Pratiques de coaching pour bayesian updating forecasting

Décrivez presque n'importe quoi sur lequel vous travaillez et IX Coach trouve les pratiques dont l'adéquation avec la réalité est la plus proche. Pour bayesian updating forecasting, voici les correspondances les plus solides dans la bibliothèque de pratiques actuelle.

Pratiques qui peuvent aider

1. Actualiser votre prévision de façon incrémentale à mesure que de nouvelles preuves arrivent
   Traitez votre prévision comme une probabilité qui devrait bouger avec chaque nouvelle preuve, pas comme un engagement qui survit à la contradiction.
   La prévision par classe de référence
2. Actualiser fréquemment les croyances, par petits incréments
   Quand de nouvelles preuves arrivent, ajustez votre estimation de probabilité — même si le changement est faible.
   La superprévision
3. La pensée bayésienne : comment mettre à jour ses croyances rationnellement
   La pensée bayésienne est la pratique consistant à tenir ses croyances comme des probabilités et à les mettre à jour systématiquement quand une nouvelle preuve arrive — plutôt que de traiter les croyances comme simplement vraies ou fausses. Le cadre mathématique est bien établi ; le défi est de construire les habitudes d'estimation explicite des probabilités et de mise à jour honnête des croyances qui le rendent praticable.
4. Mettez à jour vos croyances progressivement, pas d'un coup
   Une nouvelle preuve devrait déplacer votre probabilité quelque peu — rarement de 5 % à 95 % en une étape.
   La pensée bayésienne : comment mettre à jour ses croyances rationnellement
5. La prévision par classe de référence
   La prévision par classe de référence, développée par Daniel Kahneman et Amos Tversky puis formalisée par Bent Flyvbjerg, améliore la précision des prévisions en s’ancrant sur la distribution statistique des résultats de projets passés similaires plutôt que sur les détails du projet actuel. La méthode corrige de façon fiable le biais d’optimisme qui gonfle les estimations de coût, de temps et de bénéfice en planification — la base de preuves ici est réelle et précise.
6. Mettez à jour vos croyances par degrés, pas en bloc
   Traitez une nouvelle information comme une preuve qui déplace les probabilités, non comme une preuve qui change tout.
   La négligence du taux de base : pourquoi nous ignorons les probabilités
7. S'en remettre fortement aux taux de base en entrant dans un domaine où l'on manque d'expérience
   En terrain inconnu, la distribution de la classe devrait presque entièrement gouverner la prévision.
   La vue extérieure
8. Utilisez des classes de référence pour ancrer les estimations personnelles dans des taux de base
   Avant d'estimer comment votre situation va se dérouler, trouvez des situations passées similaires et vérifiez ce qui s'est passé.
   La pensée bayésienne : comment mettre à jour ses croyances rationnellement
9. Mettre à jour progressivement à mesure que les preuves arrivent plutôt que d'attendre la certitude
   Énoncez votre meilleure estimation actuelle de probabilité, identifiez ce qui la ferait bouger, et mettez à jour quand cette preuve arrive.
   L'aversion à l'ambiguïté — pourquoi les probabilités inconnues semblent pires que les mauvaises probabilités
10. S’ancrer sur le taux de base avant d’ajouter les détails de la vue de l’intérieur
    Commencez votre prévision à partir de la médiane de la classe, puis ajustez — ne partez pas de votre récit pour l’ajuster vers le taux de base.
    La prévision par classe de référence

Décrivez votre situation avec vos propres mots pour rechercher dans la bibliothèque complète de pratiques.