Нехтування знаменником: чому «10 з 100» може здаватися більшим за «1 зі 10»
Автор: Український психологічний ХАБ · Опубліковано: 20 вересня 2026 · Редакційна політика
Нехтування знаменником — це помилка під час роботи з відношеннями, коли увага непропорційно зосереджується на чисельнику — кількості потрібних, небезпечних або виграшних випадків — а знаменник, тобто загальна кількість можливостей, враховується недостатньо. Через це «10 з 100» може психологічно виглядати переконливіше, ніж «1 зі 10», хоча обидва записи означають ту саму ймовірність: 10%.
У літературі цей феномен тісно пов’язаний із ratio bias — схильністю оцінювати відношення з більшими абсолютними числами як більш імовірне або привабливе, навіть коли пропорція така сама або гірша. Водночас сучасні дослідження показують, що ефект залежить від способу подання задачі, величини ймовірностей, числової грамотності та інших умов, тому його не слід описувати як універсальний закон людського мислення. Огляд Reyna і Brainerd (2008) пов’язує denominator neglect із труднощами опрацювання відношень і ймовірностей, а новіші роботи уточнюють межі самого ratio bias.
Що таке нехтування знаменником
Будь-яка частка має дві частини. Чисельник відповідає на запитання «скільки випадків відповідають критерію?», а знаменник — «із скількох можливих випадків?». Щоб оцінити ймовірність, ризик або частоту, ці два числа потрібно інтегрувати в одне відношення. Якщо людина бачить 10 успіхів, але недостатньо враховує, що вони отримані серед 100 спроб, абсолютна кількість «10» може перетягнути оцінку на себе.
У медичному контексті визначення особливо наочне: denominator neglect означає надмірну увагу до кількості людей, у яких сталася подія, без достатнього врахування загальної кількості людей, серед яких ця подія могла статися. Саме так феномен операціоналізували Garcia-Retamero, Galesic і Gigerenzer (2010) у дослідженнях розуміння зниження ризику лікування.
Термін «нехтування знаменником» описує спосіб помилки в репрезентації відношення. Ratio bias описує характерний патерн вибору або оцінювання, який може з цього випливати. У частині публікацій ці поняття використовують майже взаємозамінно, але методологічно точніше розрізняти механізм і поведінковий результат: людина може недостатньо врахувати знаменник, не продемонструвавши класичний вибір «більшого набору».
Чому «10 з 100» і «1 зі 10» — однакова ймовірність
Математично 10/100 = 0,10 = 10%, а 1/10 = 0,10 = 10%. Якщо привести обидва відношення до спільного знаменника, різниця зникає: 1/10 множимо на 10 у чисельнику і знаменнику та отримуємо 10/100. Саме тому вибір між цими двома варіантами не має переваги за ймовірністю.
Психологічно записи виглядають по-різному. У першому є десять «цільових» випадків, у другому — один. Натуральні числа 10 і 1 легко порівняти напряму, тоді як відношення 10/100 і 1/10 потребують реляційного порівняння двох пар чисел. Сучасний огляд математичного пізнання Thompson та співавт. (2023) описує natural-number bias: автоматичне опрацювання величини натуральних чисел може конкурувати з правильним опрацюванням раціонального числа як відношення.
Це не означає, що люди «не знають дробів». У класичних експериментах учасники нерідко могли назвати правильну ймовірність і водночас відчувати, що ємність із більшою абсолютною кількістю виграшних елементів виглядає привабливішою. Розрив між формальним знанням та інтуїтивним відчуттям і став одним із центральних питань ранніх досліджень ratio bias.
Класичні експерименти: від рівних шансів до гіршого великого набору
Один із ранніх експериментальних форматів запропонували Kirkpatrick і Epstein (1992). Учасникам пропонували лотерейні задачі з еквівалентними шансами, наприклад 1 виграшний елемент із 10 проти 10 зі 100. Відношення однакові, однак абсолютна кількість виграшних елементів у великому наборі могла впливати на суб’єктивну оцінку.
Ще сильніший тест провели Denes-Raj і Epstein (1994): у відомій задачі з кольоровими желейними цукерками частина учасників обирала ємність із більшою абсолютною кількістю виграшних елементів, хоча частка була гіршою — наприклад 7 зі 100 замість 1 з 10. Деякі учасники прямо повідомляли, що розуміють гірші шанси, але суб’єктивно відчувають більше шансів там, де «виграшних» елементів видно більше.
У популярних переказах ratio bias часто ілюструють парою 9/100 проти 1/10. Тут 9% об’єктивно менше за 10%, тому вибір 9/100 є вже не просто байдужістю між еквівалентними записами. Саме такі задачі стали аргументом на користь того, що абсолютні частоти іноді втручаються у порівняння пропорцій.
Які механізми можуть стояти за ефектом
Помітність чисельника
Чисельник часто має інтуїтивно зрозумілий зміст: це кількість виграшів, хворих, помилок, позитивних тестів або успішних спроб. Він відповідає на просте питання «скільки?». Знаменник задає контекст, без якого це «скільки» не перетворюється на частоту. Коли контекст опрацьовується слабше, абсолютна кількість подій отримує надмірну вагу.
Конкуренція натуральних чисел і відношення
Раціональні числа — дроби, пропорції, десяткові дроби та відсотки — вимагають мислити не лише про окремі величини, а про їхній зв’язок. Thompson та співавт. (2023) пропонують розглядати частину помилок через ширший natural-number bias: знання про цілі числа активується автоматично і часом переноситься на задачі, де правильним об’єктом порівняння є пропорція.
Формат подання
Одна й та сама математична інформація може бути представлена дробом, відсотком, частотою, словесним описом, піктограмою або фізичним набором об’єктів. Це змінює те, що помітно на першому кроці. Stone, Parker і Townsend (2018) показали, що частину помилкових відповідей важливо відокремлювати від специфічного ratio bias: не кожна неправильна відповідь є систематичною перевагою великих чисел.
Числова грамотність і досвід роботи з ймовірностями
Здатність правильно працювати з пропорціями відрізняється між людьми й залежить від досвіду. У шести дослідженнях із вибірками в Німеччині, Італії та Туреччині Baumeister, Streicher і Lermer (2025) виявили, що менша звичність роботи з імовірностями пов’язувалася з більшою часткою виборів, узгоджених із ratio bias, а вища статистична числова грамотність і risk literacy — з меншою.
Цей результат важливий для інтерпретації: ratio bias не має однієї фіксованої «сили», однакової для всіх людей і всіх задач. Він змінюється разом із репрезентацією, досвідом і конкретним діапазоном ймовірностей.
Науковий статус: ефект існує, але його межі важливі
Класичний ratio bias добре відомий у психології суджень і рішень, однак сучасна картина складніша за формулу «люди завжди дивляться на чисельник». Інтегративне дослідження Bourdin і Vetschera (2018) підтвердило систематичну перевагу великих числових представлень у певних умовах, водночас підкресливши, що точні умови виникнення ефекту довго залишалися недостатньо визначеними.
Методологічний аналіз Passerini, Macchi і Bagassi (2012) показав, що формулювання задачі та набір доступних варіантів відповіді можуть самі підштовхувати до певного патерну. В одному з їхніх експериментів додавання можливості прямо вибрати математично правильну відповідь усувало ефект. Це не «скасовує» всю попередню літературу, але демонструє, наскільки обережно слід переносити результат конкретного лабораторного завдання на повсякденні рішення.
Робота Bourdin, Engin і Vetschera (2022) пішла ще далі: напрям відхилення залежав від самих імовірностей, а єдиного універсального зсуву на користь великих чисел у всіх умовах не виявили. Автори також зафіксували сильний зв’язок кращої risk literacy з меншою кількістю різних помилкових патернів.
Отже, науково коректна формула така: нехтування знаменником і ratio bias — відтворювані явища в низці задач, але їхній прояв контекстний. Сила ефекту, напрям помилки та навіть те, чи виникне помилка взагалі, залежать від дизайну задачі та характеристик людини.
Коли нехтування знаменником імовірніше
Ризик зростає, коли чисельники різко відрізняються за абсолютною величиною, а знаменники легко залишаються фоном; коли ймовірності малі й їх важко інтуїтивно порівняти; коли інформація подана як сирі частоти без нормалізації; коли людина мало працює з пропорціями; або коли формат робить кількість «потрібних» елементів наочною, але не робить так само наочним розмір вибірки.
Натомість приведення до спільного знаменника, перетворення на відсотки або десяткові дроби, а також візуалізація повного набору можуть полегшити порівняння. Важливо, що «візуалізація» сама по собі не є магічним захистом: користь залежить від того, чи графіка справді показує відношення, а також від графічної грамотності користувача.
Медичні ризики: де знаменник особливо важливий
У повідомленнях про лікування, побічні ефекти, скринінг або прогноз абсолютні числа без спільного контексту можуть створювати хибне враження. «20 випадків» нічого не говорить про частоту без знаменника: 20 із 200 — це 10%, а 20 із 20 000 — 0,1%. Тому в медичних рішеннях потрібно порівнювати ризики на однаковій основі та чітко бачити розмір групи.
У двох дослідженнях Garcia-Retamero, Galesic і Gigerenzer (2010) учасники часто надмірно фокусувалися на чисельниках під час оцінювання зниження ризику лікування. Додавання icon arrays — масивів піктограм, що одночасно показують події й повний знаменник, — спрямовувало увагу на розмір груп і підвищувало точність оцінок.
Однак подальша робота Okan та співавт. (2012) показала важливе обмеження: користь від таких візуальних засобів була більшою серед людей із вищою графічною грамотністю. Тому якісна комунікація ризику має враховувати не лише правильність чисел, а й те, наскільки формат допомагає конкретній аудиторії прочитати відношення.
Інформаційна стаття не замінює індивідуальної медичної оцінки. Якщо числа стосуються діагнозу, лікування чи прогнозу, їх потрібно тлумачити разом із клінічним контекстом, абсолютними ризиками, часовим інтервалом і характеристиками конкретної популяції.
Як перевірити себе: п’ять кроків проти пастки чисельника
Перший крок — завжди назвати знаменник уголос: «10 випадків із скількох?». Якщо знаменники різні, порівняння самих чисельників майже ніколи не відповідає на питання про частоту.
Другий крок — привести варіанти до одного формату. 10/100 і 1/10 можна перетворити на 10% і 10%. 9/100 і 1/10 — на 9% і 10%. Після нормалізації інтуїтивна перевага «дев’яти виграшів проти одного» перестає маскувати реальне відношення.
Третій крок — перевірити, чи порівнюється одна й та сама подія в одному часовому інтервалі. «1 зі 100 на рік» і «10 зі 100 за десять років» не можна порівнювати як прості частки без урахування часу.
Четвертий крок — відокремити абсолютну кількість від імовірності. Велика кількість випадків може бути суспільно важливою через великий масштаб популяції, але це інше питання, ніж індивідуальна частота події.
П’ятий крок — для важливого вибору перевірити результат двома способами: наприклад, відсотком і натуральною частотою на однаковому знаменнику. Такий короткий перерахунок добре узгоджується із загальним принципом якісного прийняття рішень: спочатку зробити альтернативи порівнюваними, а вже потім оцінювати їх.
Чим нехтування знаменником відрізняється від сусідніх упереджень
Нехтування базовою частотою
Нехтування базовою частотою виникає, коли під час оцінювання конкретного випадку людина недостатньо використовує попередню частоту або поширеність події в релевантній популяції. Тут ключова проблема — вага апріорної статистичної інформації. У нехтуванні знаменником проблема безпосередньо стосується опрацювання самого відношення «події / усі можливості».
Нехтування ймовірністю
Probability neglect — окремий напрям досліджень, у якому величина ймовірності може отримувати занадто малу вагу порівняно з емоційною або якісною характеристикою наслідку. Це окреме поняття, тому його не слід зливати з нехтуванням знаменником або використовувати як повний синонім ratio bias.
Помилка пропорційності
Помилка пропорційності у причинних судженнях — інша ідея: схильність шукати «велику» причину для «великої» події. Подібність української назви не означає спільного механізму з ratio bias.
Когнітивні спотворення у КПТ
Когнітивні упередження в judgment and decision science і cognitive distortions у клінічній КПТ-традиції мають різну історію та дослідницькі задачі. Нехтування знаменником належить до психології числових суджень, ризику й рішень; воно не є клінічним діагнозом, симптомом або ознакою психічного розладу.
Чи доводить ratio bias, що люди ірраціональні
Сам по собі ефект не дає підстави описувати людське мислення одним словом «ірраціональне». Лабораторні задачі показують, що певні формати числової інформації створюють передбачувані труднощі. Водночас зміна репрезентації, навчання, досвід і можливість нормалізувати числа істотно змінюють результат.
Саме тому сучасні дослідження дедалі частіше аналізують не тільки факт помилки, а й те, за яких умов вона виникає. Stone та співавт. (2018) розрізняють специфічний ratio bias і несистематичну помилку; Bourdin, Engin і Vetschera (2022) показують різні напрями відхилень; а Baumeister, Streicher і Lermer (2025) демонструють роль статистичного досвіду та академічного середовища.
Як ratio bias може поширюватися через комунікацію
Цікавий сучасний напрям стосується не лише індивідуального вибору, а й передавання інформації між людьми. У дослідженні Mendonça, Mata і Ferreira (2024) учасники читали описи задач із відношеннями, робили вибір і відтворювали текст для наступного учасника. Спотворення репрезентації, що підсилювали варіант із більшим чисельником, могли накопичуватися в ланцюгах соціальної передачі.
Практичний висновок тут стосується комунікації даних: якщо новина, презентація або розмова повторює лише кількість подій і втрачає знаменник, інформація стає дедалі менш придатною для оцінки ризику. Для статистичних тверджень корисно зберігати пару «подія / база», а не переносити в заголовок лише вражаючий чисельник.
Приклади, де легко помилитися
Лотерея
Варіант A: 9 виграшних квитків зі 100. Варіант B: 1 виграшний квиток із 10. У A виграшних квитків фізично більше, але шанс становить 9%; у B — 10%. За ймовірністю B кращий.
Контроль якості
Лінія A дала 20 дефектів серед 200 виробів; лінія B — 6 дефектів серед 100. Абсолютно дефектів більше в A, але частота дефектів там 10%, тоді як у B — 6%. Якщо питання стосується надійності процесу, порівнювати потрібно пропорції.
Медична комунікація
Група A: 10 побічних подій серед 100 пацієнтів. Група B: 1 подія серед 10 пацієнтів. Обидві частоти дорівнюють 10%. Якщо одна цифра подана як «10 випадків», а друга як «лише 1 випадок» без знаменників, формулювання може створити враження різного ризику, якого в цих даних немає. Це також приклад того, чому ефект фреймінгу потрібно відрізняти від математичної структури самої частки.
FAQ
Чи справді 10 зі 100 більше, ніж 1 із 10?
За абсолютною кількістю цільових випадків 10 більше за 1. За ймовірністю — ні: 10/100 і 1/10 дорівнюють 10%. Саме плутання цих двох рівнів порівняння і створює типову пастку.
Чому 9 зі 100 може здаватися привабливішим за 1 із 10?
Тому що дев’ять виграшних елементів є більш помітною абсолютною кількістю, ніж один. Якщо знаменник опрацьовується слабше, ця різниця може домінувати над реальною пропорцією: 9% проти 10%.
Ratio bias і нехтування знаменником — це одне й те саме?
Вони тісно пов’язані, але корисно розрізняти їх. Нехтування знаменником описує недостатнє врахування бази відношення; ratio bias — патерн оцінки або вибору, за якого відношення з більшими абсолютними числами отримує перевагу. Сучасні роботи показують, що не кожна помилка у ratio-задачі є одним і тим самим феноменом.
Чи виникає цей ефект лише в людей, які погано знають математику?
Ні. Числова грамотність і досвід статистичних задач зменшують ризик, але ефект залежить також від формату, діапазону ймовірностей, інструкції та способу представлення. Тому коректніше говорити про взаємодію здібностей і середовища задачі.
Чи допомагають відсотки?
Часто так, якщо вони приводять альтернативи до спільної шкали. Перетворення 9/100 і 1/10 на 9% і 10% робить порівняння прямим. У складніших ризикових задачах корисно паралельно показувати відсоток і натуральну частоту з однаковим знаменником.
Чи завжди піктограми усувають нехтування знаменником?
Дослідження показують, що добре спроєктовані icon arrays можуть покращувати розуміння, але ефект не однаковий для всіх. Графічна грамотність і дизайн візуалізації впливають на користь такого формату.
Як це пов’язано з теорією перспектив?
Теорія перспектив моделює вибір під ризиком через оцінку виграшів і втрат відносно точки відліку та нелінійне зважування ймовірностей. Ratio bias є іншим, конкретнішим феноменом репрезентації відношень. Вони можуть проявлятися в одній сфері рішень під ризиком, але не є синонімами.