Pochopne uogólnienie: przykłady i jak ocenić, czy próba jest wystarczająca

Ximena prowadzi małą kawiarnię w San Antonio ze swoją wspólniczką, Anouk. Dwa tygodnie temu dodały do menu owsiane latte z kardamonem. W sobotę troje klientów na nie narzekało: za słodkie, za mocne, „smakuje jak mydło”. Przed zamknięciem Ximena podejmuje decyzję. „Ludziom nie smakuje. W poniedziałek znika z menu”.

Anouk liczy utarg. „Ile sprzedaliśmy w tym tygodniu?”

Ximena sprawdza kasę. Sto czterdzieści. Trzy skargi i sto trzydzieści siedem osób, które wypiły latte i nie powiedziały nic, w tym kilka, które zamówiły je ponownie.

Ximena nie wymyśliła tych skarg. Po prostu pozwoliła, żeby trzy głośne opinie przemówiły w imieniu stu czterdziestu klientów. To pochopne uogólnienie. Zdarza się tak często, bo nie sprawia wrażenia wnioskowania. Wydaje się zwykłą obserwacją. Z tego artykułu dowiesz się, czym jest ten błąd, dlaczego małe próby mylą nawet badaczy, kiedy danych wystarcza do wyciągnięcia wniosku i jak odpowiedzieć komuś, kto opiera szeroką tezę na jednej historii.

Czym jest pochopne uogólnienie?

Pochopne uogólnienie to szeroki wniosek wyciągnięty na podstawie zbyt małej liczby przypadków albo przypadków niereprezentatywnych dla całej grupy. Klasyczny przykład: „Spotkałem w Paryżu dwie nieuprzejme osoby, więc paryżanie są nieuprzejmi”. Mała próba, wielka teza.

Ten błąd ma też inne nazwy, między innymi błędne uogólnienie, wnioskowanie na podstawie niewystarczającej próby czy przedwczesny wniosek. Spotkasz również łacińskie określenie secundum quid. Gdy cały argument opiera się na jednym przypadku, mówi się czasem o dowodzeniu przykładem.

Schemat składa się z trzech elementów:

1. Kilka przypadków: jeden kiepski posiłek, dwóch pracowników, którzy szybko odeszli, trzy skargi.
2. Duża grupa: wszystkie restauracje w mieście, każdy absolwent danej szkoły, wszyscy klienci.
3. Przeskok we wnioskowaniu: to, co dotyczyło kilku przypadków, zostaje uznane za prawdę o całej grupie.

To pozycja numer 18 w naszym przewodniku po błędach logicznych. Tutaj idziemy o krok dalej, bo najtrudniejsza nie jest definicja, lecz rozpoznanie, kiedy próba jest za mała. Każde uogólnienie zaczyna się przecież od jakiejś próby.

Przykłady pochopnego uogólnienia

Większość tych sytuacji pewnie znasz. Tabela pokazuje, gdzie następuje nieuprawniony przeskok.

Dane w każdym wierszu są prawdziwe. Pochopne uogólnienie rzadko zaczyna się od fałszywego faktu. Zaczyna się od prawdziwego faktu, któremu przypisujemy większą wagę, niż może udźwignąć.

Dlaczego małe próby mylą niemal wszystkich

To nie jest błąd popełniany wyłącznie przez początkujących. W 1971 roku Amos Tversky i Daniel Kahneman opublikowali w Psychological Bulletin krótki artykuł o przewrotnym tytule „Wiara w prawo małych liczb”. Prawdziwe prawo wielkich liczb mówi, że duże próby zwykle przypominają populację, z której pochodzą. Tversky i Kahneman przekonywali, że ludzie zachowują się tak, jakby dotyczyło to również małych prób. Ich ankiety pokazały, że nawet zawodowi psychologowie nadmiernie ufają wynikom uzyskanym z niewielkich prób.

Kilka lat później, w artykule „Judgment under Uncertainty” opublikowanym w 1974 roku w Science, opisali zadanie znane jako problem szpitali:

W mieście są dwa szpitale. W większym rodzi się dziennie około 45 dzieci, a w mniejszym około 15. Mniej więcej połowa noworodków to chłopcy, ale ich odsetek zmienia się z dnia na dzień. Przez rok oba szpitale notowały dni, w których chłopcy stanowili ponad 60 procent urodzonych dzieci. Który szpital odnotował więcej takich dni?

Większość uczestników uznała, że oba szpitale odnotują ich mniej więcej tyle samo. Pozostali wybierali jeden lub drugi szpital w podobnych proporcjach. Poprawna odpowiedź to mniejszy szpital. Przy 15 narodzinach nietypowy wynik łatwo osiągnąć: co najmniej dziesięciu chłopców zdarza się stosunkowo często. Przy 45 narodzinach wynik każdego dnia częściej zbliża się do połowy.

Na tym polega sedno problemu: wyniki małych prób mocniej się wahają, więc najbardziej spektakularne liczby często pochodzą z najmniejszych grup.

Wśród najlepszych i najgorszych dominują małe grupy

W książce Pułapki myślenia Kahneman opisuje badanie dotyczące zachorowań na raka nerki w hrabstwach USA. Hrabstwa z najniższymi wskaźnikami były przeważnie wiejskie i słabo zaludnione. Można by to przypisać czystemu powietrzu i świeżej żywności, gdyby nie fakt, że hrabstwa z najwyższymi wskaźnikami również były przeważnie wiejskie i słabo zaludnione. Wyniki małych populacji po prostu silniej odchylają się w obie strony.

Statystyk Howard Wainer opowiedział podobną historię o szkołach w artykule „The Most Dangerous Equation”, opublikowanym w 2007 roku w American Scientist. Małe szkoły pojawiały się wśród najlepszych częściej, niż można było oczekiwać. Pomogło to napędzić inicjatywę dzielenia dużych szkół na mniejsze, wspieraną między innymi przez Fundację Gatesów. Kiedy jednak Wainer i jego współpracownik Harris Zwerling przyjrzeli się szkołom w Pensylwanii, okazało się, że małych szkół jest nieproporcjonalnie dużo również wśród najgorszych. Niewielki rozmiar nie poprawiał wyników szkoły. Sprawiał, że jej średni wynik bardziej się wahał.

Pochopne uogólnienie a dowód anegdotyczny i podobne pojęcia

Te pojęcia częściowo się pokrywają. Warto znać różnice, żeby trafnie odpowiedzieć na dany argument.

Osoba pochopnie uogólniająca zwykle zna tylko kilka przypadków. Ktoś, kto wybiera dane pod tezę, ma dostęp do całego zbioru, ale pokazuje wyłącznie wygodne przykłady. Ximena nie sprawdziła jeszcze danych z kasy. Leniwa indukcja przypomina z kolei, że rozwiązaniem nie jest rezygnacja z wszelkich uogólnień. Ignorowanie wyraźnego wzorca też jest błędem.

Kiedy kilka przykładów wystarczy

Nie każdy wniosek oparty na kilku przypadkach jest pochopny. Oto sytuacje, w których mała próba może być użyteczna.

• Jeden kontrprzykład obala twierdzenie bez wyjątków. Jeśli ktoś mówi „wszystkie łabędzie są białe”, wystarczy jeden czarny łabędź. Pochopne uogólnienie prowadzi od kilku przypadków do „wszystkich”. Przejście od jednego przypadku do „nie wszystkie” jest całkowicie logiczne.
• Przypadki są do siebie bardzo podobne. Kilka próbek z jednej dobrze wymieszanej partii może dużo o niej powiedzieć. Stali klienci Twojej kawiarni nie tworzą takiej partii.
• Koszt pomyłki jest nierówny. Jeśli po jednym grzybie z danego miejsca źle się poczułeś, nie musisz próbować kolejnych stu. Ostrożne działanie przy skąpych danych jest rozsądne. Błędem jest twierdzenie na ich podstawie, że ma się pewność.
• Formułujesz pytanie, nie ostateczny wniosek. „Dwie osoby po tym kursie szybko odeszły. Czy coś jest na rzeczy?” to dobry sposób wykorzystania małej próby.

Najważniejsza jest różnica między hipotezą a werdyktem. Mała próba to dobry powód, żeby zacząć sprawdzać, i słaby powód, żeby na tym poprzestać.

Cztery pytania, które pomogą ocenić każde uogólnienie

Zanim przyjmiesz szeroką tezę, własną lub cudzą, zadaj te cztery pytania.

1. Ile przypadków na ile możliwych?

Potrzebujesz obu liczb. „Trzy skargi” brzmią niepokojąco. „Trzy skargi na sto czterdzieści sprzedanych kaw” brzmią jak zwykły tydzień.

2. Jak wybrano te przypadki?

Zastanów się, co zdecydowało o tym, które przypadki do Ciebie dotarły. Klienci składający skargi nie są losową próbą wszystkich klientów. Podobnie autorzy opinii i bohaterowie popularnych nagrań. Jeśli osoby zabierające głos różnią się od tych, które milczą, nawet duża próba może wprowadzać w błąd.

3. Jak zróżnicowana jest grupa?

Im bardziej zróżnicowana grupa, tym więcej przypadków potrzebujesz. Kilka łyżek wystarczy, żeby ocenić smak jednego garnka zupy. Kilka osób mówi niewiele o mieście zamieszkanym przez miliony.

4. Co byłoby kontrprzykładem i czy go szukasz?

Określ, jaki przypadek podważyłby Twoją tezę, a potem go poszukaj. Jeśli latte jest nielubiane, można się spodziewać niewielu ponownych zamówień i wielu niedopitych kubków. Czy tak było? To pytanie chroni też przed efektem potwierdzenia, który skłania nas do szukania tylko tego, co pasuje do naszych przekonań.

Orientacyjne wielkości próby

Nie musisz znać statystyki, żeby korzystać z czterech pytań, ale jedna praktyczna reguła się przydaje. Przy pytaniu z odpowiedzią „tak” lub „nie” w próbie losowej margines błędu dla typowego poziomu ufności 95 procent wynosi w przybliżeniu jeden podzielone przez pierwiastek kwadratowy z liczebności próby.

Jeśli więc 6 na 10 losowo wybranych osób coś lubi, rzeczywisty odsetek może wynosić mniej więcej od 30 do 90 procent. Przy stu osobach zakres zawęża się do około 50-70 procent. Dotyczy to wyłącznie prób losowych, a skargi i opinie takimi próbami nie są.

Przykład krok po kroku: latte Ximeny

Tak wyglądały notatki Ximeny w niedzielę, kiedy odpowiedziała na pytanie Anouk.

Potem jeszcze raz przyjrzała się trzem skargom. Dwie dotyczyły słodyczy i obie wpłynęły podczas tej samej popołudniowej zmiany. Nowa baristka używała pompki dozującej pełną porcję syropu zamiast połowy porcji.

Ximena zostawiła więc latte w menu, poprawiła instrukcję przygotowania i dodała opcję „mniej słodkie”. Skargi nie dowodziły, że klienci nie lubią napoju. Wskazywały na problem podczas jednej zmiany. To znacznie bardziej przydatna informacja.

Jak reagować na pochopne uogólnienie

Gdy powiesz „to pochopne uogólnienie!”, druga osoba może odnieść wrażenie, że lekceważysz jej doświadczenie. Rozmowa szybko przeniesie się na ten temat. Lepiej zrobić coś innego: uznaj tę historię, zapytaj o skalę i pokaż szerszy obraz.

1. Uznaj tę historię. „To brzmi okropnie. Wierzę, że tak było”.
2. Zapytaj o skalę. „To jeden przypadek czy zdarzyło się to wiele razy?”
3. Pokaż szerszy obraz albo zapytaj, jak mógłby wyglądać. „Co byśmy zaobserwowali, gdyby dotyczyło to większości?”

Oto jak możesz odpowiedzieć w kilku typowych sytuacjach.

Pytania sprawdzają się tu lepiej niż etykietki, podobnie jak w metodzie sokratejskiej: rozmówca sam może dostrzec lukę w rozumowaniu. Jeśli piszesz odpowiedź w debacie lub eseju, nasz poradnik o pisaniu kontrargumentów pokazuje, jak odnieść się do jednego wyrazistego przykładu, nie zbywając go.

Gdy historia dotyczy czegoś bolesnego

Jeśli ktoś opowiada o doznanej krzywdzie, na przykład o niepożądanej reakcji na lek, odpowiedź „to tylko anegdota” brzmi chłodno. Taka osoba może też wskazywać na rzeczywisty problem, który ginie w średnich. Możesz zgodzić się, że ten przypadek jest ważny i wymaga zbadania, nie uznając go za dowód ogólnej reguły.

Jak samemu unikać pochopnych uogólnień

Każdemu się to zdarza, zwłaszcza gdy jesteśmy zmęczeni, zirytowani albo się spieszymy. Pomaga kilka nawyków:

• Podaj konkretną liczbę. „Troje klientów narzekało” trudniej zamienić w przesadę niż „ludziom to nie smakuje”.
• Złagodź sformułowanie. „Absolwenci tej uczelni mogą częściej odchodzić” to hipoteza do sprawdzenia. „Absolwenci tej uczelni są niesolidni” to werdykt.
• Uważaj na słowa „zawsze”, „nigdy”, „wszyscy” i „każdy”. Często wskazują dokładnie miejsce, w którym nastąpił przeskok we wnioskowaniu.
• Zauważ, kiedy wniosek jest Ci na rękę. Jeśli potwierdza to, w co już chcesz wierzyć, poszukaj większej liczby przypadków, a nie mniejszej. Nasz przewodnik po błędach poznawczych wyjaśnia, skąd bierze się ta skłonność.

Jak ćwiczyć z AI

Pochopne uogólnienie znacznie łatwiej zauważyć w cudzym rozumowaniu niż we własnym. Debata pomaga, bo jedna ze stron ma za zadanie szukać luk. W Debatly kilka modeli AI i postaci dyskutuje o Twoim pytaniu z różnych perspektyw przez kilka rund. Możesz włączyć się w dowolnym momencie, a sędzia przedstawia werdykt wraz z uzasadnieniem.

• Poddaj swój wniosek dyskusji. Wpisz go w pokoju debat, na przykład: „Czy powinniśmy przestać zatrudniać absolwentów tego kursu po dwóch nieudanych rekrutacjach?”. Jedna strona będzie argumentować za działaniem, druga pokaże, dlaczego może być na to za wcześnie.
• Poproś sceptyka o mianownik. Niech Viktor, sceptyk, pyta „na ile wszystkich przypadków?” za każdym razem, gdy ktoś przytacza przykład. Zobacz, jak często przekonująca historia traci moc, gdy brakuje łącznej liczby.
• Wypisz, co zmieniłoby Twoje zdanie. Poproś obie strony o wskazanie dowodów, które podważyłyby ich stanowisko. To czwarte pytanie z naszego testu, które podpowie Ci, co sprawdzić.
• Przeczytaj uzasadnienie sędziego, nie tylko werdykt. Sędzia Alex wyjaśnia, które argumenty przeważyły. Jeśli zadecydowała głównie jedna sugestywna historia, sprawdź ją za pomocą czterech pytań.
• Przy decyzji typu „tak” lub „nie” narzędzie argumenty za i przeciw z AI najpierw przedstawia obie strony. Dzięki temu łatwiej zobaczysz, które argumenty opierają się na szerszym wzorcu, a które na pojedynczym przypadku.

Kiedy Ximena zadała pytanie o swoje latte, sceptyk zapytał o liczbę ponownych zamówień, zanim ktokolwiek wspomniał o skargach. Nie sprawdziła tego wcześniej. Właśnie ta liczba zmieniła jej zdanie.

Uczciwie o ograniczeniach

Modele AI potrafią zwrócić uwagę na zbyt małą próbę, ale nie policzą za Ciebie klientów. Same też mogą popełniać ten błąd: pewnym tonem opisywać szeroki trend na podstawie skąpych danych. Wiele modeli skłania się ponadto ku temu, w co ich zdaniem już wierzysz. Więcej o tym przeczytasz w artykule dlaczego AI się z Tobą zgadza. Wykorzystaj debatę do znalezienia właściwych pytań, a odpowiedz na nie własnymi danymi.

Najpierw policz, potem wyciągnij wniosek

Pochopne uogólnienie wydaje się wiedzą płynącą z doświadczenia. Dlatego tak łatwo w nie uwierzyć. Rozwiązanie jest proste: zanim kilka przypadków stanie się regułą, zapytaj, ile ich było, spośród ilu możliwych, i kogo jeszcze nie wysłuchano.

W tym tygodniu wybierz jedną swoją zdecydowaną opinię o grupie, produkcie lub miejscu. Zapisz, na ilu przypadkach naprawdę się opiera. Jeśli chcesz skonfrontować ważny wniosek z inną perspektywą, rozpocznij debatę w Debatly i pozwól sceptykowi zapytać o liczby. Wypróbuj to. Dostępne plany znajdziesz na stronie z cennikiem.