Aquí hay una ilustración de cómo puede surgir un sesgo en las conclusiones y por qué puede no ser la historia completa. Suponga que tiene una prueba secuencial de un medicamento que se espera que tenga un efecto positivo (+1) pero que puede tener un efecto negativo (-1). Se prueban cinco cobayos uno tras otro. La probabilidad desconocida de un resultado positivo en un solo caso es de hecho y un resultado negativo . 134 414 4
Entonces, después de cinco ensayos, las probabilidades de los diferentes resultados son
Outcome Probability
+5-0 = +5 243/1024
+4-1 = +3 405/1024
+3-2 = +1 270/1024
+2-3 = -1 90/1024
+1-4 = -3 15/1024
+0-5 = -5 1/1024
entonces la probabilidad de un resultado positivo en general es 918/1024 = 0.896, y el resultado promedio es +2.5. Dividido por los 5 ensayos, este es un promedio de un resultado de +0.5 por ensayo.
Es la figura imparcial, ya que también es .+ 1 × 34 4- 1 × 14 4
Suponga que para proteger a los conejillos de indias, el estudio finalizará si en cualquier etapa el resultado acumulativo es negativo. Entonces las probabilidades se vuelven
Outcome Probability
+5-0 = +5 243/1024
+4-1 = +3 324/1024
+3-2 = +1 135/1024
+2-3 = -1 18/1024
+1-2 = -1 48/1024
+0-1 = -1 256/1024
entonces la probabilidad de un resultado positivo en general es 702/1024 = 0.6855, y el resultado promedio es +1.953. Si observamos el valor medio del resultado por ensayo en el cálculo anterior, es decir, usando , , , , y entonces obtendríamos +0.184. +3+ 55 5 +1+ 35 5 -1+ 15 5 -1- 15 5 -1- 13- 11
Estos son los sentidos en los que existe un sesgo al detenerse temprano en el segundo esquema, y el sesgo está en la dirección prevista. Pero no es la historia completa.
¿Por qué Whuber y Probabilityislogic piensan que parar temprano debería producir resultados imparciales? Sabemos que el resultado esperado de los ensayos en el segundo esquema es +1,953. El número esperado de ensayos resulta ser 3.906. Al dividir uno por el otro obtenemos +0.5, exactamente como antes y lo que se describió como imparcial.