Das Gesetz der kleinen Zahlen bezeichnet den Fehlschluss, kleine Stichproben für so repräsentativ zu halten wie große. Amos Tversky und Daniel Kahneman prägten den Ausdruck 1971 ironisch: als gelte das Gesetz der großen Zahlen schon für wenige Fälle. Das Dorsch Lexikon beschreibt die andere Seite: Je kleiner die Stichprobe, desto häufiger zeigen sich zufällige Extremwerte und scheinbar interessante Muster.
- Gesetz der kleinen Zahlen
Der Fehlschluss, kleine Stichproben für so aussagekräftig zu halten wie große; Begriff von Tversky und Kahneman 1971.
Beispiel: „Nach drei Fünf-Sterne-Bewertungen das beste Produkt auszurufen, folgt dem Gesetz der kleinen Zahlen.“Auch: Law of Small Numbers.
Abgrenzung zum Gesetz der großen Zahlen: Das ist ein Satz der Wahrscheinlichkeitsrechnung. Das Gesetz der kleinen Zahlen im Sinn von Tversky und Kahneman ist ein Irrglaube.
Was Tversky und Kahneman fanden
Die Autoren befragten Fachleute auf Tagungen der Psychologie. Eine Frage lautete: Ein Versuch mit 20 Personen war signifikant; wie wahrscheinlich ist das Ergebnis mit 10 weiteren Personen wieder signifikant? Der Median der Antworten lag bei 0,85, richtig wären etwa 0,48 gewesen, und nur 9 von 84 Befragten antworteten zwischen 0,40 und 0,60. Formale Kenntnisse, schrieben die Autoren, löschen falsche Eingebungen nicht aus. Dieselbe Intuition erklärt den Spielerfehlschluss.
Ein Name mit zwei Bedeutungen
Den Titel Das Gesetz der kleinen Zahlen trug schon ein Buch von Ladislaus von Bortkiewicz von 1898. Er meinte damit etwas ganz anderes: die Statistik seltener Ereignisse. Sein bekanntes Beispiel sind die Soldaten, die zwischen 1875 und 1894 im preußischen Heer durch Hufschlag starben; die Zahl der Fälle je Armeekorps und Jahr folgte sehr genau der Erwartung der Wahrscheinlichkeitsrechnung. Wer den Begriff verwendet, sollte also sagen, welche Bedeutung er meint.
Das Gesetz der kleinen Zahlen im Marketing
Aus unserer Sicht ist der häufigste Fall der A/B-Test mit wenigen Conversions. Tversky und Kahneman zeigten, dass selbst Fachleute die Wiederholbarkeit eines knapp signifikanten Ergebnisses überschätzen, genau die Lage nach einem Test, den man bestätigen will. Dasselbe gilt für eine Handvoll Kundenbewertungen und für Suchtrends in kleinen Regionen, siehe Google Trends.