コーチングプラクティス： 予測にベイズ更新を使う方法

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。「予測にベイズ更新を使う方法」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. 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
2. 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
3. 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。
4. 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
5. リファレンスクラス予測
   リファレンスクラス予測は、ダニエル・カーネマンとエイモス・トベルスキーが提唱し、ベント・フリウビヤが体系化した手法で、目の前の案件の細部ではなく、類似した過去のプロジェクト群の結果の統計的分布に予測の起点を置くことで精度を高める。計画時にコスト・期間・便益の見積もりを膨らませる楽観バイアスを確実に修正する手法であり、その根拠は具体的で実証されている。
6. 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
7. 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
8. 参照クラスを使って個人的な見積もりを基準率に根づかせる
   自分の状況がどう展開するかを見積もる前に、似たような過去の状況を見つけて何が起きたかを確認する。
   ベイズ的思考:信念を合理的に更新する方法
9. 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
10. インサイドビューの詳細を加える前にベースレートにアンカーする
    クラスの中央値から予測を始め、そこから調整する——自分の物語から始めてベースレートに調整するのではない。
    リファレンスクラス予測

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。