コーチングプラクティス： 下振れが小さく上振れが大きい意思決定
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。「下振れが小さく上振れが大きい意思決定」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
- 非対称な上振れ――大きな潜在利得、小さな限定的損失――を持つ決断を探す
最悪のケースが有限で小さく、最良のケースが大きく上限のない状況を探す。
期待値思考:不確実性の中で決断する - 選択が明らかに良く感じられるとき、追加の精査を適用する
肯定的な感情は恐怖と同じくらい信頼できるバイアスの引き金だ——明らかな勝ち筋に感じられる機会を監査する。
感情ヒューリスティック——感情が事実の代わりになるとき - 機会を評価する前にアンチゴールを意思決定フィルターとして使う
上振れを計算する前に、あらゆる大きな機会をアンチゴールのリストに通す。
アンチゴール——受け入れないことで成功を定義する - その下振れを恐れる前に、可逆性を確認する
ほとんどの決断は可逆的です。最大限の慎重さは、そうでない少数のもののために取っておきましょう。
後悔最小化フレームワーク - 両開きのドアでは素早く動く
可逆的な決定では、欲しかった情報の70%で決め、その後調整する。
両開きのドア - 不快に感じるときでも正の期待値の決断を受け入れる
期待値が明確に正であれば、たとえほとんどの個別の結果が損失であっても、その決断を取る。
期待値思考:不確実性の中で決断する - 決断を結果ではなくプロセスで判断する
悪い結果を生んだ良い決断も、依然として良い決断である。
期待値思考:不確実性の中で決断する - 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 - 片開きのドアではペースを落とす
不可逆的な決定については、自分の自信ではなく、不利益に比例した熟慮に投資する。
両開きのドア - 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
関連する悩み
- タレブのアンチフラジャイルな意思決定
最悪のケースが有限で小さく、最良のケースが大きく上限のない状況を探す。
非対称な上振れ――大きな潜在利得、小さな限定的損失――を持つ決断を探す
- 期待値思考：不確実性の中での意思決定（喪失後）
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。
期待値思考:不確実性の中で決断する
- 期待値思考：不確実性の中での意思決定（挫折後）
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。
- 期待値思考：不確実性の中での意思決定（介護者として）
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。
- 期待値思考：不確実性の中での意思決定（親として）
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。
- 期待値思考：不確実性の中での意思決定（職場）
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。
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。