Distinga incerteza (quantificável) de ignorância (não quantificável)
Saiba quando você pode atribuir uma probabilidade e quando a situação é tão nova que um número seria fabricado.
Why it works
A distinção de Knight entre risco (incerteza quantificável) e incerteza (não quantificável) importa na prática: atribuir uma probabilidade de 60% a um evento exige uma classe de referência ou um modelo. Quando nenhum dos dois existe, o número é um sentimento vestido de estatística. Distinguir os dois evita que a falsa precisão mascare a ignorância genuína, e provoca a resposta honesta: "Eu não tenho informação suficiente para colocar um número calibrado nisso."
How to do it
- Antes de atribuir uma probabilidade, pergunte: "Em que classe de referência ou modelo isso está baseado?"
- Se você não conseguir nomear um, rotule a estimativa como "instinto / não quantificada" em vez de uma probabilidade calibrada.
- Em contextos de grupo, sinalize explicitamente quando uma discussão está no regime "não quantificável" para evitar decisões de falsa precisão.
- Para situações genuinamente novas, foque em cenários e contingências em vez de probabilidades pontuais.
Evidência
Knight (1921) distinguiu risco de incerteza; Ellsberg (1961) demonstrou que as pessoas preferem risco quantificável a incerteza não quantificável mesmo quando os valores esperados são iguais — a "aversão à ambiguidade" que torna as pessoas desconfortáveis em dizer "eu não sei". A distinção é conceitual e fundacional; a evidência direta para esta prática específica é mecanicista. (mechanistic)
Na prática, quase todas as situações reais caem em algum lugar entre risco puramente quantificável e desconhecimento completo. A categorização é uma questão de grau e julgamento.
Fontes
- Knight (1921), Risk, Uncertainty and Profit
- Ellsberg (1961), "Risk, ambiguity, and the Savage axioms," Quarterly Journal of Economics
Erro comum
Atribuir uma probabilidade a toda pergunta como uma performance de racionalidade — um confiante 50% para uma pergunta genuinamente incognoscível é pior calibração do que simplesmente dizer "eu não sei".
Pratique isso com IX Coach
More practices for Treino de Calibração
- Praticar a estimativa de intervalos de confiança
Estime faixas para quantidades factuais e verifique quantas vezes o valor real cai dentro da sua faixa.
- Manter um registro de previsões pontuado
Registre previsões com probabilidades explícitas e pontue-as quando se resolverem.
- Identifique os domínios específicos onde você tem mais excesso de confiança
A calibração é específica de domínio — encontre onde sua confiança mais excede sua precisão.
- Ancore seu nível de confiança em taxas base, não no instinto
Comece sua estimativa de confiança pela taxa de acerto histórica para esse tipo de previsão, não por quão confiante você se sente.
- Comprometa-se previamente com critérios de resolução antes de fazer uma previsão
Defina exatamente o que conta como "eu estava certo" antes de o resultado acontecer.
- Construa repetições de calibração com trivia e perguntas de almanaque de baixo risco
Use perguntas factuais de trivia como um terreno de prática para calibração — os resultados se resolvem imediatamente e o risco é zero.