Actualiza las creencias de forma incremental, no de golpe
La nueva evidencia debería desplazar tu probabilidad de alguna manera — rara vez de 5% a 95% en un solo paso.
Why it works
La actualización bayesiana es proporcional: la evidencia fuerte produce grandes actualizaciones; la evidencia débil produce pequeñas. La mayoría de la gente actualiza demasiado poco (anclaje) o demasiado dramáticamente (representatividad: tratar un caso vívido como decisivo). La actualización proporcional — multiplicar tu probabilidad previa por la razón de verosimilitud que aporta la evidencia — es lo que realmente prescribe la matemática, y casi nunca es tan grande como un giro de todo o nada.
How to do it
- Cuando llegue nueva evidencia, pregunta: "¿Qué tan más probable sería esta evidencia si mi creencia fuera verdadera frente a falsa?"
- Usa esa razón para mover tu probabilidad proporcionalmente, no para invertirla.
- Si la evidencia es débil o ambigua, muévete un poco; si es fuerte y sorprendente, muévete más.
- Rastrea dos o tres creencias importantes a lo largo del tiempo y registra cada actualización — esto construye intuición de calibración.
Evidencia
El sesgo de conservadurismo — actualizar demasiado poco en relación con las normas bayesianas — está documentado en múltiples estudios de juicio. Su contraparte, la sobrerreacción a casos vívidos únicos, está igualmente bien documentada. Ambos son desviaciones de la actualización proporcional. Los experimentos incentivados de Grether mostraron que la sobrerreacción tiene un motor específico — la heurística de representatividad distorsiona sistemáticamente cómo la gente sopesa el término de verosimilitud frente a la probabilidad previa. (observational)
Los estudios experimentales usan problemas de probabilidad simples y controlados; las creencias del mundo real involucran más ambigüedad sobre lo que realmente establece la evidencia.
Fuentes
- Edwards (1968), conservatism in human information processing, in Formal Representation of Human Judgment
- Grether, D. M. (1980). Bayes rule as a descriptive model: The representativeness heuristic. The Quarterly Journal of Economics, 95(3), 537-557.
Error común
Tratar cualquier evidencia confirmatoria como prueba y cualquier evidencia contradictoria como excepción — que es el sesgo de confirmación expresado como actualización selectiva.
Practica esto con IX Coach
More practices for Pensamiento Bayesiano: Cómo Actualizar Creencias Racionalmente
- Declara tu probabilidad previa antes de ver la evidencia
Antes de mirar cualquier dato, comprométete a una estimación numérica de qué tan probable es algo.
- Evalúa la evidencia por su razón de verosimilitud, no por cómo te hace sentir
Pregunta qué tan más probable sería esta evidencia si tienes razón frente a si te equivocas.
- Practica la calibración rastreando tus predicciones de confianza
Tus creencias "80% seguras" deberían cumplirse alrededor del 80% de las veces — comprueba que así sea.
- Busca activamente evidencia que refutaría tu creencia
Pregunta: "¿Qué cambiaría mi opinión?" y luego busca exactamente eso.
- Usa clases de referencia para fundamentar estimaciones personales en tasas base
Antes de estimar cómo se desarrollará tu situación, encuentra situaciones pasadas similares y comprueba qué pasó.
- Traduce las creencias en apuestas para revelar tu verdadera confianza
¿Apostarías $100 a esa creencia en igualdad de condiciones? La respuesta a menudo revela la brecha entre la confianza declarada y la real.
Conceptos relacionados
- Pensar Rápido, Pensar Despacio, Hecho Utilizable
Two systems, the biases they create, and when to slow down
- Modelos Mentales: El Enfoque de Retícula de Charlie Munger
Building the multi-disciplinary toolkit that lets you see what single-discipline thinkers miss
- Sesgo de Confirmación: Ver Lo Que Esperas Ver
The most pervasive cognitive bias and the practices that actually chip away at it
- Pensamiento de Valor Esperado: Decidir Bajo Incertidumbre
The math of rational choice under uncertainty, its real limits, and how to use it anyway