---
title: Regresszió az átlaghoz
type: concept
aliases: [regression to the mean, regresszió az átlaghoz, regression toward mediocrity, Galton, Sports Illustrated jinx, nonregressive prediction, correlation coefficient, korrelációs együttható, success equals talent plus luck]
tags: [research, evidence, forecasting, measurement, behavioural-economics]
sources: [thinking-fast-and-slow, the-undoing-project, the-black-swan, how-brands-grow, thinking-in-bets]
updated: 2026-09-14
status: solid
---

# Regresszió az átlaghoz (regression to the mean)

**A szabály.** Valahányszor két mérés közti korreláció nem tökéletes, szélsőséges első mérést
átlaghoz közelebbi második követ — **ok nélkül.** A regressziónak *magyarázata* van, de nincs
*oka*. (*Thinking, Fast and Slow*, 17. fej.)

Ez a wiki hiányzó védőoltása minden olyan állítás ellen, amely egy beavatkozás után mért
javulásból következtet a beavatkozás hatására — kampány, rebranding, új CEO, tréning, kontroll
nélküli teszt.

## Az eset, amiből Kahneman megértette

Kahneman az izraeli légierő oktatópilótáinak tartott előadást arról, hogy a jutalmazás jobban
tanít, mint a büntetés. Egy tapasztalt oktató felállt:

> "Sokszor megdicsértem egy növendéket egy tiszta manőverért. **Legközelebb rosszabbul csinálta.**
> És sokszor beleüvöltöttem a fülhallgatóba egy rossz végrehajtásért. **Legközelebb jobban
> csinálta.** Szóval ne mondja nekem, hogy a jutalom működik és a büntetés nem."

Az oktató **megfigyelése pontos volt, a következtetése teljesen hibás.** Dicsérni akkor dicsért,
amikor a teljesítmény szokatlanul jó volt (tehát részben szerencsés), és kiabálni akkor, amikor
szokatlanul rossz — mindkét esetben a következő próba a normálhoz tért vissza, függetlenül attól,
mit csinált az oktató.

Kahneman krétával célt rajzolt a padlóra, és mindenkit megkért, hogy háttal állva dobjon két
érmét. A táblára írt eredmények ugyanazt mutatták: **aki elsőre jól dobott, másodjára rosszabbul.**

**És az általános tanulság, ami ennél sokkal fontosabb:**

> "Az élet visszajelzése perverz. Mivel akkor vagyunk kedvesek másokhoz, amikor örömet okoznak,
> és akkor gorombák, amikor nem, **statisztikailag megbüntetnek minket a kedvességért, és
> megjutalmaznak a gorombaságért.**"

## A képlet

> siker = tehetség + szerencse
>
> nagy siker = egy kicsit több tehetség + **sok** szerencse

Ha a golfversenyen valaki az első nap 66-ot üt 72-es par mellett, abból két következtetés
**egyformán** indokolt: tehetségesebb az átlagnál, **és** szerencséje volt aznap. A második nap
becslésénél a tehetség marad, a szerencse nem — ezért a becslés **mérsékeltebb** kell legyen.

**És a bizonyíték arra, hogy nincs oksági magyarázat:** ha megfordítod az időnyilat, és a
*második* napi eredmény szerint rendezed sorba a játékosokat, majd megnézed az *első* napjukat,
**pontosan ugyanazt a regressziót kapod.** A jövő nem okozhatja a múltat.

Galton fedezte fel és nevezte el ("Regression towards Mediocrity in Hereditary Stature", 1886), és
évekbe telt neki — a Royal Institution-beli hallgatóságától ugyanazt a meglepetést várta, amit ő
maga érzett. Kahneman: *"a levegőnél is gyakoribb statisztikai szabályosság — nyílt színen rejtőzik."*

Korrelációs együtthatók viszonyítási pontnak: önbevallott testmagasság és testsúly amerikai férfiak
közt **0,41**; SAT-pontszám és egyetemi átlag **~0,60**; jövedelem és iskolázottság az USA-ban
**~0,40**; családi jövedelem és a telefonszám utolsó négy jegye **0**.

## A hamis oksági történetek katalógusa

- **A *Sports Illustrated*-átok:** aki a címlapra kerül, a következő szezonban gyengébb. A
  magyarázatok ("túlzott magabiztosság", "az elvárások nyomása") feleslegesek: a címlapra kiugró
  szezon után kerül az ember, és a szerencse változékony.
- **A síugró-kommentátor:** "a norvég nagyot ugrott először, most feszült lesz és rosszabbul megy"
  — majd — "a svédnek rossz volt az első ugrása, most nincs vesztenivalója, ellazul és jobb lesz".
  A kommentátor **felismerte a regressziót**, és azonnal oksági történetet gyártott hozzá.
- **A "depressziós gyerekek energiaitaltól javulnak" főcím.** Igaz — és ugyanígy javulnának, ha
  fejen állnának vagy napi húsz percig macskát ölelgetnének. A depressziós gyerekek szélsőséges
  csoport; kontrollcsoport nélkül a regresszió hatásnak látszik.
- **A *Built to Last* és az *In Search of Excellence* kiemelt cégei** (19. fej.). A kiváló és a
  kevésbé kiváló cégek közti nyereségességi és részvényhozam-szakadék a vizsgálatot követő
  időszakban **majdnem nullára szűkült**. A Fortune "legcsodáltabb cégeinek" húszéves vizsgálata:
  a **legrosszabbra** értékelt cégek részvényhozama volt a jobb. A természetes reflex oksági
  magyarázatot keres ("elkényelmesedtek"); a helyes válasz a regresszió.
  → [[silent-evidence]], [[brand-purpose]], [[good-and-different]]

## Marketinges fordítás — ez az, amiért az oldal létezik

**1. Minden "a mélypont után jött a fordulat" történet gyanús.** A rebranding, az új ügynökség,
az új CMO tipikusan **akkor** érkezik, amikor az eredmények a legrosszabbak — vagyis pont akkor,
amikor a regresszió úgyis javulást hozna. Kontrollcsoport, párhuzamos piac vagy előzetes
bázisráta nélkül a siker nem tulajdonítható a beavatkozásnak.
→ [[advertising-research-methods]], [[goodharts-law]]

**2. A "legjobb teljesítményű" bármi visszaesik.** A legjobb hónap, a legjobb kreatív, a legjobb
értékesítő, a legjobb bolt, a legjobb régió, a legjobb hirdetéscsoport. Aki a csúcsra optimalizál
és a csúcsot jutalmazza, **a szerencsét jutalmazza** — és a következő időszakban csalódni fog.
Ugyanez fordítva a "javítsuk fel a legrosszabb boltot" programokkal, amelyek mindig sikeresnek
tűnnek. → [[goodharts-law]], [[okr-and-compensation]]

**3. Az intuitív előrejelzés nem regresszív, ezért torzított** (18. fej.). Kahneman kísérlete:
diákokat két kérdéscsoporttal kérdeztek egy egyetemistáról írt ötszavas jellemzés alapján —
az egyiket a *bizonyíték értékelésére* ("mennyire impresszionál ez a leírás?"), a másikat az
*előrejelzésre* ("mennyi lesz az átlaga?"). **A két válasz azonos volt.** Ugyanez az izraeli
tisztjelölt-értékelőknél: a jósolt osztályzatok eloszlása majdnem pontosan megegyezett a
tiszti iskola tényleges osztályzat-eloszlásával — vagyis **nem jósoltak, hanem értékeltek**.

**4. A kevesebb adat szélsőségesebb benyomást ad.** Kim frissdiplomás, ragyogó ajánlásokkal és
briliáns előadással, de nulla publikációs múlttal; Jane három éve posztdoktor, kiváló kutatási
rekorddal, de fakóbb interjúval. Az intuíció Kimet választja (WYSIATI) — pedig **Kimről kevesebb
adat van, tehát az ő teljesítménye regrediál mélyebben.** Ugyanez a szabály az ügynökség-választásra,
a beszállítóra és a kevés értékelésű termékre: *"olvastam egy kritikát a márkáról, kiváló volt.
Mégis, lehetett véletlen. Nézzük csak azokat a márkákat, amiknek sok értékelése van."*

## A négylépéses korrekció (Kahneman receptje)

Ha mennyiségi előrejelzést kell adnod (bevétel, GPA, kampányhozam, jelölt teljesítménye):

1. **Kezdd az átlagos kimenettel** a releváns kategóriában (ez az alapérték).
2. **Határozd meg azt az értéket, ami illeszkedik a benyomásodhoz** (ez az intuitív becslésed).
3. **Becsüld meg a korrelációt** a bizonyítékod és a jósolt kimenet között.
4. **Mozdulj el az alapértéktől az intuitív érték felé a korreláció arányában.** Ha a korreláció
   0,30, tedd meg a távolság **30%-át**.

Példa a könyvből: Julie négyévesen folyékonyan olvasott; mennyi lesz az egyetemi átlaga? A
spontán válasz 3,7-3,8. A korrelált tényezők aránya Kahneman legoptimistább becslése szerint
~30%, tehát a helyes válasz az átlagtól **30%-nyira** van a 3,7 felé, nem 3,7.

**Az ellenvetés, amit Kahneman elismer:** a torzítatlan becslés csak akkor a cél, ha a két
hibairány **egyformán drága.** A kockázati tőkésnek a következő Google elszalasztása sokkal
drágább, mint egy kis, bukó befektetés — ezért neki érdemes a szélsőséget "eltalálni" akarni.
Ugyanez igaz a nagy ajánlati portfóliókra és a tartalomstratégiára
→ [[asymmetric-payoffs]], [[extremistan-vs-mediocristan]]

## Feszültségek

- **Sharp ([[how-brands-grow]], [[double-jeopardy]]).** A wiki már használja a regressziót a
  "vevők mérséklődése" (moderation) jelenségre: a nehéz vevő jövőre könnyebb lesz, a könnyű
  nehezebb. Ez ugyanez a mechanizmus, csak vásárlási gyakoriságon — és Sharp ezt **nagy mintás,
  ismételt panel-megfigyelésből** vezeti le, ami erősebb bizonyíték, mint Kahneman kísérletei.
  A két forrás egybevág.
- **A regresszió megnehezíti a valódi hatás kimutatását, nem lehetetlenné teszi.** A megoldás
  nem a szkepszis, hanem a **kontrollcsoport**: a kontroll is regrediál, és a kérdés az, hogy a
  kezelt csoport **többet** javul-e, mint amennyit a regresszió magyaráz.
- **Módszertani.** Ez a legerősebben megalapozott tétel a könyvben: nem pszichológiai eredmény,
  hanem **matematikai szükségszerűség**, ami a tökéletlen korrelációból következik. Az egyetlen
  pszichológiai állítás az, hogy **nem vesszük észre** — és ezt a Galton-történettől a
  sportkommentátoron át a menedzsmentirodalomig végigvezetett példasor támasztja alá.
  David Freedman statisztikus megjegyzése: ha a regresszió szóba kerül egy perben, **az a fél
  veszít, akinek el kell magyaráznia az esküdteknek.**

## Eredettörténet — a repülőoktatók, pontosítva (The Undoing Project, beolvasva 2026-09-14)

A repülőoktató-eset a wiki legtöbbet idézett regressziós példája. A [[the-undoing-project]] két
ponton pontosít:

**1. Az eset korábbi, mint a heurisztika-program.** Kahneman **még statisztikát tanított**
Beersébában és az Izraeli Légierőnek dolgozott, amikor az oktatók elmondták neki, hogy a
dicséret rontja, a szidás javítja a következő manővert. (4. fej.) A jelenség tehát **nem** a
Tverskyvel közös kutatásból jött — hanem **bekerült** abba: a "On the Psychology of Prediction"
(1973) zárórészében szerepel vizsgakérdésként, és **a válaszadók közül senki nem látta**, mi
történik. Azt találgatták, hogy a dicsérettől a pilóta elbízza magát, vagy hogy az oktatók nem
tudják, mit beszélnek. (7. fej.)

**2. A megfogalmazás, amit érdemes szó szerint elvinni:**

> *"Mivel hajlamosak vagyunk jutalmazni másokat, amikor jól teljesítenek, és büntetni, amikor
> rosszul, és mivel létezik regresszió az átlaghoz, az emberi állapot része, hogy **statisztikailag
> megbüntetnek minket azért, mert jutalmaztunk másokat, és megjutalmaznak azért, mert büntettünk.**"*

**3. Egy második, ritkábban idézett eset ugyanerről.** A jom kippuri háborúban egy tábornok
vizsgálatot akart indítani egy vadászszázad ellen, amely aránytalanul sok veszteséget szenvedett
(*"az egyik pilótát nemcsak egy rakéta találta el, hanem négy!"*). Kahneman elmagyarázta, hogy a
század **túl kicsi minta** a statisztikai szignifikanciához: a vizsgálat *találni fog* mintázatot
(gyakoribb családlátogatás, fura színű alsónadrág), de az **értelmetlen illúzió** lesz, a morált
viszont tönkreteszi. *"A vizsgálat egyetlen értelme az lenne, hogy megőrizze a tábornok
mindenhatóság-érzetét."* A tábornok leállította a vizsgálatot. Kahneman: *"Ezt tekintem az
egyetlen hozzájárulásomnak a háborús erőfeszítéshez."* (9. fej.)
**Marketinges fordítás:** a "miért teljesített rosszul ez az egy csatorna / ügynökség / ügyfél
ebben a negyedévben" típusú belső vizsgálat pontosan ezt a hibát ismétli, ha a minta kicsi.
→ [[advertising-research-methods]], [[input-output-outcome-metrics]]

## Kapcsolódó

[[representativeness-and-base-rates]] · [[planning-fallacy]] · [[goodharts-law]] ·
[[advertising-research-methods]] · [[replication-crisis]] · [[silent-evidence]] ·
[[narrative-fallacy]] · [[light-buyers-and-penetration]] · [[double-jeopardy]] ·
[[forecasting-limits]] · [[asymmetric-payoffs]] · [[daniel-kahneman]] · [[thinking-fast-and-slow]] ·
[[resulting-and-outcome-bias]] · [[luck-vs-skill]] · [[annie-duke]] · [[thinking-in-bets]]

*(Duke kiegészítése: a regresszió az a mechanizmus, amely a leggyakrabban álcázza magát
"a döntés következményének". A kiugró negyedév utáni visszaesés nem a kampány hibája, hanem
statisztikai szükségszerűség — aki mégis a döntésre fogja, resultingol
→ [[resulting-and-outcome-bias]], és rossz vödörbe sorolja a kimenetet → [[luck-vs-skill]].)*