Aktualisiere Überzeugungen graduell, nicht vollständig

Behandle neue Informationen als Beleg, der Wahrscheinlichkeiten verschiebt, nicht als Beweis, der alles verändert.

Why it works

Wenn Menschen Überzeugungen als Reaktion auf neue Informationen aktualisieren, neigen sie dazu, sie entweder zu ignorieren (Konservatismus-Verzerrung) oder zu einer Beinahe-Gewissheit überzukorrigieren (Repräsentativität). Bayesianische Aktualisierung – der mathematisch korrekte Ansatz – erfordert, die Vorwahrscheinlichkeit mit dem Wahrscheinlichkeitsverhältnis des neuen Belegs zu multiplizieren. Selbst eine informelle Version davon (wie viel wahrscheinlicher wäre dieser Beleg, wenn meine Hypothese wahr ist, im Vergleich zu falsch?) erzeugt besser kalibrierte Überzeugungen.

How to do it

1. Formuliere deine aktuelle Wahrscheinlichkeitsschätzung, bevor du neue Belege betrachtest.
2. Frage: „Wie viel wahrscheinlicher (oder unwahrscheinlicher) ist dieser Beleg, wenn meine Hypothese korrekt ist, im Vergleich zu falsch?“
3. Verschiebe deine Wahrscheinlichkeit proportional zu diesem Verhältnis – nicht auf 0 % oder 100 %, es sei denn, der Beleg ist wirklich eindeutig.

Evidenz

Bayesianisches Schließen ist der normative Standard in der Wahrscheinlichkeitstheorie. Menschen weichen systematisch in beide Richtungen davon ab (Über- und Unterkorrektur), je nachdem, ob der Beleg anschaulich oder abstrakt ist. Training im bayesianischen Schließen verbessert die Kalibrierung. (observational)

Formale bayesianische Berechnung ist für Alltagsentscheidungen nicht praktikabel; das Ziel ist die Gewohnheit proportionaler Aktualisierung, nicht präzise Berechnung.

Quellen

• Kahneman (2011), Thinking, Fast and Slow — review of representativeness and Bayesian deviation research
• Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251.
• Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131.

Häufiger Fehler

Einen einzelnen bestätigenden Datenpunkt als nahen Beweis zu behandeln – genau das ist die Repräsentativitätsheuristik: eine Geschichte, die zu deiner Hypothese passt, fühlt sich an, als würde sie die Hypothese beweisen.