コーチングプラクティス： 不確実な状況での均等配分という考え方

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。「不確実な状況での均等配分という考え方」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. 深い不確実性下での分散に1/Nルールを使う
   各選択肢の価値を信頼性高く見積もれないとき、リソースを均等に分散する。
   シンプル・ヒューリスティクス:ゲルト・ギーゲレンツァーの「速く倹約的な思考」擁護論
2. 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
3. 反応する前にリスクと曖昧さを区別する
   直面しているのが既知のオッズなのか、本当に未知のオッズなのかにラベルをつける——正しいツールは答えによって決まる。
   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. 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
   曖昧さ回避とは、Daniel Ellsbergの1961年のパラドックスによって実証された、既知の確率を持つ賭けを未知の確率を持つ賭けよりも好む傾向のことです——たとえ期待値が同じであっても、あるいは未知の選択肢の方が実際には良い場合でさえもです。これはナイト流の不確実性への不快感によって駆動され、なじみのない、しかし潜在的に価値の高い機会から人々を体系的に遠ざけてしまいます。
5. 期待値思考:不確実性の中で決断する
   期待値思考は、それぞれの起こりうる結果にその確率を掛け合わせて総和を取り、決断の平均的な見返りを表す単一の数字を導き出す。これは意思決定理論に十分根ざした、不確実性のもとでの合理的な意思決定の数学的基盤であるが、現実的な限界もある:確率はしばしば不確かであり、結果は必ずしも定量化できるとは限らず、生の期待値は正当なリスク回避を無視してしまう。
6. 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
7. 不公平な曖昧さプレミアムを要求していないか確認する
   同等の既知のオッズのリスクなら何を受け入れるかを見積もる——未知のオッズに対する基準がはるかに高いなら、そのギャップがバイアスである。
   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
8. 「世界がここでは不確実だ」と「私はまだ十分に知らない」を分離する
   問う：その領域の専門家でもこの不確実性に直面するだろうか？もしそうでなければ、問題はスキルのギャップであり、根本的な曖昧さではない。
   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. 大きな賭け金についてはリスク回避を反映して生の期待値を調整する
   すべてを失う確率50%は、確実な50%の損失とは同等ではない――自分の実際のリスク許容度に合わせて調整する。
   期待値思考:不確実性の中で決断する
10. 決める前にシナリオとその確率を列挙する
    意味のある結果それぞれを書き出し、確率を割り当て、加重合計を計算する。
    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。