Práticas de coaching para pequeno sample size bias
Descreva quase qualquer coisa em que você esteja trabalhando e o IX Coach encontra as práticas com melhor ajuste à realidade. Para pequeno sample size bias, estas são as correspondências mais fortes na biblioteca de práticas atual.
Práticas que podem ajudar
- Trate amostras pequenas com ceticismo explícito
Uma sequência curta pode parecer representativa sem ser estatisticamente confiável — ajuste a confiança para o tamanho da amostra.
A Heurística da Representatividade — Julgar pela Semelhança - Perceber quais dados você selecionou — e quais ignorou
Suas conclusões são construídas sobre uma amostra dos dados disponíveis — pergunte o que essa amostra excluiu.
A Escada de Inferência - Viés de Sobrevivência: Aprendendo com o que Você Não Consegue Ver
O viés de sobrevivência é o erro de tirar conclusões apenas dos casos que passaram por um filtro — vencedores, sobreviventes, sucessos visíveis — enquanto os fracassos que nunca aparecem são silenciosamente excluídos. O exemplo histórico mais claro é o estudo de Abraham Wald sobre aviões na Segunda Guerra Mundial: os militares queriam blindar os buracos de bala que viam nos aviões que retornavam; Wald mostrou que deveriam blindar onde não viam dano nenhum, porque os aviões atingidos ali não retornavam. - Sempre identifique o denominador ao avaliar risco ou sucesso
Quando um número ou uma história for marcante, pergunte: "De quantos casos totais?"
Negligência da Taxa-Base: Por Que Ignoramos as Chances - Verifique se você está exigindo um prêmio de ambiguidade injusto
Estime o que você aceitaria sob um risco comparável de chances conhecidas — se sua barra é muito mais alta para chances desconhecidas, essa lacuna é o viés.
Aversão à Ambiguidade — Por Que Chances Desconhecidas Parecem Piores que Chances Ruins - Busque ativamente casos que desconfirmem
Ao pesquisar taxas de base, procure especificamente casos em que as coisas deram errado — casos de fracasso são sub-representados na memória natural.
A Visão Externa - Reconheça que sequências aleatórias não "devem" equilíbrio
Processos aleatórios não têm memória — uma sequência de caras não torna coroa mais provável.
A Heurística da Representatividade — Julgar pela Semelhança - Escolha a classe de referência certa para qualquer previsão
Encontre a taxa base estatística para a categoria à qual sua decisão pertence — não apenas os exemplos inspiradores.
Viés de Sobrevivência: Aprendendo com o que Você Não Consegue Ver - Faça o steelman da estratégia oposta à bem-sucedida
Antes de adotar uma lição de uma história de sucesso, construa o melhor caso possível para a abordagem oposta.
Viés de Sobrevivência: Aprendendo com o que Você Não Consegue Ver - Nomeie o protótipo com o qual você está comparando antes de decidir
Torne explícito o protótipo que você está usando como referência — modelos ocultos enviesam decisões sem escrutínio.
A Heurística da Representatividade — Julgar pela Semelhança
Preocupações relacionadas
- viés de seleção de dados
Suas conclusões são construídas sobre uma amostra dos dados disponíveis — pergunte o que essa amostra excluiu.
Perceber quais dados você selecionou — e quais ignorou
- quantos tentaram e o viés de sobrevivência
Procure as pessoas que tentaram a mesma coisa e não conseguiram passar.
Busque ativamente os fracassos que você não está vendo
- como identificar o viés de sobrevivência
O viés de sobrevivência é o erro de tirar conclusões apenas dos casos que passaram por um filtro — vencedores, sobreviventes, sucessos visíveis — enquanto os fracassos que nunca aparecem são silenciosamente excluídos. O exemplo histórico mais claro é o estudo de Abraham Wald sobre aviões na Segunda Guerra Mundial: os militares queriam blindar os buracos de bala que viam nos aviões que retornavam; Wald mostrou que deveriam blindar onde não viam dano nenhum, porque os aviões atingidos ali não retornavam.
Viés de Sobrevivência: Aprendendo com o que Você Não Consegue Ver
- exemplos de viés de disponibilidade
Estime o que você aceitaria sob um risco comparável de chances conhecidas — se sua barra é muito mais alta para chances desconhecidas, essa lacuna é o viés.
Verifique se você está exigindo um prêmio de ambiguidade injusto
- evitar a representatividade
A heurística da representatividade, identificada por Daniel Kahneman e Amos Tversky, é o atalho mental de julgar quão provável algo é pela proximidade com que se assemelha a um protótipo ou estereótipo — substituindo a pergunta fácil "quão semelhante é isso?" pela pergunta difícil "com que frequência isso realmente acontece?" É rápida e frequentemente útil, porque semelhança e frequência realmente se correlacionam boa parte do tempo. Mas ela falha de formas reconhecíveis: sobrepõe-se às taxas basais (adivinhar que um estranho quieto e estudioso é bibliotecário em vez de vendedor, quando vendedores superam em muito o número de bibliotecários); produz a falácia da conjunção, em que uma descrição detalhada e narrativa é julgada mais provável que a categoria mais ampla que a contém; trata amostras pequenas como se carregassem a confiabilidade das grandes; e faz sequências aleatórias parecerem não aleatórias, o que é o motor da falácia do apostador. A correção não é desconfiar da intuição por inteiro, mas perceber a substituição enquanto ela acontece e perguntar deliberadamente pela taxa basal.
A Heurística da Representatividade — Julgar pela Semelhança
- lei dos pequenos números
Uma sequência curta pode parecer representativa sem ser estatisticamente confiável — ajuste a confiança para o tamanho da amostra.
Trate amostras pequenas com ceticismo explícito
Descreva sua situação com suas próprias palavras para pesquisar na biblioteca completa de práticas.