Gumawa ng Mas mahusay na Desisyon Sa Bayesian Probability, ang Smart Way upang Isaalang-alang ang Panganib

Tinataya na ang mga taong nasa hustong gulang ay gumawa ng mga 35,000 desisyon bawat araw - ang porsyento ng mabubuting desisyon ay depende sa adult. Ang mga pagpipilian na ito ay maaaring maging banal bilang pagpapasya upang roll o crumple toilet paper o bilang damdamin kumplikado bilang paglutas upang mag-iwan ng isang relasyon. At dahil ang mga tao ay napapailalim sa halip na mga panginoon ng kanilang emosyonal na biases, ang mga estratehiya at intelektwal na mga balangkas ay kinakailangan para sa sinumang umaasa na gumana sa isang makatwirang paraan. Sa kasamaang palad, hindi kami laging binibigyan ng pinakamahusay na mga tool. Ang paraan ng pag-iisip ng karamihan sa mga tao tungkol sa posibilidad, halimbawa, ay hindi angkop sa modernong.

Sa anumang ibinigay na araw, ang sinumang tao na nakatira sa isang modernong lipunan ay makikipag-ugnayan sa mga organisasyon, machine, at mga modelo ng pagpepresyo na hindi nila lubos na nauunawaan. Karamihan sa mga tao ay nalalapit sa mga pang-araw-araw na puzzle sa isang praktikal na paraan, sa pamamagitan ng paggamit ng impormasyon na mayroon sila upang i-maximize ang pagkakataon para sa isang matagumpay na kinalabasan. Ito ay mahalagang kung ano ang itinuturo sa atin ng ating mga magulang na gawin bilang mga bata. Ito ay madalas na kung ano ang ibig sabihin ng mga tao kapag pinag-uusapan nila ang tungkol sa "lohika." Ngunit ito ay isang madalas na hindi sapat na proseso. Kapag may mga makabuluhang kaalaman gaps ito ay naiiba lamang bahagyang mula sa paghula. Kami ay, sa maikli, pag-iisip tungkol sa posibilidad sa isang hindi mahusay na paraan. Sa halip na tumuon sa mga kinalabasan, dapat nating ituon ang ating pang-unawa sa mga sitwasyon gamit ang mga pangunahing ideya ng Bayesian na posibilidad.

Ang posibilidad ng Bayesian ay nagsasama ng mga antas ng paniniwala sa mga makasaysayang mga frequency: Ang ideya ay ang mga desisyon na ginawa sa kawalan ng katiyakan ay alam ng isang tao na alam ng orihinal at na-update bilang isang nakatagpo ng bagong impormasyon. Ang ideya ay upang mabawasan ang panganib habang nagpapakinabang sa pag-aaral. Sa halip na lumapit sa mga problema bilang monolitik, ang mga Bayesians ay pinutol ang mga ito sa mas natutunaw na mga piraso. Ang kaalaman ay naipon sa daan.

Upang maunawaan kung paano ito gumagana, kailangan mong gawin ang matematika. Ang sentral na equation, na kilala rin bilang panuntunan ni Bayes, ay binuo ni Thomas Bayes, isang pari ng Ingles at dalubhasa sa matematika na namatay noong 1761. Inihula nito ang pagkakasunud-sunod ng mga kaganapan na humahantong sa isang kinalabasan. Sa equation, T ay kumakatawan sa hypothesis na pagsubok at E ay kumakatawan sa mga bagong piraso ng katibayan na alinman ay makukumpirma o magpapawalang-bisa sa teorya. Ang mga paniniwala dito ay hindi layunin, ngunit kondisyon sa mga naunang pagpapalagay at kung ano ang natutunan sa kahabaan ng paraan.

Ang equation ay nagbibigay-daan sa mga gumagawa ng desisyon upang magtalaga ng mga posibilidad sa mga piraso ng impormasyon at mga kaganapan sa parehong oras, layering ang posibilidad ng isang nakapaligid na palagay na nagpapatunay sa itaas ng posibilidad ng isang resulta.

Sa isang tala ng 2011 na propesor ng Queen Mary University na si Norman Fenton na ang pinaka-epektibong paraan upang gumawa ng mga pagpapasya ay sa pamamagitan ng mga probabilistic na modelo na binuo mula sa mga network ng Bayesian. Isinulat niya na ang 2008 krisis sa pinansya ay isang wake up call na kailangan ng mga tao at pinansiyal na sistema upang makakuha ng mas mahusay sa pagtatasa ng panganib. Habang ang Bayesian na posibilidad ay umiiral bilang isang kritikal na construct mula noong ika-16 siglo, ito ay hindi malawak na inilapat o itinuro. At habang malinaw na ang pag-iisip ng Bayesian ay nalalapat sa mga pananalapi, ito rin ay may katuturan ng maraming iba pang sitwasyon.

"Upang makitungo sa mga ganitong uri ng mga problema sa patuloy at epektibong kailangan namin ang isang mahigpit na paraan ng pag-quantifying ng kawalan ng katiyakan na nagbibigay-daan sa amin upang pagsamahin ang data sa ekspertong paghatol," writes Fenton. "Bayesian posibilidad ay tulad ng isang paraan."

Ginagawa ni Fenton ang kaso para sa nadagdagang aplikasyon ng teorya ng Bayesian, ngunit ito ay pinagtibay bago - at sa mabuting epekto. Ginamit ni Alan Turing ang mga istatistika ng Bayesian kapag nag-crack ng mga code noong Ikalawang Digmaang Pandaigdig. Ang tanging dahilan na hindi ito nagpapakilala ng isang bagong paraan ng pag-iisip ay walang sinuman ang natuklasan hanggang ang impormasyon ay idineklara noong 2012. Iyon din ang taon na ginagamit ng Nate Silver ang equation ng Bayes upang mahulaan ang mga resulta ng halalan ng 2012 na may kahanga-hangang katumpakan.

Ang Bayesian na posibilidad ay mas mahusay kaysa sa ibang mga sistema ng hinaharap-hinula dahil ito rin ay isa sa ilang mga pamamaraan na tumutukoy kung paano talaga ang mga hindi inaasahang tao. Habang isinasama nito ang alam ng isang tao, tumutugon din ito sa katotohanan na ang pagpili ng tao ay patuloy na apektado ng mga konteksto at situational variable. Nakatutulong ito kung sinusubukan mong malaman kung anong mga stock ang mamuhunan, o kung anong prutas ang magiging pinakamatagumpay sa iyong potluck.

Ngunit paano mo ito maisasagawa ngayon? Simple: Mag-isip tungkol sa kung ano sa tingin mo alam mo at kung bakit sa tingin mo alam mo ito bago gumawa ng isang desisyon. Pagkatapos isipin ang tungkol sa kung ang desisyon na ito ay magpapahintulot sa iyo na kumpirmahin o tanggihan ang iyong mga hinala. Ito ay medyo magkano na madali. Ito ay isang bagay ng pagkakaroon ng disiplina upang tumutok sa kung bakit sa kung ano ang mangyayari sa halip na ang simpleng katotohanan ng mga kaganapan. Sapagkat ang isang bagay na mangyayari ay hindi na posible.