Ta bedre beslutninger med Bayesian Sannsynlighet, den smarte måten å vurdere risiko

Det er anslått at menneskelige voksne gjør om 35 000 beslutninger om dagen - andelen gode beslutninger avhenger av den voksne. Disse valgene kan være like banale som å bestemme seg for å rulle eller knuse toalettpapir eller som følelsesmessig komplisert som å løse for å forlate et forhold. Og fordi mennesker er underlagt snarere enn mestere av deres følelsesmessige forstyrrelser, er strategier og intellektuelle rammer nødvendig for alle som håper å fungere på en fornuftig måte. Dessverre får vi ikke alltid de beste verktøyene. Måten folk flest tenker på, er for eksempel dårlig egnet til det moderne.

På en gitt dag vil enhver gitt person som bor i et moderne samfunn engasjere seg i organisasjoner, maskiner og prismodeller som de ikke forstår fullt ut. De fleste nærmer seg disse daglige oppgavene på en praktisk måte, ved å bruke den informasjonen de har for å maksimere muligheten for et vellykket resultat. Dette er i hovedsak hva våre foreldre lærer oss å gjøre som barn. Dette er ofte hva folk mener når de snakker om «logikk». Men dette er også en ofte utilstrekkelig prosess. Når det er betydelige kunnskapshull, er det bare litt forskjellig fra gjetting. Vi er kort sagt å tenke på sannsynlighet på en ineffektiv måte. I stedet for å fokusere på utfall, bør vi fokusere på vår forståelse av situasjoner som bruker de kjerneide ideene om bayesisk sannsynlighet.

Bayesian sannsynlighet inkorporerer grader av tro over historiske frekvenser: Tanken er at beslutninger utført av usikkerhet blir informert av hva noen opprinnelig vet og oppdateres når man møter ny informasjon. Tanken er å minimere risiko mens du maksimerer læring. I stedet for å nærme seg problemer som monolitiske, skar Bayesians dem opp i mer fordøyelige stykker. Kunnskap er akkumulert underveis.

For å forstå hvordan dette virker, må du gjøre matematikken. Den sentrale ligningen, også kjent som Bayes 'regel, ble formulert av Thomas Bayes, en engelsk prestemann og matematiker som døde i 1761. Den forutser rekkefølgen av hendelser som fører til et utfall. I ligningen står T for hypotesen som skal testes, og E representerer de nye beviser som enten vil bekrefte eller motbevise hypotesen. Troen her er ikke objektive, men betinget av tidligere antagelser og hva som læres underveis.

I likningen kan beslutningstakere tildele sannheter til deler av informasjon og hendelser på samme tid, og legger sannsynligheten for at en underliggende antagelse viser seg på toppen av sannsynligheten for et resultat.

I en 2011-rapport hevdet professor Norman Fenton professor Norman Fenton at den mest effektive måten å ta avgjørelser på er gjennom probabilistiske modeller bygget av bayesiske nettverk. Han skriver at finanskrisen i 2008 var en våkne samtale som folk og finansielle systemer trenger å bli bedre i risikovurdering. Mens Bayesian sannsynlighet har eksistert som en kritisk konstruksjon siden 1500-tallet, er det ikke bredt brukt eller undervist. Og selv om det er åpenbart at Bayesian tanke gjelder for økonomi, gir det også mening om en myriad annen situasjon.

"For å håndtere slike problemer konsekvent og effektivt, trenger vi en streng metode for å kvantifisere usikkerhet som gjør at vi kan kombinere data med ekspertvurdering, skriver Fenton. "Bayesian sannsynlighet er en slik tilnærming."

Fenton gjør saken for den økte anvendelsen av Bayesian teori, men den har blitt vedtatt før - og til god effekt. Alan Turing brukte bayesiske statistikker når de sprakk kodene under andre verdenskrig. Den eneste grunnen til at den ikke populariserte en ny måte å tenke på var at ingen fant ut før informasjonen ble avklassifisert i 2012. Det var også året Nate Silver brukte Bayes 'ligning for å forutsi valgresultatene for 2012 med imponerende nøyaktighet.

Bayesian sannsynlighet er bedre enn andre fremtidsspecifikke systemer fordi det også er en av de få metodene som står for hvordan uforutsigbare mennesker virkelig er. Mens det inkorporerer det man vet, reagerer det også på det faktum at menneskelig valg stadig er påvirket av kontekstuelle og situasjonelle variabler. Dette er nyttig om du prøver å finne ut hvilke aksjer som skal investeres i, eller hvilken fruktplate vil være mest vellykket på din potluck.

Men hvordan kan du bruke det i dag? Enkelt: Tenk på hva du tror du vet, og hvorfor du tror du vet det før du tar en beslutning. Tenk deretter på om denne beslutningen vil tillate deg å bekrefte eller nekte mistanke. Det er ganske mye så lett. Det handler om å ha disiplinen å fokusere på hvorfor av det som skjer i stedet for den enkle virkeligheten av hendelsene. Bare fordi noe skjer ikke gjør det sannsynlig.