Pratiques de coaching pour likelihood ratio preuves
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 likelihood ratio preuves, voici les correspondances les plus solides dans la bibliothèque de pratiques actuelle.
Pratiques qui peuvent aider
- Évaluez la preuve par son rapport de vraisemblance, pas par ce qu'elle vous fait ressentir
Demandez-vous à quel point cette preuve serait plus probable si vous avez raison plutôt que si vous avez tort.
La pensée bayésienne : comment mettre à jour ses croyances rationnellement - 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 - Énoncez votre probabilité préalable avant de voir la preuve
Avant de regarder toute donnée, engagez-vous sur une estimation numérique de la probabilité de quelque chose.
La pensée bayésienne : comment mettre à jour ses croyances rationnellement - Identifier quelles caractéristiques sont réellement diagnostiques
Séparez les caractéristiques qui différencient réellement les catégories de celles qui complètent seulement le tableau.
L'heuristique de représentativité — juger par ressemblance - Vérifier les taux de base avant de former un jugement de ressemblance
Avant de décider « ceci ressemble à X », demandez à quel point X est réellement commun dans la population concernée.
L'heuristique de représentativité — juger par ressemblance - 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 - 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 - Distinguer le caractère vif de la fréquence
Une histoire marquante n'est pas une preuve qu'une chose est fréquente.
L'heuristique de disponibilité : pourquoi ce qui marque semble probable - Interroger si la similarité fait le travail
En évaluant une probabilité ou une qualité, demandez-vous si vous jugez vraiment la similarité à un prototype.
La substitution d'attribut : quand votre cerveau répond à une autre question - Dépouiller le récit et le reformuler comme une affirmation de fréquence brute
Traduisez le scénario vivant en une question statistique sèche pour voir s'il semble toujours probable.
Le sophisme de la conjonction — Quand « plus de détails » semble plus probable
Préoccupations connexes
- bayesian preuves force
Demandez-vous à quel point cette preuve serait plus probable si vous avez raison plutôt que si vous avez tort.
Évaluez la preuve par son rapport de vraisemblance, pas par ce qu'elle vous fait ressentir
- probability vs resemblance
En évaluant une probabilité ou une qualité, demandez-vous si vous jugez vraiment la similarité à un prototype.
Interroger si la similarité fait le travail
- proportional réponse biais
Avant de décider combien de temps, d'argent ou d'effort allouer, ancrez le montant à l'échelle du problème.
Concevez des réponses proportionnelles à l'échelle réelle avant que l'émotion ne les fixe
- 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
- bayes theorem pratique
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.
La pensée bayésienne : comment mettre à jour ses croyances rationnellement
- bayesian reasoning expliqué
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.
Décrivez votre situation avec vos propres mots pour rechercher dans la bibliothèque complète de pratiques.