛනඥයින්, දත්ත විද්‍යාඥයින් සහ පර්යේෂකයන් හට සාක්ෂි ශක්තිය පිළිබඳ ක්‍රමාංකනය කළ තක්සේරු සැපයිය හැක. ඉල්ලීම් රාමු කරන්න: "N=X ලබා දී ඇත, මෙම සොයාගැනීම සම්බන්ධයෙන් මා කොතරම් විශ්වාසයෙන් සිටිය යුතුද?"

රටා ඉක්මනින් මතු වූ විට: නිරීක්ෂණ කිහිපයකට පසුව ඔබ පැහැදිලි රටාවක් දුටුවහොත්, එය දිගටම පැවතීමට ඉඩ තිබේද යන්න ඇගයීමට ප්‍රතිඵලය සඳහා අඩු ආයෝජනයක් කළ කෙනෙකුගෙන් විමසන්න.

11. ප්‍රායෝගික අභ්‍යාස

ව්‍යායාම 1: කාසි පෙරළීමේ අත්හදා බැලීම

• අරමුණ: කුඩා සාම්පලවල විචල්‍යතාවය සඳහා බුද්ධිය වර්ධනය කිරීම
• අවශ්‍ය කාලය: විනාඩි 20
• අවශ්‍ය ද්‍රව්‍ය: කාසියක්, කඩදාසි, පැන්සලක්
• දුෂ්කරතා මට්ටම: ආරම්භක
• උපදෙස්:
  1. කාසියක් 10 වතාවක් පෙරළා හිස ප්‍රතිශතය වාර්තා කරන්න
  2. මෙය 10 වතාවක් නැවත නැවත කරන්න, එක් එක් හැරීම් 10 ක සාම්පල 10 ක් නිර්මාණය කරන්න
  3. ප්‍රතිශත පරාසය සටහන් කරන්න (20% සිට 80% දක්වා විය හැකිය)
  4. දැන් කාසිය 100 වතාවක් පෙරළා ප්‍රතිශතය වාර්තා කරන්න
  5. දෙවන වරටත් පෙරළීම් 100 ක් සඳහා නැවත නැවත කරන්න
  6. හැරීම් 10 සාම්පල වලට සාපේක්ෂව හැරීම් 100 සාම්පලවල වෙනස සසඳන්න
• ආවර්ජනය ප්‍රශ්න:
  • කුඩා සාම්පලවල වෙනස ගැන ඔබ කොතරම් පුදුමයට පත් වූවාද?
  • කාසිය සාධාරණ බව ඔබ දැන සිටියද, කිසියම් පෙරළීම් 10ක අනුපිළිවෙලක් "රසිකල" (rigged) බවක් පෙනෙන්නට තිබේද?
  • හැරීම් 100 ප්‍රතිශත එකිනෙකා සමඟ සංසන්දනය කරන්නේ කෙසේද?
• සංඛ්‍යාතය: එක් වරක්, ඔබට මතක් කිරීමක් අවශ්‍ය වූ විට නැවත පැමිණෙන්න

ව්‍යායාම 2: සමාලෝචන විශ්ලේෂණය

• අරමුණ: සැබෑ තීරණ වලදී නියැදි ප්‍රමාණයට විශ්වාසය ක්‍රමාංකනය කිරීම පුහුණු වන්න
• අවශ්‍ය කාලය: විනාඩි 30
• අවශ්‍ය ද්‍රව්‍ය: අන්තර්ජාල ප්‍රවේශය
• දුෂ්කරතා මට්ටම: අතරමැදි
• උපදෙස්:
  1. ඔබ මිලදී ගත හැකි නිෂ්පාදන කාණ්ඩයක් සඳහා සොයන්න (හෙඩ්ෆෝන්, පොත්, ආපනශාලා)
  2. අයිතම තුනක් සොයා ගන්න: එකක් සමාලෝචන 5 ක් සහිත, එකක් සමාලෝචන 50 ක් සහිත, එකක් සමාලෝචන 500 ක් සහිත
  3. එක් එක් සඳහා, සාමාන්‍ය ශ්‍රේණිගත කිරීම සටහන් කර සමාලෝචන කිහිපයක් කියවන්න
  4. එක් එක් ශ්‍රේණිගත කිරීමේ නිරවද්‍යතාවය ගැන ඔබට කොතරම් විශ්වාසද යන්න ලියන්න
  5. සලකා බලන්න: එක් නව ආන්තික සමාලෝචනයක් එක් එක් සාමාන්‍යය කොපමණ වෙනස් කරයිද?
• ආවර්ජනය ප්‍රශ්න:
  • වැඩි සමාලෝචන සහිත ශ්‍රේණිගත කිරීම් ගැන ඔබට ස්වාභාවිකවම වැඩි විශ්වාසයක් දැනුණාද?
  • සමාලෝචන බෙදා හැරීම (සියලු තරු 5 එදිරිව මිශ්‍ර) ඔබේ විශ්වාසයට බලපෑවේ කෙසේද?
  • ශ්‍රේණිගත කිරීමක් විශ්වාස කිරීමට ඔබට අවශ්‍ය අවම නියැදි ප්‍රමාණය කුමක්ද?
• සංඛ්‍යාතය: මාසිකව, විවිධ නිෂ්පාදන කාණ්ඩ භාවිතා කරමින්

ව්‍යායාම 3: ඓතිහාසික පසු පරීක්ෂාව

• අරමුණ: කාලයත් සමඟ කුඩා සාම්පල නිගමන අසාර්ථක වන ආකාරය අත්විඳින්න
• අවශ්‍ය කාලය: විනාඩි 45 යි
• අවශ්‍ය ද්‍රව්‍ය: ඓතිහාසික කොටස් දත්ත හෝ ක්‍රීඩා සංඛ්‍යාලේඛන (අන්තර්ජාලයෙන් නොමිලයේ ලබාගත හැක)
• දුෂ්කරතා මට්ටම: උසස්
• උපදෙස්:
  1. අවම වශයෙන් අවුරුදු 10ක දත්ත සහිත කොටස් හෝ ක්‍රීඩක ක්‍රීඩිකාවන් 10ක් තෝරන්න
  2. දත්තවල පළමු වසර දෙස පමණක් බලන්න. ඉහළම දස්කම් දක්වන 3 දෙනා හඳුනා ගන්න
  3. ඔවුන් දෙවන වසරේ ඉහළම දස්කම් දක්වන්නන් වනු ඇතැයි පුරෝකථනය කරන්න
  4. 2 වන වසරේ ප්‍රතිඵල පරීක්ෂා කරන්න. ඉහළම 3 හි කී දෙනෙක් රැඳී සිටියාද?
  5. දැන් අවුරුදු 5 ක සාමාන්‍යයන් දෙස බලන්න. ඉහළම දස්කම් දක්වන 3 දෙනා හඳුනා ගන්න
  6. පසුව වසර 5 ක කාර්ය සාධනය පරීක්ෂා කරන්න. නිරවද්යතාව සසඳන්න
• ආවර්ජනය ප්‍රශ්න:
  • කෙටි කාලීන කාර්ය සාධනය දිගුකාලීන ප්‍රතිඵල පුරෝකථනය කළේ කෙසේද?
  • ඔබ නිරීක්ෂණය කළ සාමාන්‍යය වෙත පසුබෑම පැහැදිලි කරන්නේ කුමක්ද?
  • මෙය ඔබේ ආයෝජනය හෝ ඔට්ටු ඇල්ලීමේ උපාය වෙනස් කරන්නේ කෙසේද?
• සංඛ්‍යාතය: කාර්තුමය

දෛනික පුහුණුව

සෑම දිනකම, සීමිත දත්ත වලින් ඔබ අඳින එක් නිගමනයක් දකින්න. එය පිළිගැනීමට පෙර අසන්න: "මෙය පදනම් වන්නේ නිරීක්ෂණ කීයක් මතද?" සහ "මට දත්ත මෙන් 10 ගුණයක් තිබුණා නම් මා නිගමනය කරන්නේ කුමක්ද?" නියැදි ප්‍රමාණයේ ගැටළුව සලකුණු කිරීම පමණක් ප්‍රමාණවත්ය - ඔබ ඔබේ නිගමනය වෙනස් කිරීමට අවශ්‍ය නැත, සීමාව පමණක් නිරීක්ෂණය කරන්න.

• යෝජිත කාලසීමාව: විනාඩි 2 යි
• දවසේ හොඳම කාලය: සවස පරාවර්තනය
• ප්‍රගතිය නිරීක්ෂණය කරන්නේ කෙසේද: කුඩා සටහන් පොතක දිනපතා නිරීක්ෂණ සටහනක් තබා ගන්න

සතිපතා අභියෝගය

සතියකට වරක්, සංඛ්‍යාලේඛන උපුටා දක්වමින් ප්‍රවෘත්ති ලිපියක් හෝ සමාජ මාධ්‍ය සටහනක් සොයන්න. මුල් මූලාශ්‍රය පර්යේෂණ කර නියැදි ප්‍රමාණය හඳුනා ගන්න. සාක්ෂි ප්‍රබලතාවයෙන් නිගමන සාධාරණීකරණය කරන්නේද යන්න පිළිබඳ කෙටි සටහනක් ලියන්න.

• සති 4 කට පසු අපේක්ෂිත ප්‍රතිඵල: වාර්තා වූ සොයාගැනීම් පිළිබඳ ස්වාභාවික සංශයවාදය; නියැදි ප්‍රමාණය කෙරෙහි ස්වයංක්‍රීය අවධානය
• ආවර්ජනය සඳහා ජර්නල විමසීම්:
  • මෙම සතියේ මා සොයාගත් වඩාත්ම පුදුම සහගත නියැදි ප්‍රමාණය කුමක්ද?
  • නියැදි ප්‍රමාණය ඉගෙන ගැනීම සොයා ගැනීම පිළිබඳ මගේ අර්ථ නිරූපණය වෙනස් කළේ කෙසේද?
  • මගේ මූලික සංශයවාදය තුළ මම වඩාත් ක්‍රමාංකනය වෙමින් සිටිනවාද?

12. විශේෂිත ප්‍රේක්ෂකයින් සඳහා

නායකයින් සහ කළමනාකරුවන් සඳහා

සීමිත දත්ත මත පදනම්ව නායකයින් නිතිපතා ඉහළ අවදානම් තීරණ ගනී: කාර්තුමය ප්‍රතිඵල, මුල් නිෂ්පාදන ප්‍රතිපෝෂණ, සම්මුඛ සාකච්ඡා හැඟීම්, නියමු වැඩසටහන් ප්‍රතිඵල. ආයතනික පරිමාණයෙන් නියැදි ප්‍රමාණය නොසලකා හැරීමේ පිරිවැය සංයෝග වේ.

විශේෂිත උපාය මාර්ග:

• මූලාරම්භයන් සාර්ථක හෝ අසාර්ථක බව නිගමනය කිරීමට පෙර අවම නිරීක්ෂණ කාල සීමාවන් ස්ථාපිත කරන්න
• සියලුම අභ්‍යන්තර පර්යේෂණ සහ විශ්ලේෂණ වල නියැදි ප්‍රමාණය වාර්තා කිරීම අනිවාර්ය කරන්න
• කුඩා සාම්පල වලින් අවිනිශ්චිතතාවය පැහැදිලිවම ඇතුළත් කරන තීරණ ගැනීමේ රාමු නිර්මාණය කරන්න
• සංඛ්‍යානමය නිහතමානිකම ආදර්ශනය කරන්න: වැඩි දත්ත පින්තූරය වෙනස් කරන විට ප්‍රසිද්ධියේ නිගමන සංශෝධනය කරන්න
• අතිවිශ්වාසී අර්ථකථනවලට අභියෝග කළ හැකි සංඛ්‍යානමය ප්‍රවීණතාවයෙන් යුත් කණ්ඩායම් ගොඩනැගීම

කණ්ඩායම් පදනම් කරගත් මැදිහත්වීම්:

• වැදගත් රැස්වීම්වලදී "නියැදි ප්‍රමාණයේ උපදේශක" භූමිකාවක් නම් කරන්න
• විශ්වාස ක්‍රමාංකනය වටා සම්මතයන් සාදන්න: "මෙම N ලබා දී ඇති විට, අපි කෙතරම් විශ්වාසයෙන් සිටිය යුතුද?"
• සීමිත දත්ත මත ගත් අතීත තීරණ පිළිබඳව පශ්චාත් මරණ පරීක්ෂණ පවත්වන්න

දෙමාපියන් සහ අධ්‍යාපනඥයින් සඳහා

විධිමත් සම්භාවිතා අධ්‍යාපනයට පෙර දරුවන් සංඛ්‍යානමය බුද්ධිය වර්ධනය කර ගත යුතුය. ඉලක්කය වන්නේ සාක්ෂි ශක්තිය ප්‍රශ්න කරන චින්තන පුරුදු ගොඩනැගීමයි.

වයසට ගැළපෙන පැහැදිලි කිරීම්:

• කුඩා දරුවන්: "අපි යමක් උත්සාහ කර ඇත්තේ කිහිප වතාවක් පමණක් වන විට, එය සැමවිටම එලෙසම සිදුවේදැයි අපට ඇත්ත වශයෙන්ම දැනගත නොහැක"
• වැඩිහිටි දරුවන්: කුඩා සාම්පල වෙනස් වන ආකාරය නිරූපණය කිරීමට ක්‍රීඩා සහ අත්හදා බැලීම් (කාසි පෙරළීම, දාදු කැටය) භාවිතා කරන්න
• යෞවනයන්: සමාජ මාධ්‍ය සම වයසේ හැසිරීම් සහ අදහස්වල පක්ෂග්‍රාහී සාම්පල නිර්මාණය කරන්නේ කෙසේදැයි සාකච්ඡා කරන්න

ක්‍රියාකාරකම්:

• විචලනය නිරීක්ෂණය කිරීම සඳහා දාදු කැට සහ කාසි සමඟ පවුලේ අත්හදා බැලීම්
• යමක් "හොඳ" හෝ "නරක" යැයි නිගමනය කිරීමට පෙර කොපමණ වාර ගණනක් උත්සාහ කළ යුතුද යන්න සාකච්ඡා කරන්න
• ප්‍රචාරණ හිමිකම් එකට විශ්ලේෂණය කරන්න: "ඔවුන් මෙය දන්නේ කෙසේද?"

සෞඛ්‍ය සේවා වෘත්තිකයන් සඳහා

වෛද්‍ය තීරණ වල ජීවිතය හෝ මරණයේ ප්‍රතිවිපාක ඇත, නියැදි ප්‍රමාණයේ සංවේදීතාව තීරණාත්මක කරයි. පුහුණු වෛද්‍යවරුන් පවා සංඛ්‍යානමය තර්කනය සමඟ අරගල කරන ආකාරය මැමෝග්‍රැෆි ගැටළුව මගින් පෙන්නුම් කරයි.

සායනික බලපෑම්:

• තනි රෝගීන්ගේ අසාමාන්‍ය පරීක්ෂණ ප්‍රතිඵල නියැදි විචලනය විය හැකි බව හඳුනා ගන්න
• මූලික අනුපාත ව්‍යාජ ධනාත්මක වීමට ඉඩ ඇති දුර්ලභ රෝග ගැන විශේෂයෙන් සැලකිලිමත් වන්න
• රෝගීන්ට අවදානම සන්නිවේදනය කිරීමේදී සංඛ්‍යාත ආකෘති භාවිතා කරන්න

රෝගී සන්නිවේදන උපාය මාර්ග:

• තනි පරීක්ෂණ ප්‍රතිඵලයක් එක් දත්ත ලක්ෂ්‍යයක් බව පැහැදිලි කරන්න; කාලයත් සමඟ අධීක්ෂණය කිරීම වඩාත් විශ්වාසදායක තොරතුරු සපයයි
• පැහැදිලි නියැදි ප්‍රමාණ සහිත ප්‍රතිකාර කාර්යක්ෂමතා දත්ත ඉදිරිපත් කරන්න: "රෝගීන් 500 දෙනෙකුගේ අධ්‍යයනයක දී..."
• ඔවුන්ගේ පුද්ගලික අත්දැකීම් ජනගහන සංඛ්‍යාලේඛනවලට නොගැලපෙන බව තේරුම් ගැනීමට රෝගීන්ට උපකාර කරන්න

මූල්‍ය වෘත්තිකයන් සඳහා

වෙළඳපල නියැදි ප්‍රමාණය නොසලකා හැරීමට දැඩි ලෙස දඬුවම් කරයි. වසර තුනක වාර්තා හඹා යාම, කාර්තුමය ඉපැයීම්වලට අධික ලෙස ප්‍රතිචාර දැක්වීම සහ දිවි ගලවා ගැනීමේ නැඹුරුව නොසලකා හැරීම ආයෝජකයින්ට වාර්ෂිකව බිලියන ගණනක් වැය වේ.

ආයෝජන-විශේෂිත යෙදුම්:

• කළමනාකරු කුසලතා පවතින බව නිගමනය කිරීමට පෙර දිගු වාර්තා ඉල්ලා සිටින්න
• අරමුදල් කාණ්ඩ විශ්ලේෂණය කිරීමේදී දිවි ගලවා ගැනීමේ නැඹුරුව (survivorship bias) සඳහා ගිණුම
• කෙටි කාලීන අභිබවා යාම අහඹු විචලනයට අනුකූල වන බව හඳුනා ගන්න

සේවාදායක සන්නිවේදන උපාය මාර්ග:

• කෙටි කාලීන කාර්ය සාධනයේ විශ්වාසනීයත්වය නොමැතිකම ගැන ගනුදෙනුකරුවන්ට දැනුවත් කිරීම
• සුදුසු විශ්වාස කාල පරිච්ඡේද සහිත ඓතිහාසික දත්ත ඉදිරිපත් කරන්න
• මධ්‍යනයට පසුබෑම පැහැදිලි කරන්න: ආන්තික ප්‍රතිඵල සාමාන්‍යයෙන් කාලයත් සමඟ මධ්‍යස්ථ වේ

අවදානම් කළමනාකරණ බලපෑම්:

• මෑත ජයග්‍රාහකයින් පසුබසිනු ඇතැයි උපකල්පනය කරමින් කළඹ (portfolios) සාදන්න
• නව උපාය මාර්ග සඳහා දිගු ඇගයීම් කාල සීමාවන් අවශ්‍ය වේ
• අවදානම් ආකෘතිවලට කුඩා සාම්පලවලින් අවිනිශ්චිතතාව ඇතුළත් කිරීම

13. වෙනත් නැඹුරුතා (Biases) සමඟ අන්තර්ක්‍රියා

මෙම නැඹුරුව විස්තාරණය කරන නැඹුරුතා

මෙය ප්‍රතිප්‍රහාර දෙන නැඹුරුතා

පොදු පක්ෂග්‍රාහී දාමයන්

නියෝජිත හියුරිස්ටික් → නියැදි ප්‍රමාණය කෙරෙහි සංවේදී නොවීම → සූදුකරුගේ මුලාව → ගිලී ගිය පිරිවැය මුලාව

පැහැදිලි කිරීම: අපි ආරම්භ කරන්නේ නියැදි විශ්වසනීයත්වයට වඩා සමානත්වය මත පදනම්ව සම්භාවිතාව විනිශ්චය කිරීමෙනි. කුඩා සාම්පල අපේක්ෂිත රටා වලින් බැහැර වූ විට, අපි සූදුකරුගේ මුලාවට තුඩු දෙන "නිවැරදි" කරනු ඇතැයි අපේක්ෂා කරමු. ඔවුන් නිවැරදි නොකළ විට, "හැරීම" ආසන්න බව විශ්වාස කරමින් අපි දිගටම ආයෝජනය කළ හැකිය (ගිලී ගිය පිරිවැය).

බාධා කිරීමට: පළමු පියවරේදීම නියැදියේ ප්‍රමාණය ප්‍රශ්න කරන්න. ඕනෑම හේතුඵල අර්ථකථනයක් ආරම්භ වීමට පෙර "මෙය විශ්වාස කිරීමට ප්‍රමාණවත් දත්ත ද?" යන්න අසන්න.

14. සංස්කෘතික ඉදිරිදර්ශන

මෙම නැඹුරුවෙහි සංස්කෘතික වෙනස්කම් පිළිබඳ පර්යේෂණ තවමත් සීමිතය, නමුත් සමහර රටා හරස්-සංස්කෘතික සංජානන මනෝවිද්‍යාවෙන් මතු වේ.

විශ්ලේෂණාත්මක චින්තනය අවධාරණය කරන සංස්කෘතීන් (බොහෝ විට බටහිර, පුද්ගලවාදී සමාජ සමඟ සම්බන්ධ වේ) සාකල්‍ය චින්තනය අවධාරණය කරන සංස්කෘතීන්ට (බොහෝ විට නැගෙනහිර ආසියානු, සාමූහික සමාජ සමඟ සම්බන්ධ) වඩා වෙනස් අවදානම් රටා පෙන්විය හැකිය. සාකල්‍ය චින්තකයින්ට සන්දර්භය සහ තත්ව සාධක කෙරෙහි වැඩි අවධානයක් යොමු කළ හැකි අතර, කුඩා සාම්පලවලින් ආන්තික නිගමන මධ්‍යස්ථ කළ හැක.

සංකල්පීය සංඛ්‍යානමය තර්කනයට වඩා කටපාඩම් ගණිතමය ගණනය කිරීම් අවධාරණය කරන අධ්‍යාපනික පද්ධති බොහෝ විට නැඹුරුතාවයේ බරපතලකමට බලපායි. සංඛ්‍යාත ආකෘතියේ උපකල්පනය යෝජනා කරන්නේ කොන්ක්‍රීට්, පර්යේෂණාත්මක ගණිතයේ ශක්තිමත් සම්ප්‍රදායන් ඇති සංස්කෘතීන් නියැදි-ප්‍රමාණ-සංවේදී කාර්යයන්හි වඩා හොඳින් ක්‍රියා කළ හැකි බවයි.

Project Implicit (ඊශ්‍රායලයේ Ben-Gurion විශ්වවිද්‍යාලයේ සහ Harvard හි පර්යේෂකයන් සම්බන්ධ කර ගනිමින්) වැනි ආයතනවල හරස්-සංස්කෘතික අධ්‍යයනයන් මගින් නැඹුරුව විශ්වීය වන අතර, අධ්‍යාපන ක්‍රම සහ සංස්කෘතික සම්මතයන් මත පදනම්ව හූරිස්ටික්ස් මත රඳා පවතින ප්‍රමාණය වෙනස් විය හැකි බව පෙන්නුම් කරයි.

15. මිත්‍යා සහ වැරදි වැටහීම්

16. විශේෂඥ විදසුන්

"ප්‍රස්තාවේ නියමයන් ගැන මිනිසුන්ට වැරදි අදහස් ඇත. විශේෂයෙන්ම, ජනගහනයකින් අහඹු ලෙස ලබාගත් නියැදියක් සියලු අත්‍යවශ්‍ය ලක්ෂණ වලින් ජනගහනයට සමාන බව ඔවුන් ඉහළ නියෝජිතයෙකු ලෙස සලකයි." — Amos Tversky & Daniel Kahneman, Science (1974)

"සංයුතිය තුළ ජනගහනයක ඉහළ නියෝජනයක් වන කුඩා නියැදියක් මධ්‍යන්‍ය, විචල්‍යතා, හෝ සහසම්බන්ධතා වැනි සංඛ්‍යානමය ගුණාංගවල අනිවාර්යයෙන් නියෝජනය නොවේ." — Amos Tversky & Daniel Kahneman, "Belief in the Law of Small Numbers" (1971)

"මනස සැලසුම් කර ඇත්තේ ප්‍රතිශතවල ස්වරූපයෙන් සම්භාවිතාව ගණනය කිරීම සඳහා නොවේ, නමුත් එයට ස්වාභාවික සංඛ්‍යාත 'දැකිය' හැකිය." — Gerd Gigerenzer, මානව සංවර්ධනය සඳහා මැක්ස් ප්ලාන්ක් ආයතනය

17. ප්‍රධාන කරුණු (Key Takeaways)

1. නියැදි ප්‍රමාණය සමඟ විචලනය අඩු වේ: මෙම ගණිතමය සත්‍යය (σ/√n) මිනිස් බුද්ධිය විසින් නිරන්තරයෙන් උල්ලංඝනය වේ. කුඩා සාම්පල සහජයෙන්ම අස්ථායී වේ; විශාල සාම්පල ස්ථාවරයි.

2. නැඹුරුව විශ්වීයයි: ගිහියන්ගේ සිට නොබෙල් ත්‍යාගලාභීන් දක්වා, සෑම කෙනෙකුම මෙම ප්‍රවණතාවය ප්‍රදර්ශනය කරයි. සංඛ්‍යානමය පුහුණුව එය අඩු කරන නමුත් එය සම්පූර්ණයෙන්ම ඉවත් නොකරයි.

3. අපි ශබ්දය තුළ රටා දකිමු: මනසෙහි රටා හඳුනාගැනීමේ පද්ධති සාම්පල විශ්වසනීයත්වය සඳහා ගණන් නොගන්නා අතර අහඹු උච්චාවචනයන් සඳහා හේතුඵල කථා ගොඩනැගීමට අපව පොළඹවයි.

4. ආකෘතිය වැදගත් වේ: ප්‍රතිශතවලට වඩා ස්වාභාවික සංඛ්‍යාත ("1,000න් 10ක්") ලෙස තොරතුරු ඉදිරිපත් කිරීම තර්කනය නාටකාකාර ලෙස වැඩි දියුණු කරයි, නැඹුරුව අර්ධ වශයෙන් තොරතුරු සැලසුම් කිරීම බව යෝජනා කරයි.

5. පිරිවැය අතිමහත්ය: ප්‍රතිනිෂ්පාදන අර්බුදය, වෛද්‍ය වැරදි රෝග විනිශ්චය, මූල්‍ය බුබුලු සහ අලෙවිකරණ විපත් සියල්ලම මෙම තනි දෝෂයට සොයාගත හැකිය.

6. නැඹුරුව හොඳ හේතු නිසා පරිණාමය විය: දත්ත-විශිෂ්ට මුතුන්මිත්තන්ගේ පරිසරයන් තුළ, කුඩා සාම්පලවලින් වේගවත් සාමාන්යකරණය අනුවර්තනය විය. නවීන දත්ත වලින් පොහොසත් පරිසරයන් සමඟ නොගැලපීම ගැටළුවක් ඇති කරයි.

7. "N යනු කුමක්ද?" අසන්න: වඩාත්ම ඵලදායී මැදිහත්වීම වන්නේ නිගමනවලට එළඹීමට පෙර නියැදි ප්‍රමාණය කැපී පෙනෙන කිරීමයි.

18. වැඩිදුර සම්පත්

අධ්‍යයන පත්‍රිකා

• Tversky, A., & Kahneman, D. (1971). Belief in the law of small numbers. Psychological Bulletin, 76(2), 105-110.
• Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131.
• Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684-704.
• Gilovich, T., Vallone, R., & Tversky, A. (1985). The hot hand in basketball: On the misperception of random sequences. Cognitive Psychology, 17(3), 295-314.
• Wainer, H., & Zwerling, H. L. (2006). Evidence that smaller schools do not improve student achievement. Phi Delta Kappan, 88(4), 300-303.

පොත්

• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Gigerenzer, G. (2002). Calculated Risks: How to Know When Numbers Deceive You. Simon & Schuster.
• Thaler, R. H. (2015). Misbehaving: The Making of Behavioral Economics. W. W. Norton & Company.
• Stanovich, K. E. (2009). What Intelligence Tests Miss: The Psychology of Rational Thought. Yale University Press.

පොත් පරිච්ඡේද

• Kahneman, D., & Tversky, A. (1972). Subjective probability: A judgment of representativeness. In Cognitive Psychology, 3(3), 430-454.

19. සාරාංශ කාඩ්පත (Summary Card)

20. භාවිතා කරන ලද නියමයන්ගේ පාරිභාෂික ශබ්ද මාලාව

21. සාකච්ඡා ප්‍රශ්න

පොත් සමාජ, පන්ති කාමර හෝ ස්වයං ආවර්ජනය සඳහා:

1. ඔබ මෑතකදී ගත් වැදගත් තීරණයක් ගැන සලකා බලන්න. එම තීරණය මත පදනම් වූ දත්ත කොපමණ ද, ඔබට තොරතුරු දස ගුණයක් තිබුණේ නම් ඔබ එම තේරීමම කරයිද?

2. සංඛ්‍යානමය පුහුණුව මෙම නැඹුරුව සම්පූර්ණයෙන්ම නැති නොකරන්නේ මන්දැයි ඔබ සිතන්නේ කුමක්ද? මිනිස් සංජානනයේ ගෘහ නිර්මාණ ශිල්පය පිළිබඳව මෙය හෙළි කරන්නේ කුමක්ද?

3. වකුගඩු පිළිකා සිතියමෙන් පෙන්නුම් කළේ ඉහළම සහ අඩුම පිළිකා අනුපාත දෙකම කුඩා ග්‍රාමීය ප්‍රාන්තවල සිදුවන බවයි. සංඛ්‍යාලේඛන පිළිබඳ පුහුණුව ලත් මහජන සෞඛ්‍ය නිලධාරියෙකු එසේ නොවන කෙනෙකුට වඩා මෙයට ප්‍රවේශ වන්නේ කෙසේද?

4. ප්‍රතිශතවලට වඩා ස්වභාවික සංඛ්‍යාත ලෙස තොරතුරු ඉදිරිපත් කිරීම තර්කනය නාටකාකාර ලෙස වැඩිදියුණු කරන බව Gigerenzer තර්ක කරයි. අපේ මනස "1%" ට වඩා "1,000 න් 10" වඩා හොඳින් හසුරුවන්නේ ඇයි?

5. මෙම නැඹුරුව මුතුන්මිත්තන්ගේ පරිසරය තුළ අනුවර්තනය වූවා නම්, අප එයට ප්‍රවේශ විය යුතු ආකාරය ගැන යෝජනා කරන්නේ කුමක්ද-ඉවත් කිරීමට යමක් ලෙසද, නැතහොත් නිසි ලෙස නාලිකා කිරීමට යමක් ලෙසද?