Hinterfragen, ob die Kategorie, aus der du denkst, tatsächlich passt
Bevor du ein Modell oder Rahmenwerk anwendest, überprüfe, ob die Kategorie, auf der es aufbaut, wirklich zu deiner Situation passt.
Why it works
Der ludische Trugschluss ist grundlegend ein Kategorienfehler: Spiellogik auf Nicht-Spiel-Situationen angewendet. Jedes Modell oder Rahmenwerk wurde auf einer bestimmten Kategorie von Erfahrung aufgebaut. Wenn du es auf eine neue Situation anwendest, lautet die Frage, ob die Kategorie wirklich passt. Wenn sich die Mechanik deiner Situation von der Mechanik der Kategorie in relevanten Punkten unterscheidet, wird das Modell auf vorhersehbare Weise falsch liegen — die Kategorieannahmen des Modells melden sich nicht von selbst.
How to do it
- Liste vor der Anwendung eines Rahmenwerks oder Modells auf eine neue Situation die zentralen Annahmen auf, die es voraussetzt.
- Prüfe, ob deine Situation jede Annahme erfüllt.
- Wenn zwei oder mehr wesentliche Annahmen nicht erfüllt sind, suche ein anderes Rahmenwerk oder behandle Vorhersagen mit geringem Vertrauen.
Evidenz
Im Einklang mit Forschung zur Konstruktvalidität und mit der Literatur zur „Referenzklassen-Prognose“: Die Anwendbarkeit eines Modells hängt von korrekter Kategoriezuordnung ab, und Kategorienfehler erzeugen systematische Fehlvorhersage. Talebs Beitrag ist, dies auf Ebene des Zufalls-Regimes zu identifizieren. (mechanistic)
Talebs Beitrag ist begrifflich; kontrollierte Studien zu diesem spezifischen Prüfschritt gibt es nicht.
Häufiger Fehler
Die Kategoriepassung anhand der Kategorien zu prüfen, die der Rahmenwerk-Ersteller hervorgehoben hat, statt anhand der Annahmen, die die Vorhersagen des Modells tatsächlich antreiben.
Übe das mit IX Coach
More practices for Der Ludische Trugschluss: Wenn du das echte Leben mit einem Spiel verwechselst
- Prüfen, ob die Regeln deines Bereichs wirklich stabil sind
Bevor du ein Wahrscheinlichkeitsmodell anwendest, frage, ob sich die Regeln, die Ergebnisse steuern, mitten im Spiel ändern könnten.
- Pläne mit Spielraum für Ergebnisse außerhalb deines Modells bauen
Reserviere Kapazität für Ereignisse, die nicht in deinem Risikomodell stehen — weil die schädlichsten Ereignisse es meist nicht sind.
- Pläne über den historischen Bereich hinaus stresstesten
Frage, wie dein Plan standhält, wenn das schlechteste Ergebnis doppelt so schlimm ist wie jeder historisch beobachtete Fall.
- Positionen mit Optionalität gegenüber Präzisionspositionen bevorzugen
Priorisiere in ungewissen Umgebungen Optionen zur Kurswende gegenüber optimierten fixen Positionen.
- Sich vor falscher Präzision in Prognosen und Modellen hüten
Behandle jede präzise Wahrscheinlichkeit oder quantitative Prognose mit expliziter Skepsis, ob das Modell zum Bereich passt.
Verwandte Konzepte
- Der Erzähltrugschluss: Warum wir nicht aufhören können, Geschichten zu erfinden
How causal stories distort hindsight, forecast, and learning — and how to reduce their pull
- Schnelles Denken, langsames Denken, nutzbar gemacht
Two systems, the biases they create, and when to slow down
- Vernachlässigung der Basisrate: Warum wir die Wahrscheinlichkeiten ignorieren
How to let prior probabilities do their real work in your decisions