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.
Why it works
Toutes les preuves ne sont pas égales ; leur force est déterminée par leur rapport de vraisemblance : à quel point la preuve est plus (ou moins) probable dans le monde où l'hypothèse est vraie par rapport au monde où elle est fausse. Une preuve également probable sous les deux hypothèses ne porte aucune information. Ce cadrage tranche dans l'erreur courante qui consiste à traiter « la preuve que j'aime » comme une preuve solide et « la preuve que je n'aime pas » comme une preuve faible.
How to do it
- Énoncez les deux hypothèses explicitement : H₁ (ce que vous croyez) et H₂ (l'alternative).
- Demandez-vous : « Verrais-je cette preuve plus souvent si H₁ était vraie, ou si H₂ était vraie ? »
- Si H₁ rend la preuve beaucoup plus probable, c'est une preuve forte pour H₁.
- Si H₂ prédit aussi facilement la preuve, celle-ci vous met à jour à peine.
Données probantes
Le rapport de vraisemblance est la mesure formelle de la force probante en statistique bayésienne et en théorie de la détection du signal. Son utilisation comme heuristique de raisonnement pratique est soutenue par la recherche en calibration montrant qu'elle surpasse la pondération intuitive des preuves. (mechanistic)
Appliquer les rapports de vraisemblance verbalement est une approximation de la méthode formelle ; l'appareil bayésien formel exige des probabilités quantifiées que les croyances du monde réel manquent souvent.
Erreur fréquente
Traiter une preuve comme forte simplement parce qu'elle existe — « il y a une preuve pour X » — sans se demander à quel point cette preuve serait plus courante dans un monde où X est vrai par rapport à faux.
Pratiquez cela avec IX Coach
More practices for La pensée bayésienne : comment mettre à jour ses croyances rationnellement
- 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.
- 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.
- Pratiquez la calibration en suivant vos prédictions de confiance
Vos croyances à « 80 % de confiance » devraient se réaliser environ 80 % du temps — vérifiez que c'est le cas.
- Cherchez activement une preuve qui infirmerait votre croyance
Demandez-vous : « Qu'est-ce qui me ferait changer d'avis ? » puis cherchez exactement cela.
- 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.
- Traduisez vos croyances en paris pour révéler votre véritable confiance
Parieriez-vous 100 $ sur cette croyance à cote égale ? La réponse révèle souvent l'écart entre confiance affirmée et confiance réelle.
Concepts associés
- Système 1, Système 2, rendus utilisables
Two systems, the biases they create, and when to slow down
- Modèles mentaux : l'approche du treillis de Charlie Munger
Building the multi-disciplinary toolkit that lets you see what single-discipline thinkers miss
- Le biais de confirmation : voir ce que l'on s'attend à voir
The most pervasive cognitive bias and the practices that actually chip away at it
- La pensée en valeur attendue : décider dans l'incertitude
The math of rational choice under uncertainty, its real limits, and how to use it anyway