Принимайте лучшие решения с байесовской вероятностью, умный способ учитывать риск

Подсчитано, что взрослые люди принимают около 35 000 решений в день - процент хороших решений зависит от взрослых. Этот выбор может быть таким же банальным, как решение свернуть или смять туалетную бумагу, или эмоционально сложным, как решение оставить отношения. И поскольку люди подвержены, а не контролируют свои эмоциональные предубеждения, стратегии и интеллектуальные рамки необходимы для любого, кто надеется функционировать разумным образом. К сожалению, нам не всегда дают лучшие инструменты. Например, то, как большинство людей думают о вероятности, плохо подходит современному.

В любой день любой конкретный человек, живущий в современном обществе, будет взаимодействовать с организациями, машинами и моделями ценообразования, которые они не в полной мере понимают. Большинство людей подходят к этим ежедневным головоломкам на практике, используя информацию, которая им нужна, чтобы максимизировать возможность успешного результата. Это, по сути, то, что наши родители учат нас делать как дети. Это часто то, что люди имеют в виду, когда говорят о «логике». Но это также часто неадекватный процесс. Когда имеются значительные пробелы в знаниях, это лишь незначительно отличается от догадок. Короче говоря, мы думаем о вероятности неэффективно. Вместо того, чтобы сосредотачиваться на результатах, мы должны сосредоточиться на нашем понимании ситуаций, используя основные идеи байесовской вероятности.

Байесовская вероятность включает в себя степень убежденности по историческим частотам. Идея состоит в том, что решения, принимаемые из неопределенности, основываются на том, что кто-то изначально знает, и обновляются по мере того, как кто-то встречает новую информацию. Идея состоит в том, чтобы минимизировать риск при максимальном обучении. Вместо того, чтобы рассматривать проблемы как монолитные, байесовцы разбивают их на более легкоусвояемые части. Знания накапливаются по пути.

Чтобы понять, как это работает, вы должны сделать математику. Центральное уравнение, также известное как правило Байеса, было сформулировано Томасом Байесом, английским священнослужителем и математиком, который умер в 1761 году. Оно предсказывает последовательность событий, приведших к исходу. В уравнении T обозначает проверяемую гипотезу, а E представляет новые доказательства, которые либо подтвердят, либо опровергнут гипотезу. Представления здесь не объективны, а обусловлены предыдущими предположениями и тем, что изучается на этом пути.

Уравнение позволяет лицам, принимающим решения, назначать вероятности для фрагментов информации и событий одновременно, выстраивая вероятность основного предположения, доказывающего поверх вероятности результата.

В статье 2011 года профессор университета Королевы Марии Норман Фентон утверждал, что наиболее эффективный способ принимать решения - это вероятностные модели, построенные на основе байесовских сетей. Он пишет, что финансовый кризис 2008 года стал тревожным звонком, в котором людям и финансовым системам нужно лучше оценивать риски. Хотя байесовская вероятность существует как критическая конструкция с 16-го века, она широко не применяется и не преподается. И хотя очевидно, что байесовская мысль применима к финансам, она также имеет смысл для множества других ситуаций.

«Для последовательного и эффективного решения подобных проблем нам необходим строгий метод количественной оценки неопределенности, который позволяет объединять данные с экспертными оценками», - пишет Фентон. «Байесовская вероятность - такой подход».

Фентон обосновывает необходимость более широкого применения байесовской теории, но она была принята ранее - и с хорошим эффектом. Алан Тьюринг использовал байесовскую статистику при взломе кодов во время Второй мировой войны. Единственная причина, по которой он не популяризировал новый способ мышления, заключалась в том, что никто не узнал об этом, пока информация не была рассекречена в 2012 году. В этом же году Нейт Сильвер использовал уравнение Байеса для прогнозирования результатов выборов 2012 года с впечатляющей точностью.

Байесовская вероятность лучше, чем у других систем прогнозирования будущего, потому что это также один из немногих методов, который объясняет, насколько непредсказуемыми являются люди. Хотя он включает в себя то, что он знает, он также реагирует на тот факт, что на выбор человека постоянно влияют контекстуальные и ситуационные переменные. Это полезно, пытаетесь ли вы выяснить, в какие акции инвестировать, или какая тарелка с фруктами будет наиболее успешной в вашей ситуации.

Но как вы можете применить это сегодня? Просто: подумайте о том, что, по вашему мнению, вы знаете, и почему вы думаете, что знаете это, прежде чем принимать решение. Затем подумайте, позволит ли это решение подтвердить или опровергнуть ваши подозрения. Это довольно легко. Это вопрос наличия дисциплины, чтобы сосредоточиться на причинах того, что происходит, а не на простой реальности событий. Просто потому, что что-то происходит, не делает это вероятным.