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.
Why it works
Nommer un préalable avant de voir la preuve fait deux choses : cela rend visible la mise à jour subséquente (vous pouvez voir jusqu'où vous avez bougé), et cela vous force à confronter les taux de base — la fréquence de fond d'un événement — plutôt que de raisonner uniquement à partir du cas présent. La recherche sur la négligence du taux de base montre que les gens ignorent systématiquement les fréquences de fond quand une information spécifique au cas est disponible ; un préalable énoncé les ancre.
How to do it
- Avant d'examiner toute nouvelle preuve, demandez-vous : « Quel est le taux de base pour ce type de chose ? »
- Énoncez un chiffre : « Je pense qu'il y a environ 20 % de chances que ce soit vrai avant de regarder toute preuve. »
- Écrivez-le — une estimation mentale s'évapore sous la pression des preuves entrantes.
- Regardez alors seulement la preuve, pour pouvoir mesurer à quel point elle vous fait réellement bouger.
Données probantes
La négligence du taux de base est l'une des découvertes les plus répliquées de la recherche en jugement — les gens sous-pondèrent de manière fiable les fréquences de fond quand une information individualisante est présentée. Les travaux de Bar-Hillel ont isolé le moment où l'effet est le plus fort : l'information individualisante domine précisément quand les gens la jugent pertinente pour le cas, même quand le taux de base est l'entrée la plus diagnostique. (rct)
L'habitude de fixer un préalable comme contre-mesure pratique est largement approuvée dans l'entraînement à la rationalité mais a moins de tests expérimentaux directs que le biais qu'elle cible.
Sources
- Kahneman & Tversky (1973), on the psychology of prediction, Psychological Review
- Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251.
- Bar-Hillel, M. (1980). The base-rate fallacy in probability judgments. Acta Psychologica, 44(3), 211-233.
Erreur fréquente
Fixer un « préalable » après avoir jeté un œil à la preuve, puis croire que vous raisonnez à partir des taux de base alors que vous raisonnez en réalité à partir de la preuve deux fois.
Pratiquez cela avec IX Coach
More practices for La pensée bayésienne : comment mettre à jour ses croyances rationnellement
- 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.
- 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.
- 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