Pratiques de coaching pour law de petit numbers
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 law de petit numbers, voici les correspondances les plus solides dans la bibliothèque de pratiques actuelle.
Pratiques qui peuvent aider
- Traiter les petits échantillons avec un scepticisme explicite
Une courte séquence peut sembler représentative sans être statistiquement fiable — ajustez la confiance selon la taille de l'échantillon.
L'heuristique de représentativité — juger par ressemblance - Demander le taux d'échec avant de célébrer le taux de réussite
Avant de tirer des leçons de toute histoire à succès, demandez : sur combien de tentatives cela a-t-il réussi ?
Le biais du survivant : apprendre de ce qu'on ne voit pas - Reconnaître que les séquences aléatoires ne « doivent » pas d'équilibre
Les processus aléatoires n'ont pas de mémoire — une série de piles ne rend pas face plus probable.
L'heuristique de représentativité — juger par ressemblance - Identifiez toujours le dénominateur en évaluant un risque ou un succès
Quand un chiffre ou une histoire est frappant, demandez : « Sur combien de cas au total ? »
La négligence du taux de base : pourquoi nous ignorons les probabilités - Choisir la bonne classe de référence pour toute prédiction
Trouvez le taux de base statistique pour la catégorie à laquelle appartient votre décision — pas seulement les exemples inspirants.
Le biais du survivant : apprendre de ce qu'on ne voit pas - Élaguer la complexité du modèle
Privilégiez le modèle le plus simple d'une situation qui colle encore à toutes les preuves.
Le rasoir d'Occam : privilégier l'explication la plus simple - Invoquez délibérément la vue externe pour les décisions importantes
Pour toute prédiction à fort enjeu, forcez-vous à partir de la façon dont les choses se passent typiquement, pas de ce que ressent votre situation.
La négligence du taux de base : pourquoi nous ignorons les probabilités - S'attendre à ce que les résultats extrêmes régressent vers la moyenne
Une performance inhabituellement bonne ou mauvaise prédit une performance plus moyenne la prochaine fois — tenez-en compte avant de louer ou blâmer.
L'heuristique de représentativité — juger par ressemblance - Peser les preuves réfutatrices plus lourdement que les preuves confirmatoires
Un seul contre-exemple solide l'emporte sur de nombreux exemples confirmatoires pour une affirmation universelle.
La pensée par falsification - Se méfier de la fausse précision dans les prévisions et modèles
Traitez toute probabilité précise ou prévision quantitative avec une suspicion explicite quant à savoir si le modèle correspond au domaine.
Le sophisme ludique : quand vous confondez la vraie vie avec un jeu
Préoccupations connexes
- hot main fallacy
Les processus aléatoires n'ont pas de mémoire — une série de piles ne rend pas face plus probable.
Reconnaître que les séquences aléatoires ne « doivent » pas d'équilibre
- petit sample size biais
Une courte séquence peut sembler représentative sans être statistiquement fiable — ajustez la confiance selon la taille de l'échantillon.
Traiter les petits échantillons avec un scepticisme explicite
- quand représentativité heuristique petit sample skepticism
Une courte séquence peut sembler représentative sans être statistiquement fiable — ajustez la confiance selon la taille de l'échantillon.
- éviter representativeness
L'heuristique de représentativité, identifiée par Daniel Kahneman et Amos Tversky, est le raccourci mental consistant à juger la probabilité de quelque chose selon sa ressemblance avec un prototype ou un stéréotype — substituant la question facile « à quel point ceci est-il similaire ? » à la question difficile « à quelle fréquence cela se produit-il réellement ? ». Elle est rapide et souvent utile, car la ressemblance et la fréquence corrèlent réellement la plupart du temps. Mais elle s'égare de façons reconnaissables : elle prime sur les taux de base (deviner qu'un inconnu discret et studieux est bibliothécaire plutôt que commercial, alors que les commerciaux sont bien plus nombreux que les bibliothécaires) ; elle produit le sophisme de conjonction, où une description détaillée et narrative est jugée plus probable que la catégorie plus large qui la contient ; elle traite les petits échantillons comme s'ils portaient la fiabilité des grands ; et elle fait paraître les séquences aléatoires non aléatoires, ce qui est le moteur du sophisme du joueur. La correction n'est pas de se méfier de l'intuition dans son ensemble mais de remarquer la substitution au moment où elle se produit et de demander délibérément le taux de base.
L'heuristique de représentativité — juger par ressemblance
- base rate neglect pourquoi nous ignore le odds après une perte
La négligence du taux de base est la tendance à sous-pondérer ou ignorer les probabilités préalables (la fréquence générale d'un événement) quand une information vivante et précise est disponible. Identifiée par Kahneman et Tversky, c'est l'un des biais les plus solidement répliqués de la recherche en jugement, et elle conduit à une surconfiance systématique dans les prédictions sur des cas particuliers. La corriger exige de rechercher ou d'estimer activement les taux de base avant d'évaluer une information individuelle.
La négligence du taux de base : pourquoi nous ignorons les probabilités
- comment nombreux tried survivorship
Cherchez les personnes qui ont essayé la même chose et n'ont pas réussi.
Chercher activement les échecs que vous ne voyez pas
Décrivez votre situation avec vos propres mots pour rechercher dans la bibliothèque complète de pratiques.