コーチングプラクティス： ベイズ的に意思決定を更新する方法

取り組んでいることをほぼ何でも入力すると、IX Coach が現実に最も合うプラクティスを見つけます。「ベイズ的に意思決定を更新する方法」については、現在のプラクティスライブラリからの最適な一致をご覧ください。

役立つかもしれないプラクティス

1. ベイズ的思考:信念を合理的に更新する方法
   ベイズ的思考とは、信念を単に真か偽かとして扱うのではなく、確率として保持し、新しい証拠が届くたびに体系的に更新する実践である。数学的な枠組みは十分に確立されている。課題は、それを実用的にする明示的な確率推定と正直な信念更新の習慣を築くことである。
2. 信念を全面的にではなく段階的に更新する
   新しい証拠は確率をある程度シフトさせるべきであり、5%から95%へ一度に飛ぶことはめったにない。
   ベイズ的思考:信念を合理的に更新する方法
3. 確実性を待つのではなく、エビデンスが到着するたびに段階的に更新する
   現在の最良の推測確率を述べ、それを動かすであろうものを特定し、そのエビデンスが到着したときに更新する。
   曖昧さ回避——なぜ未知のオッズは悪いオッズよりも悪く感じられるのか
4. 信念を全面的にではなく段階的に更新する
   新しい情報を、すべてを変える証明としてではなく、確率をシフトさせる証拠として扱う。
   基準率の無視:なぜ私たちは確率を無視するのか
5. 新しい情報が届いたら明示的に信念を更新する
   新しい情報を、古い確率の確認としてではなく、修正した確率を表明する理由として扱う。
   ベットする思考
6. 信念を頻繁に、小刻みに更新する
   新しい証拠が来たら、その変化が小さくても確率の見積もりを調整する。
   スーパーフォーキャスティング
7. 新しい証拠が入るたびに予測を段階的に更新する
   予測を、矛盾する証拠にも生き残るコミットメントとしてではなく、新しい証拠ごとに変わるべき確率として扱う。
   リファレンスクラス予測
8. 曖昧さを伴う高リスクで不可逆的な決断にはマキシミン推論を使う
   最悪の起こりうる結果が最も生き延びられる選択肢を選ぶ——期待値を計算できないときには、下限を最適化する。
   曖昧さ回避——なぜ未知のオッズは悪いオッズよりも悪く感じられるのか
9. 経験のない領域に入るときは基準率に大きく従う
   不慣れな領域では、クラスの分布がほぼ完全に予測を支配すべきである。
   アウトサイド・ビュー
10. 期待値の推定を評価するための決断日記をつける
    自分の確率推定と結果予測を記録し、後で実際に何が起きたかと比較する。
    期待値思考:不確実性の中で決断する

自分の言葉で状況を説明する でプラクティスライブラリ全体を検索できます。