Gør bedre beslutninger med Bayesian Sandsynlighed, den smarte måde at overveje risiko

Det anslås, at menneskelige voksne tager omkring 35.000 beslutninger om dagen - andelen gode beslutninger afhænger af den voksne. Disse valg kan være så banale som at beslutte at rulle eller knuse toiletpapir eller så følelsesmæssigt kompliceret som at løse for at forlade et forhold. Og fordi mennesker er underlagt snarere end mestre af deres følelsesmæssige forspændinger, er strategier og intellektuelle rammer nødvendige for enhver, der håber at fungere på en rimelig måde. Desværre får vi ikke altid de bedste værktøjer. Den måde, de fleste mennesker tænker på sandsynlighed for, er for eksempel uegnet til det moderne.

På en given dag vil enhver given person, der lever i et moderne samfund, engagere sig i organisationer, maskiner og prismodeller, som de ikke fuldt ud forstår. De fleste mennesker nærmer sig disse daglige puslespil på en praktisk måde ved at bruge de oplysninger, de har til at maksimere muligheden for et vellykket resultat. Det er i det væsentlige, hvad vores forældre lærer os at gøre som børn. Det er ofte, hvad folk mener når de taler om "logik". Men det er også en ofte utilstrækkelig proces. Når der er betydelige videnforskelle, adskiller det sig kun lidt fra at gætte. Vi er kort sagt at tænke på sandsynlighed på en ineffektiv måde. I stedet for at fokusere på resultater skal vi fokusere på vores forståelse af situationer, der bruger de centrale ideer om bayesisk sandsynlighed.

Bayesian sandsynlighed inkorporerer grader af tro over historiske frekvenser: Tanken er, at beslutninger udstedt af usikkerhed informeres af, hvad en person oprindeligt ved og opdateres, da man møder ny information. Tanken er at minimere risikoen samtidig med at læringen maksimeres. I stedet for at nærme sig monolitiske problemer skærer bayeserne dem op i mere fordøjelige stykker. Viden er akkumuleret undervejs.

For at forstå, hvordan dette virker, skal du lave matematikken. Den centrale ligning, også kendt som Bayes 'regel, blev formuleret af Thomas Bayes, en engelsk præst og matematiker, der døde i 1761. Det forudsiger rækkefølgen af ​​begivenheder, der fører til et resultat. I ligningen står T for hypotesen, der skal testes, og E repræsenterer de nye beviser, der enten bekræfter eller modbeviser hypotesen. Troen her er ikke objektive, men betinget af forudgående antagelser og hvad der læres undervejs.

Ligningen giver beslutningstagere mulighed for at tildele sandsynligheder til informationstyper og begivenheder på samme tid og lægge sandsynligheden for en underliggende antagelse ud over sandsynligheden for et resultat.

I en 2011-papir fremførte professor Norman Fenton professor Norman Fenton, at den mest effektive måde at træffe beslutninger på er gennem probabilistiske modeller, der er bygget op af bayesiske netværk. Han skriver, at finanskrisen i 2008 var et vågne opkald, at folk og finansielle systemer skal blive bedre ved risikovurdering. Mens Bayesian sandsynlighed har eksisteret som en kritisk konstruktion siden det 16. århundrede, er det ikke bredt anvendt eller undervist. Og mens det er indlysende, at Bayesian tanke gælder for økonomi, giver det også mening om en utal af andre situationer.

"For at håndtere disse problemer problematisk og effektivt, har vi brug for en streng metode til at kvantificere usikkerhed, der gør det muligt for os at kombinere data med ekspertvurdering," skriver Fenton. "Bayesian sandsynlighed er en sådan tilgang."

Fenton gør sagen for den øgede anvendelse af Bayesian teori, men den er blevet vedtaget før - og med god effekt. Alan Turing brugte bayesiske statistikker, når der blev sprængningskoder under Anden Verdenskrig. Den eneste grund til, at den ikke populariserede en ny måde at tænke på, var, at ingen fandt ud af, før oplysningerne blev afklassificeret i 2012. Det var også året Nate Silver brugte Bayes 'ligning til at forudsige 2012-valgresultatet med imponerende nøjagtighed.

Bayesian sandsynlighed er bedre end andre fremtidsspecifikke systemer, fordi det også er en af ​​de få metoder, der tegner sig for, hvordan uforudsigelige mennesker virkelig er. Mens det inkorporerer det, man ved, svarer det også til det faktum, at menneskets valg konstant påvirkes af kontekstuelle og situationsmæssige variabler. Dette er nyttigt, om du forsøger at finde ud af, hvilke lagre der skal investeres i, eller hvilken frugtplade der vil være mest succesfuld på din potluck.

Men hvordan kan du anvende det i dag? Enkelt: Tænk på, hvad du tror du ved, og hvorfor du tror du kender det, før du træffer en beslutning. Derefter tænke over, om denne beslutning vil give dig mulighed for at bekræfte eller nægte dine mistanker. Det er ret så nemt. Det handler om at have disciplinen at fokusere på hvorfor af hvad der sker i stedet for den simple virkelighed af begivenheder. Bare fordi der sker noget, gør det ikke sandsynligt.