Coaching-Übungen für Daten selection Bias
Beschreibe fast alles, woran du arbeitest, und IX Coach findet die Übungen mit dem nächsten realen Treffer. Für Daten selection Bias sind das die stärksten Treffer in der aktuellen Übungsbibliothek.
Übungen, die helfen könnten
- Bemerke, welche Daten du ausgewählt hast — und welche du ignoriert hast
Deine Schlussfolgerungen beruhen auf einer Stichprobe der verfügbaren Daten — frage, was diese Stichprobe ausgeschlossen hat.
Die Leiter der Schlussfolgerung - Survivorship Bias: Aus dem lernen, was man nicht sehen kann
Survivorship Bias ist der Fehler, Schlüsse nur aus den Fällen zu ziehen, die einen Filter durchlaufen haben — Gewinner, Überlebende, sichtbare Erfolge —, während die Misserfolge, die nie erscheinen, stillschweigend ausgeschlossen werden. Das klarste historische Beispiel ist Abraham Walds Flugzeugstudie aus dem Zweiten Weltkrieg: Das Militär wollte die Einschusslöcher panzern, die sie auf zurückkehrenden Flugzeugen sahen; Wald zeigte, dass sie dort panzern sollten, wo sie keinen Schaden sahen — weil Flugzeuge, die dort getroffen wurden, nicht zurückkehrten. - Prüfen, ob Ihre Informationsquellen systematisch Überlebende bevorzugen
Prüfen Sie, ob die Medien, Ratschläge und Gemeinschaften, die Sie konsumieren, auf Erfolge gefiltert sind.
Survivorship Bias: Aus dem lernen, was man nicht sehen kann - Die Analyse strukturieren, bevor Sie nach Evidenz suchen
Definieren Sie, wonach Sie suchen und was als Evidenz zählen würde, bevor Sie mit der Suche beginnen.
Bestätigungsfehler: Sehen, was Sie erwarten zu sehen - Die zur erfolgreichen entgegengesetzte Strategie steelmannen
Bevor Sie eine Lektion aus einer Erfolgsgeschichte übernehmen, bauen Sie den bestmöglichen Fall für den entgegengesetzten Ansatz.
Survivorship Bias: Aus dem lernen, was man nicht sehen kann - Entscheidungen nach Prozess beurteilen, nicht nach Ergebnis
Eine Entscheidung nach der Qualität der Überlegung zum Zeitpunkt beurteilen, nicht nach dem, was passiert ist.
Rückschaufehler: Warum im Rückblick alles offensichtlich erscheint - Personenurteile auf Prototyp-Substitution prüfen
Prüfen, ob ein Urteil über eine Person auf ihrem tatsächlichen Verhalten beruht oder auf Ähnlichkeit zu einem Typ.
Die Repräsentativitätsheuristik — nach Ähnlichkeit urteilen - Jede Option an Ihren Kriterien bewerten, bevor Sie Optionen miteinander vergleichen
Bewerten Sie Optionen zuerst unabhängig – damit das Vergleichsset nicht rückwirkend definieren kann, was gut aussieht.
Der Decoy-Effekt — Wie eine irrelevante Option Ihre Wahl verändert - Die richtige Referenzklasse für jede Vorhersage wählen
Finden Sie die statistische Basisrate für die Kategorie, zu der Ihre Entscheidung gehört — nicht nur die inspirierenden Beispiele.
Survivorship Bias: Aus dem lernen, was man nicht sehen kann - Kleine Stichproben mit expliziter Skepsis behandeln
Eine kurze Sequenz kann repräsentativ aussehen, ohne statistisch verlässlich zu sein – das Vertrauen an die Stichprobengröße anpassen.
Die Repräsentativitätsheuristik — nach Ähnlichkeit urteilen
Verwandte Anliegen
- Auswahl Vorurteil Entscheidungen
Survivorship Bias ist der Fehler, Schlüsse nur aus den Fällen zu ziehen, die einen Filter durchlaufen haben — Gewinner, Überlebende, sichtbare Erfolge —, während die Misserfolge, die nie erscheinen, stillschweigend ausgeschlossen werden. Das klarste historische Beispiel ist Abraham Walds Flugzeugstudie aus dem Zweiten Weltkrieg: Das Militär wollte die Einschusslöcher panzern, die sie auf zurückkehrenden Flugzeugen sahen; Wald zeigte, dass sie dort panzern sollten, wo sie keinen Schaden sahen — weil Flugzeuge, die dort getroffen wurden, nicht zurückkehrten.
Survivorship Bias: Aus dem lernen, was man nicht sehen kann
- klein Sample Größe Vorurteil
Eine kurze Sequenz kann repräsentativ aussehen, ohne statistisch verlässlich zu sein – das Vertrauen an die Stichprobengröße anpassen.
Kleine Stichproben mit expliziter Skepsis behandeln
- wie viele versuchte survivorship
Suchen Sie nach Menschen, die dasselbe versucht haben und es nicht geschafft haben.
Aktiv nach den Misserfolgen suchen, die Sie nicht sehen
- Wie man Überprüfung survivorship Bias
Survivorship Bias ist der Fehler, Schlüsse nur aus den Fällen zu ziehen, die einen Filter durchlaufen haben — Gewinner, Überlebende, sichtbare Erfolge —, während die Misserfolge, die nie erscheinen, stillschweigend ausgeschlossen werden. Das klarste historische Beispiel ist Abraham Walds Flugzeugstudie aus dem Zweiten Weltkrieg: Das Militär wollte die Einschusslöcher panzern, die sie auf zurückkehrenden Flugzeugen sahen; Wald zeigte, dass sie dort panzern sollten, wo sie keinen Schaden sahen — weil Flugzeuge, die dort getroffen wurden, nicht zurückkehrten.
- Wie man Design ein unbiased search
Definieren Sie, wonach Sie suchen und was als Evidenz zählen würde, bevor Sie mit der Suche beginnen.
Die Analyse strukturieren, bevor Sie nach Evidenz suchen
- media survivorship Bias
Prüfen Sie, ob die Medien, Ratschläge und Gemeinschaften, die Sie konsumieren, auf Erfolge gefiltert sind.
Prüfen, ob Ihre Informationsquellen systematisch Überlebende bevorzugen
Beschreibe deine Situation mit eigenen Worten um die vollständige Übungsbibliothek zu durchsuchen.