Membuat Keputusan Lebih Baik Dengan Kemungkinan Bayesian, Jalan Pintar untuk Pertimbangkan Risiko

Dianggarkan bahawa dewasa manusia membuat kira-kira 35,000 keputusan sehari - peratusan keputusan yang baik bergantung kepada orang dewasa. Pilihan-pilihan ini boleh menjadi halus seperti membuat keputusan untuk menggulung atau meremukkan kertas tandas atau sebagai rumit emosional sebagai penyelesaian untuk meninggalkan hubungan. Dan kerana manusia adalah tunduk kepada tuan daripada kecenderungan emosi mereka, strategi dan rangka kerja intelektual diperlukan bagi sesiapa yang berharap berfungsi dengan cara yang munasabah. Malangnya, kami tidak selalu diberi alat terbaik. Cara kebanyakan orang berfikir tentang kebarangkalian, misalnya, tidak sesuai dengan yang moden.

Pada hari tertentu, mana-mana orang yang tinggal dalam masyarakat moden akan terlibat dengan organisasi, mesin, dan model harga yang mereka tidak faham sepenuhnya. Kebanyakan orang mendekati teka-teki harian ini secara praktikal, dengan menggunakan maklumat yang mereka perlu memaksimumkan peluang untuk mencapai hasil yang berjaya. Ini pada asasnya apa yang kita ajarkan oleh ibu bapa kita untuk menjadi kanak-kanak. Ini sering kali dikatakan oleh orang apabila mereka bercakap tentang "logik." Tetapi ini juga merupakan proses yang kerap tidak mencukupi. Apabila ada jurang pengetahuan yang signifikan ia hanya sedikit daripada meneka. Kami, ringkasnya, memikirkan kebarangkalian dengan cara yang tidak cekap. Daripada memberi tumpuan kepada hasil, kita perlu memberi tumpuan kepada pemahaman kita mengenai situasi yang menggunakan kebolehan teras Bayesian kebarangkalian.

Kebarangkalian Bayesian menggabungkan tahap kepercayaan terhadap frekuensi sejarah: Ideanya ialah keputusan yang dibuat dari ketidakpastian akan dimaklumkan oleh apa yang orang tahu dan mula dikemas kini sebagai salah satu maklumat baru. Idea ini adalah untuk mengurangkan risiko sambil memaksimumkan pembelajaran. Daripada mendekati masalah sebagai monolitik, Bayesians memotong mereka ke dalam kepingan yang lebih mudah dihadam. Pengetahuan terkumpul di sepanjang jalan.

Untuk memahami bagaimana ini berfungsi, anda perlu melakukan matematik. Persamaan pusat, yang juga dikenal sebagai aturan Bayes, diformulasikan oleh Thomas Bayes, seorang pendeta Inggris dan ahli matematik yang meninggal pada tahun 1761. Ia memprediksi urutan kejadian yang membawa kepada hasil. Dalam persamaan, T bermaksud hipotesis yang sedang diuji dan E mewakili kepingan-kepingan baru bukti yang sama ada mengesahkan atau membuktikan hipotesis. Kepercayaan di sini adalah tidak objektif, tetapi bersyarat dengan andaian awal dan apa yang dipelajari di sepanjang jalan.

Persamaan ini membolehkan para pembuat keputusan untuk menetapkan kemungkinan kepada beberapa maklumat dan peristiwa pada masa yang sama, meletakkan kemungkinan asumsi mendasari yang membuktikan kemungkinan kemungkinan sesuatu keputusan.

Dalam makalah 2011 profesor Universiti Queen Mary Norman Fenton berhujah bahawa cara paling berkesan untuk membuat keputusan adalah melalui model probabilistik yang dibina daripada rangkaian Bayesian. Beliau menulis bahawa krisis kewangan 2008 adalah panggilan bangun bahawa orang dan sistem kewangan perlu lebih baik pada penilaian risiko. Manakala kebarangkalian Bayesian telah wujud sebagai membina kritikal sejak abad ke-16, ia tidak digunakan atau diajar secara umum. Dan sementara jelas bahawa pemikiran Bayesian berlaku untuk kewangan, ia juga masuk akal situasi lain yang banyak.

"Untuk menangani masalah-masalah seperti ini secara konsisten dan berkesan, kita memerlukan kaedah yang ketat untuk mengukur ketidakpastian yang membolehkan kita menggabungkan data dengan penilaian ahli," tulis Fenton. "Kebarangkalian Bayesian adalah pendekatan sedemikian."

Fenton menjadikan kes ini untuk meningkatkan penggunaan teori Bayesian, tetapi ia telah diterima pakai sebelum - dan memberi kesan yang baik. Alan Turing menggunakan statistik Bayesian ketika memecahkan kod semasa Perang Dunia II. Satu-satunya alasan bahawa ia tidak mempopularkan cara baru untuk berfikir adalah bahawa tiada siapa yang dapat mengetahui sehingga maklumat itu dikurangkan pada tahun 2012. Itu juga tahun Nate Silver menggunakan persamaan Bayes untuk meramalkan keputusan pilihan raya 2012 dengan ketepatan yang mengagumkan.

Kebarangkalian Bayesian adalah lebih baik daripada sistem meramal masa depan lain kerana ia juga merupakan salah satu daripada beberapa kaedah yang menyumbang kepada bagaimana manusia tidak dapat diramalkan. Walaupun ia menggabungkan apa yang orang tahu, ia juga bertindak balas kepada fakta pilihan manusia sentiasa dipengaruhi oleh pembolehubah kontekstual dan keadaan. Ini membantu sama ada anda cuba mencari saham yang akan dilaburkan, atau apa yang akan menjadi buah yang paling berjaya di potluck anda.

Tetapi bagaimana anda boleh menggunakannya hari ini? Mudah: Fikirkan tentang apa yang anda fikir anda tahu dan mengapa anda fikir anda tahu sebelum membuat keputusan. Kemudian fikirkan sama ada keputusan itu akan membolehkan anda mengesahkan atau menafikan syak wasangka anda. Ia cukup mudah. Ia adalah satu perkara yang mempunyai disiplin untuk memberi tumpuan kepada kenapa apa yang berlaku daripada kenyataan sebenar peristiwa. Hanya kerana sesuatu yang berlaku tidak membuatnya berkemungkinan.