Защита экстремальных предсказаний?

Ранее мы познакомились с Томом В. для иллюстрации предсказаний дискретных результатов, к примеру области специализации либо успеха на экзамене, каковые выражаются присвоением возможности определенному событию (либо, при с Томом, размещением результатов от самый до наименее возможного). Я кроме этого обрисовал процесс противодействия распространенным искажениям дискретных предсказаний: пренебрежению априорными возможностями и нечувствительности к качеству информации.
Искажения в прогнозах, выражающихся в шкале, как, к примеру, средний балл либо доход компании, сходны с искажениями, наблюдающимися при оценке возможностей финалов.
Процедуры коррекции кроме этого схожи:

• Обе содержат исходное предсказание, которое бы вы сделали при отсутствии информации. При с категориями это были априорные возможности, при с цифрами – средний итог в соответствующей категории.
• Обе оценки содержат интуитивное предсказание, высказывающее пришедшее в голову число, независимо от того, возможность это либо средний балл.
• И в том и другом случае ваша цель – дать прогноз, находящийся посередине между исходным предсказанием и вашим интуитивным ответом.
• При, в то время, когда нет никаких данных, вы придерживаетесь исходного прогноза.
• В другом крайнем случае вы придерживаетесь собственного интуитивного прогноза. Очевидно, это случится, если вы останетесь в нем уверены, критически пересмотре в данные в его пользу.
• Значительно чаще вы определите причины сомневаться в существовании совершенной корреляции между истиной и вашим интуитивным прогнозом и в итоге окажетесь где-то посередине.

Эта процедура – аппроксимация возможных результатов надлежащего статистического анализа. При успехе она приведет вас к неискаженным прогнозам, разумным умеренным предсказаниям и оценкам вероятности численных результатов. Обе процедуры направлены на устранение одного и того же искажения: интуитивные прогнозы, в большинстве случаев, отличаются чрезмерной уверенностью и экстремальностью.

Коррекция интуитивных предсказаний – задача для Совокупности 2. Для поиска соответствующей референтной категории, и для оценки качества и исходного прогноза данных требуются большие упрочнения. Они оправданы только при, в то время, когда ставки высоки, а вы усиленно стремитесь не допустить неточности. Более того, нужно не забывать, что коррекция предсказаний может осложнить вам жизнь. Неискаженные прогнозы отличаются тем, что разрешают предвещать редкие либо экстремальные события только при наличии весьма хорошей информации. Если вы ожидаете от своих предсказаний умеренной надежности, вы ни при каких обстоятельствах не предугадаете редкий либо далекий от среднего итог. Если вы даете неискаженные прогнозы, вам ни при каких обстоятельствах не испытать наслаждения верно назвать редкий случай. Вы ни при каких обстоятельствах не сможете сообщить: «Я так и думал!», в то время, когда ваш студент-юрист станет главным судьей либо в то время, когда новая компания, казавшаяся вам весьма перспективной, в итоге добьется огромного коммерческого успеха. С учетом ограничений данных вы ни при каких обстоятельствах не предскажете, что талантливый старшеклассник будет обучаться на «превосходно» в Принстоне. По тем же обстоятельствам венчурному капиталисту ни при каких обстоятельствах не сообщат, что в начале развития у новой компании «довольно высокая» возможность успеха.
Возражения относительно принципа смягчения интуитивных прогнозов направляться принимать действительно, по причине того, что отсутствие искажений – не всегда серьёзнее всего. Неискаженные прогнозы предпочтительны, в случае если все неточности равнозначны, независимо от их направления. Но видятся обстановке, в которых один тип неточностей намного хуже другого. В то время, когда венчурный капиталист ищет новый проект, риск потерять новый Гугл либо Facebook намного ответственнее, чем риск положить скромную сумму в обыкновенную новую компанию. Цель венчурных капиталистов – распознать особенные случаи, даже в том случае, если вследствие этого они переоценят возможности многих вторых фирм. Для консервативного банкира, дающего громадные займы, риск банкротства одного заемщика может перевесить риск отказа нескольким потенциальным клиентам, каковые выполнили бы собственные обязательства. В таких случаях применение категоричных выражений («хорошие возможности», «важный риск неплатежеспособности») возможно оправдано для успокоения, даже в том случае, если информац ия, на которой они основаны, всего лишь умеренно надежна.
Для разумного человека неискаженные умеренные предсказания не воображают неприятности. В итоге, разумные венчурные капиталисты знают, что кроме того у самых многообещающих новых компаний шансы на успех очень ограничены. Их работа – выбрать лучшие из имеющихся, и они не ощущают потребности обманывать себя относительно перспектив проекта, в который планируют вложить деньги. Соответственно, рациональные индивиды, предвещающие доход компании, не будут привязываться к одному числу, а разглядят диапазон неопределенности около самого возможного результата. Разумный человек, оценив предприятие, которое, вероятнее, потерпит неудачу, может положить в него большую сумму, в случае если приз за успех будет велика, – но наряду с этим не будет питать иллюзий по поводу шансов на подобный финал. Но не все мы рациональны, и многим нужно чувствовать себя защищенными от искаженных оценок, в противном случае свойство принимать р ешения будет парализована. Если вы решите обманывать себя, принимая экстремальные прогнозы, помните о том, что вы потакаете собственным жаждам.
Мои корректирующие процедуры полезны тем, что заставляют думать об количестве известной вам информации. Разглядим следующий, распространенный в научном мире пример, вызывающий прямые аналогии с другими сферами судьбы: факультет планирует нанять молодого учителя и желает выбрать кандидата с наилучшим потенциалом для научной работы. Выбор свелся к двоим.

Ким сравнительно не так давно закончила дипломный проект. У нее хорошие советы, она превосходно выступила и произвела на всех красивое чувство на протяжении собеседований. Важной истории научных изучений у нее нет.

Джейн последние три года занимала должность постдокторанта. Она весьма действенно трудилась, совершила множество изучений, но собеседования и доклад были не такими броскими, как у Ким.

Интуитивно хочется выбрать Ким, по причине того, что она произвела более яркое впечатление, а что ты видишь, то и имеется. Но информации о Ким значительно меньше, чем о Джейн. Мы возвратились к закону малых чисел. По сути, выборка информации о Ким меньше, чем о Джейн, а в мелких выборках намного чаще наблюдаются экстремальные результаты. В них бо?льшую роль играется успех, соответственно, предсказания результатов Ким нужно посильнее сместить к среднему. Допустив, что Ким регрессирует посильнее, чем Джейн, в полной мере возможно выбрать Джейн, не смотря на то, что она произвела на вас более не сильный чувство. Делая выбор в научной среде, я бы голосовал за Джейн, не смотря на то, что и приложил бы кое-какие упрочнения для преодоления интуитивного впечатления о большей перспективности Ким. направляться предчувствиям естественнее и приятнее, чем функционировать вопреки им.
Легко представить себе похожие неприятности в других обстановках, к примеру, в то время, когда венчурному капиталисту нужно выбрать, в какую из двух новых компаний, работающ их на различных рынках, инвестировать . У одной компании имеется продукт, спрос на что возможно достаточно совершенно верно оценить. Вторая компания привлекательна и – с позиций интуиции – думается многообещающей, но ее возможности менее надежны. Стоит задуматься о том, сохранит ли прогноз возможностей второй компании собственную бо?льшую привлекательность по окончании учета неопределенности.

10 БЕЗУМНЫХ ПРЕДСКАЗАНИЙ НА 2019 ГОД


Также читать:

Понравилась статья? Поделиться с друзьями: