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.
Why it works
Les gens revendiquent régulièrement une confiance plus élevée que celle qu'ils ont réellement quand il n'y a aucun coût à se tromper. La perspective d'une perte concrète — même petite ou imaginaire — active une auto-évaluation plus précise. Cadrer une croyance comme un pari rend explicite l'affirmation de probabilité implicite et la soumet à une vérification immédiate de la réalité : soit vous voulez prendre le pari, soit vous ne le voulez pas, et cette préférence révèle quelque chose de réel sur votre véritable niveau de confiance.
How to do it
- Énoncez une croyance que vous tenez avec confiance.
- Demandez-vous : « Parierais-je 100 $ que c'est vrai, à cote égale ? » Si oui, votre confiance est d'au moins 50 %.
- Ajustez les cotes jusqu'à ce que vous vous sentiez indifférent : « Je parierais 100 $ à des cotes de 3 contre 1 » implique environ 75 % de confiance.
- Utilisez la probabilité résultante comme votre préalable explicite pour la mise à jour bayésienne.
Données probantes
Le cadrage par le pari a été utilisé dans la recherche en calibration et dans la recherche sur les marchés de prédiction pour faire émerger des estimations de probabilité plus précises. Annie Duke a popularisé le cadrage « penser en paris » ; le principe sous-jacent est que l'élicitation compatible avec les incitations révèle des croyances plus vraies. (mechanistic)
Le cadrage par le pari améliore la calibration quand les enjeux sont significatifs ; avec des paris purement hypothétiques, il y a moins de preuves d'une amélioration constante.
Sources
- Gneezy (2005), deception: the role of consequences, American Economic Review
Erreur fréquente
Utiliser des paris hypothétiques avec des enjeux trop petits pour sembler réels — 1 $ n'engage pas la même délibération que 100 $ ou une véritable conséquence.
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.
- 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.
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