コーチングプラクティス: 同時確率の勘違い
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。「同時確率の勘違い」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
- 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 - 組み合わさった主張の各要素の確率を別々に検討する
複数の主張が組み合わさった判断をする前に、それぞれの要素を個別に見積もり、連言全体の確率がそれより低くなっているか確認する。
連言錯誤 ― 「詳細が多いほど本当らしく」感じる理由 - 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 - 不確実性(定量化可能)と無知(定量化不可能)を区別する
確率を割り当てられるときと、状況があまりにも新しく数字が捏造されたものになるときを知る。
キャリブレーション・トレーニング - ランダムな連続は「バランスを負っていない」と認識する
ランダムなプロセスには記憶がない——表が続いても裏が出やすくなるわけではない。
代表性ヒューリスティック——類似性による判断 - 自分の領域のルールが本当に安定しているか確かめる
確率モデルを適用する前に、結果を左右するルールがゲームの途中で変わりうるかを問う。
ルーディック・ファラシー:現実をゲームと勘違いするとき - 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 - 多くの予測にわたって自分の較正を追跡する
何十もの予測にわたって、自分の確信度レベルを結果と照らし合わせて採点し、系統的な偏りを見つける。
決断ジャーナリング:時間をかけてより良く決めることを学ぶ - 採点された予測の記録を維持する
明示的な確率をつけて予測を記録し、それが解決したときに採点する。
キャリブレーション・トレーニング - 予測を追跡することで確率の較正を練習する
自分の予測に明示的な確率の見積もりを割り当て、それが正しい率で実現するかどうかを追跡する。
基準率の無視:なぜ私たちは確率を無視するのか
関連する悩み
- 確率の判断ミスを避けるには
自分の予測に明示的な確率の見積もりを割り当て、それが正しい率で実現するかどうかを追跡する。
予測を追跡することで確率の較正を練習する
- 適切な自信の持ち方
キャリブレーション・トレーニングは、述べた自信のレベルを実際の正確さに一致させることを教えます。『70%確信している』と言うなら、そう言った主張のおよそ70%は正しいはずです。テトロックの予測研究と確率トレーニングの研究は、キャリブレーションが練習とフィードバックによって鍛えられるものであることを示しています――ここでの証拠は具体的で再現可能です。
キャリブレーション・トレーニング
- AIにおける不確実性への向き合い方
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。
「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
- データにおける不確実性への向き合い方
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。
反応する前にリスクと曖昧さを区別する
- 確率で考える方法
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。
決める前にシナリオとその確率を列挙する
- 計測できない不確実性とは
確率を割り当てられるときと、状況があまりにも新しく数字が捏造されたものになるときを知る。
不確実性(定量化可能)と無知(定量化不可能)を区別する
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。