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。
Why it works
人間の心は、分布ではなく一つの未来――たいていは意図した結果――を想像することをデフォルトとする。明示的な確率とともにシナリオを書き出すことは、そうでなければ見えないままの代替案への関与を強制する。それぞれのシナリオは決断を分解可能にもする:自分の確率推定が擁護できるものかどうかを、単に「どうなるか」についての直感を信じるのではなく、検討できるようになる。
How to do it
- 自分の決断が生む、意味のある違いを持つ4〜6つの結果をリストアップする。
- それぞれに確率を割り当て、合計が100%になるようにする。
- それぞれの結果に価値(お金、時間、満足度など重要な単位)を割り当てる。
- それぞれの確率をその価値と掛け合わせて合計する――最も高いEVの選択肢が基準となる推奨案になる。
エビデンス
シナリオプランニングと明示的な確率の推定は、構造化された意思決定分析の確立された構成要素であり、複雑な多属性の決断において支援のない直感を上回ることが示されている。 (observational)
正式な意思決定分析のエビデンスは、ハイステークスな組織的状況において最も強い。日常的な個人の決断における効果はもっともらしいが、直接研究されたものは少ない。
出典
よくある間違い
「すべて」を網羅するまでシナリオを列挙し続け、結果として不正確な20項目のリストができてしまい、確率が恣意的になり計算が無意味になってしまうこと。
IX Coach でこれを実践する
More practices for 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。
- 追加情報を収集することの期待値を計算する
さらに調査する前に、その追加情報が実際にそれを得るコストに見合う価値があるかを問う。
- 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。
- 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。
- 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。
関連する概念
- ベイズ的思考:信念を合理的に更新する方法
Holding beliefs as probabilities and updating them when evidence arrives
- 『ファスト&スロー』を使いこなす
Two systems, the biases they create, and when to slow down
- メンタルモデル:チャーリー・マンガーのラティスワーク・アプローチ
Building the multi-disciplinary toolkit that lets you see what single-discipline thinkers miss
- 機会費用思考——選ぶことで何を失うのか
The hidden price of every choice — and the practices that make it visible