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。

Why it works

ナイトのリスク(定量化可能な不確実性)と不確実性(定量化不可能)の区別は実際に重要です。ある出来事に60%の確率を割り当てるには、基準クラスかモデルが必要です。どちらも存在しないとき、その数字は統計として着飾った感覚です。この二つを区別することは、偽の精度が本物の無知を覆い隠すことを防ぎ、正直な応答を促します。『これに較正された数字をつけるには十分な情報がない。』

How to do it

1. 確率を割り当てる前に問う。『これは何の基準クラスやモデルに基づいているか?』
2. 一つも名指しできない場合は、その見積もりを較正された確率ではなく『直感/未定量化』とラベル付けする。
3. グループの場面では、偽の精度による決定を防ぐため、議論が『定量化不可能』な領域にあるときは明示的にフラグを立てる。
4. 本当に新規な状況については、点推定の確率ではなく、シナリオと不測の事態に焦点を当てる。

エビデンス

ナイト(1921)はリスクと不確実性を区別しました。エルズバーグ(1961)は、期待値が等しくても、人々が定量化不可能な不確実性よりも定量化可能なリスクを好むことを実証しました――これが『わからない』と言うことに人々を不快にさせる『曖昧さ回避』です。この区別は概念的で基礎的であり、この特定の実践の直接的な証拠はメカニズム的です。 (mechanistic)

実際には、ほとんどすべての現実の状況は、純粋に定量化可能なリスクと完全な不可知性の間のどこかに位置します。この分類は程度と判断の問題です。

出典

• Knight (1921), Risk, Uncertainty and Profit
• Ellsberg (1961), "Risk, ambiguity, and the Savage axioms," Quarterly Journal of Economics

よくある間違い

合理性のパフォーマンスとしてすべての質問に確率を割り当てること――本当に知り得ない質問に対する自信のある50%は、単に『わからない』と言うよりも悪いキャリブレーションです。