Pratiques de coaching pour petit sample size biais
Décrivez presque n'importe quoi sur lequel vous travaillez et IX Coach trouve les pratiques dont l'adéquation avec la réalité est la plus proche. Pour petit sample size biais, voici les correspondances les plus solides dans la bibliothèque de pratiques actuelle.
Pratiques qui peuvent aider
- Traiter les petits échantillons avec un scepticisme explicite
Une courte séquence peut sembler représentative sans être statistiquement fiable — ajustez la confiance selon la taille de l'échantillon.
L'heuristique de représentativité — juger par ressemblance - Remarquer quelles données vous avez sélectionnées — et lesquelles vous avez ignorées
Vos conclusions reposent sur un échantillon des données disponibles — demandez-vous ce que cet échantillon a exclu.
L'échelle d'inférence - Le biais du survivant : apprendre de ce qu'on ne voit pas
Le biais du survivant est l'erreur qui consiste à tirer des conclusions uniquement des cas qui ont traversé un filtre — gagnants, survivants, réussites visibles — tandis que les échecs qui n'apparaissent jamais sont exclus silencieusement. L'exemple historique le plus clair est l'étude de la Seconde Guerre mondiale d'Abraham Wald sur les avions : l'armée voulait blinder les impacts de balles visibles sur les avions revenus ; Wald a montré qu'il fallait blinder là où aucun dommage n'apparaissait, car les avions touchés à ces endroits ne revenaient pas. - Identifiez toujours le dénominateur en évaluant un risque ou un succès
Quand un chiffre ou une histoire est frappant, demandez : « Sur combien de cas au total ? »
La négligence du taux de base : pourquoi nous ignorons les probabilités - Vérifier si vous exigez une prime d'ambiguïté injuste
Estimez ce que vous accepteriez sous un risque comparable à probabilités connues — si votre barre est bien plus haute pour les probabilités inconnues, cet écart est le biais.
L'aversion à l'ambiguïté — pourquoi les probabilités inconnues semblent pires que les mauvaises probabilités - Rechercher activement les cas contradictoires
Lors de la recherche de taux de base, cherchez spécifiquement les cas où les choses ont mal tourné — les cas d'échec sont sous-représentés dans la mémoire naturelle.
La vue extérieure - Reconnaître que les séquences aléatoires ne « doivent » pas d'équilibre
Les processus aléatoires n'ont pas de mémoire — une série de piles ne rend pas face plus probable.
L'heuristique de représentativité — juger par ressemblance - Choisir la bonne classe de référence pour toute prédiction
Trouvez le taux de base statistique pour la catégorie à laquelle appartient votre décision — pas seulement les exemples inspirants.
Le biais du survivant : apprendre de ce qu'on ne voit pas - Défendre au mieux la stratégie opposée à celle qui a réussi
Avant d'adopter une leçon d'une histoire de réussite, construisez le meilleur argument possible pour l'approche opposée.
Le biais du survivant : apprendre de ce qu'on ne voit pas - Nommer le prototype auquel vous comparez avant de décider
Rendez explicite le prototype que vous utilisez comme référence — les modèles cachés biaisent les décisions sans examen.
L'heuristique de représentativité — juger par ressemblance
Préoccupations connexes
- data selection biais
Vos conclusions reposent sur un échantillon des données disponibles — demandez-vous ce que cet échantillon a exclu.
Remarquer quelles données vous avez sélectionnées — et lesquelles vous avez ignorées
- comment nombreux tried survivorship
Cherchez les personnes qui ont essayé la même chose et n'ont pas réussi.
Chercher activement les échecs que vous ne voyez pas
- Comment repérer le biais du survivant
Le biais du survivant est l'erreur qui consiste à tirer des conclusions uniquement des cas qui ont traversé un filtre — gagnants, survivants, réussites visibles — tandis que les échecs qui n'apparaissent jamais sont exclus silencieusement. L'exemple historique le plus clair est l'étude de la Seconde Guerre mondiale d'Abraham Wald sur les avions : l'armée voulait blinder les impacts de balles visibles sur les avions revenus ; Wald a montré qu'il fallait blinder là où aucun dommage n'apparaissait, car les avions touchés à ces endroits ne revenaient pas.
Le biais du survivant : apprendre de ce qu'on ne voit pas
- availability biais examples
Estimez ce que vous accepteriez sous un risque comparable à probabilités connues — si votre barre est bien plus haute pour les probabilités inconnues, cet écart est le biais.
Vérifier si vous exigez une prime d'ambiguïté injuste
- éviter representativeness
L'heuristique de représentativité, identifiée par Daniel Kahneman et Amos Tversky, est le raccourci mental consistant à juger la probabilité de quelque chose selon sa ressemblance avec un prototype ou un stéréotype — substituant la question facile « à quel point ceci est-il similaire ? » à la question difficile « à quelle fréquence cela se produit-il réellement ? ». Elle est rapide et souvent utile, car la ressemblance et la fréquence corrèlent réellement la plupart du temps. Mais elle s'égare de façons reconnaissables : elle prime sur les taux de base (deviner qu'un inconnu discret et studieux est bibliothécaire plutôt que commercial, alors que les commerciaux sont bien plus nombreux que les bibliothécaires) ; elle produit le sophisme de conjonction, où une description détaillée et narrative est jugée plus probable que la catégorie plus large qui la contient ; elle traite les petits échantillons comme s'ils portaient la fiabilité des grands ; et elle fait paraître les séquences aléatoires non aléatoires, ce qui est le moteur du sophisme du joueur. La correction n'est pas de se méfier de l'intuition dans son ensemble mais de remarquer la substitution au moment où elle se produit et de demander délibérément le taux de base.
L'heuristique de représentativité — juger par ressemblance
- law de petit numbers
Une courte séquence peut sembler représentative sans être statistiquement fiable — ajustez la confiance selon la taille de l'échantillon.
Traiter les petits échantillons avec un scepticisme explicite
Décrivez votre situation avec vos propres mots pour rechercher dans la bibliothèque complète de pratiques.