Atualize crenças incrementalmente, não de uma vez
Nova evidência deveria deslocar sua probabilidade um tanto — raramente de 5% para 95% em um único passo.
Why it works
A atualização bayesiana é proporcional: evidência forte produz grandes atualizações; evidência fraca produz pequenas. A maioria das pessoas atualiza de menos (ancoragem) ou de forma dramática demais (representatividade: tratar um caso vívido como decisivo). A atualização proporcional — multiplicar sua probabilidade prévia pela razão de verossimilhança que a evidência fornece — é o que a matemática realmente prescreve, e quase nunca é tão grande quanto uma virada de tudo ou nada.
How to do it
- Quando nova evidência chegar, pergunte: "Quão mais provável essa evidência seria se minha crença fosse verdadeira versus falsa?"
- Use essa razão para mover sua probabilidade proporcionalmente, não para virá-la completamente.
- Se a evidência for fraca ou ambígua, mova-se pouco; se forte e surpreendente, mova-se mais.
- Acompanhe duas ou três crenças importantes ao longo do tempo e registre cada atualização — isso constrói intuição de calibração.
Evidência
O viés de conservadorismo — atualizar de menos em relação às normas bayesianas — está documentado em múltiplos estudos de julgamento. Sua contraparte, a reação exagerada a casos vívidos únicos, está igualmente bem documentada. Ambos são desvios da atualização proporcional. Os experimentos incentivados de Grether mostraram que a reação exagerada tem um impulsionador específico — a heurística da representatividade distorce sistematicamente como as pessoas ponderam o termo de verossimilhança contra a probabilidade prévia. (observational)
Os estudos experimentais usam problemas de probabilidade simples e controlados; crenças do mundo real envolvem mais ambiguidade sobre o que a evidência realmente estabelece.
Fontes
- Edwards (1968), conservatism in human information processing, in Formal Representation of Human Judgment
- Grether, D. M. (1980). Bayes rule as a descriptive model: The representativeness heuristic. The Quarterly Journal of Economics, 95(3), 537-557.
Erro comum
Tratar qualquer evidência confirmadora como prova e qualquer evidência desconfirmadora como exceção — o que é viés de confirmação expresso como atualização seletiva.
Pratique isso com IX Coach
More practices for Pensamento Bayesiano: Como Atualizar Crenças Racionalmente
- Declare sua probabilidade prévia antes de ver a evidência
Antes de olhar para qualquer dado, comprometa-se com uma estimativa numérica de quão provável algo é.
- Avalie a evidência pela sua razão de verossimilhança, não por como ela te faz sentir
Pergunte quão mais provável essa evidência seria se você estiver certo versus se estiver errado.
- Pratique calibração acompanhando suas previsões de confiança
Suas crenças "80% confiantes" deveriam se concretizar cerca de 80% das vezes — verifique se isso acontece.
- Busque ativamente evidências que desconfirmariam sua crença
Pergunte: "O que mudaria minha opinião?" e então procure exatamente isso.
- Use classes de referência para fundamentar estimativas pessoais em taxas-base
Antes de estimar como sua situação vai se desenrolar, encontre situações passadas semelhantes e verifique o que aconteceu.
- Traduza crenças em apostas para revelar sua confiança verdadeira
Você apostaria US$ 100 nessa crença em chances iguais? A resposta frequentemente revela a lacuna entre confiança declarada e real.
Conceitos relacionados
- Pensando, Rápido e Devagar, na Prática
Two systems, the biases they create, and when to slow down
- Modelos Mentais: A Abordagem do Latticework de Charlie Munger
Building the multi-disciplinary toolkit that lets you see what single-discipline thinkers miss
- Viés de Confirmação: Vendo o Que Você Espera Ver
The most pervasive cognitive bias and the practices that actually chip away at it
- Pensamento de Valor Esperado: Decidindo Sob Incerteza
The math of rational choice under uncertainty, its real limits, and how to use it anyway