Aggiorna le convinzioni gradualmente, non tutto in una volta

Nuove prove dovrebbero spostare in qualche misura la tua probabilità, raramente dal 5% al 95% in un solo passo.

Why it works

L'aggiornamento bayesiano è proporzionale: prove forti producono aggiornamenti ampi; prove deboli producono aggiornamenti piccoli. La maggior parte delle persone aggiorna troppo poco (ancoraggio) o troppo drasticamente (rappresentatività: trattare un caso vivido come decisivo). L'aggiornamento proporzionale — moltiplicare la tua probabilità a priori per il rapporto di verosimiglianza fornito dalla prova — è ciò che la matematica realmente prescrive, e non è quasi mai ampio come un'oscillazione tutto-o-niente.

How to do it

1. Quando arriva una nuova prova, chiediti: "Quanto sarebbe più probabile questa prova se la mia convinzione fosse vera rispetto a falsa?"
2. Usa quel rapporto per spostare la tua probabilità proporzionalmente, non per ribaltarla.
3. Se la prova è debole o ambigua, spostati poco; se forte e sorprendente, spostati di più.
4. Traccia due o tre convinzioni importanti nel tempo e registra ogni aggiornamento — questo costruisce l'intuizione di calibrazione.

Prove scientifiche

Il bias del conservatorismo — aggiornare troppo poco rispetto alle norme bayesiane — è documentato in molteplici studi sul giudizio. La sua controparte, la reazione eccessiva a singoli casi vividi, è altrettanto ben documentata. Entrambi sono deviazioni dall'aggiornamento proporzionale. Gli esperimenti incentivati di Grether hanno mostrato che la reazione eccessiva ha un fattore specifico — l'euristica della rappresentatività distorce sistematicamente come le persone pesano il termine di verosimiglianza rispetto alla probabilità a priori. (observational)

Gli studi sperimentali usano problemi di probabilità semplici e controllati; le convinzioni del mondo reale comportano più ambiguità su cosa stabilisca davvero la prova.

Fonti

• Edwards (1968), conservatism in human information processing, in Formal Representation of Human Judgment
• Grether, D. M. (1980). Bayes rule as a descriptive model: The representativeness heuristic. The Quarterly Journal of Economics, 95(3), 537-557.

Errore comune

Trattare qualsiasi prova confermativa come prova certa e qualsiasi prova disconfermante come eccezione — che è il bias di conferma espresso come aggiornamento selettivo.