How does Update beliefs incrementally, not all at once work?

Bayesian updating is proportional: strong evidence produces large updates; weak evidence produces small ones. Most people update either too little (anchoring) or too dramatically (representativeness: treating one vivid case as decisive). The proportional update — multiplying your prior by the likelihood ratio the evidence provides — is what the math actually prescribes, and it is almost never as large as an all-or-nothing swing.

What is the most common mistake with Update beliefs incrementally, not all at once?

Treating any piece of confirming evidence as proof and any piece of disconfirming evidence as an exception — which is confirmation bias expressed as selective updating.

Actualiza las creencias de forma incremental, no toda de golpe

La nueva evidencia debería desplazar tu probabilidad algo, rara vez del 5 % al 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 las personas actualiza o bien demasiado poco (anclaje) o bien demasiado drásticamente (representatividad: tratar un caso vívido como decisivo). La actualización proporcional —multiplicar tu probabilidad previa por el cociente de verosimilitud que aporta la evidencia— es lo que la matemática realmente prescribe, y casi nunca es tan grande como un vuelco de todo o nada.

How to do it

Cuando llegue nueva evidencia, pregúntate: «¿Cuánto más probable sería esta evidencia si mi creencia fuera verdadera frente a falsa?»
Usa ese cociente para mover tu probabilidad de forma proporcional, 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 la intuición de calibración.

Evidencia

El sesgo de conservadurismo —actualizar demasiado poco respecto a las normas bayesianas— está documentado en múltiples estudios sobre el juicio. Su contraparte, la reacción exagerada ante casos únicos vívidos, está igualmente bien documentada. Ambas son desviaciones de la actualización proporcional. (observational)

Los estudios experimentales usan problemas de probabilidad simples y controlados; las creencias del mundo real implican más ambigüedad sobre lo que la evidencia realmente establece.

Sources

Edwards (1968), conservatism in human information processing, in Formal Representation of Human Judgment

Common mistake

Tratar cualquier evidencia confirmatoria como una prueba y cualquier evidencia desconfirmatoria como una excepción, que es el sesgo de confirmación expresado como actualización selectiva.

Practica esto con IX Coach

Start with IX Coach

7 days free, then $40/month (~$1.30/day).