コーチングプラクティス： 少ないサンプルに惑わされないために

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。「少ないサンプルに惑わされないために」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. 小さなサンプルには明確な懐疑心を持って接する
   短い連続は統計的に信頼できるものでなくても代表的に見えることがある——サンプルサイズに応じて自信を調整する。
   代表性ヒューリスティック——類似性による判断
2. どのデータを選んだか——そしてどれを無視したかに気づく
   あなたの結論は利用可能なデータのサンプルの上に築かれている——そのサンプルが何を除外したかを問う。
   推論のはしご
3. 生存者バイアス:見えないものから学ぶ
   生存者バイアスとは、フィルターを通り抜けたケース——勝者、生存者、目に見える成功——からのみ結論を導く誤りであり、決して現れることのない失敗は静かに除外されます。最も明確な歴史的な例は、エイブラハム・ウォルドの第二次世界大戦時の航空機研究です:軍は帰還した機体で見た弾痕に装甲を施したいと考えましたが、ウォルドは損傷が見られない箇所に装甲を施すべきだと示しました。なぜならそこに命中した機体は帰還しなかったからです。
4. リスクや成功を評価するときは常に分母を特定する
   数値や話が印象的なとき、「全体としては何件中の話か」と問う。
   基準率の無視:なぜ私たちは確率を無視するのか
5. 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
6. 積極的に反証事例を探す
   基準率を調べる際は、特にうまくいかなかった事例を探す——失敗事例は自然な記憶の中で過小に表れる。
   アウトサイド・ビュー
7. 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
8. 予測のための正しい参照クラスを選ぶ
   決断が属するカテゴリーの統計的な基準率を見つける——鼓舞する事例だけでなく。
   生存者バイアス:見えないものから学ぶ
9. 成功した戦略の反対をスティールマンする
   成功事例から教訓を採用する前に、反対のアプローチのための最も強力な主張を構築する。
   生存者バイアス:見えないものから学ぶ
10. 決断する前に自分が比較しているプロトタイプを名づける
    参照として使っているプロトタイプを明示的にする——隠れたテンプレートは吟味されないまま判断を歪める。
    代表性ヒューリスティック——類似性による判断

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。