Мисленето
Изтегляне 3.52 Mb.
|
Свързани:
Групова динамика
Талант и късметПреди няколко години Джон Брокман181, който е редактор на онлайн-списанието „Едж", помоли определен брой учени да съобщят кое е тяхното „любимо уравнение“. Ето моите предложения: успех = талант + късмет; голям успех = малко повече талант + много късмет. Неизненадващата идея, че късметът често допринася за успеха, има изненадващи последици, когато я приложим към първите два дни от важен турнир по голф. За да покажем нещата по-просто, нека допуснем, че в двата дена средният резултат на състезателите е бил номинално 72. Фокусираме се върху играча, който се е справил много добре през първия ден, завършвайки с 66 точки. Какво можем да научим от този отличен резултат? Непосредственият извод е, че играчът е по-талантлив от средните участници в турнира. Формулата на успеха внушава, че един друг извод е също толкова основателен: голфърът, който се е представил толкова добре през първия ден, вероятно се е радвал през този ден и на късмет над средното. Ако приемете, че талантът и късметът заедно допринасят за успеха, заключението, че успешният голфър е бил късметлия, е толкова оправдано, колкото и заключението, че е талантлив. По същата причина ако се фокусирате върху играч, който е спечелил 5 точки над средното този ден, имате основание да заключите, че играчът, който е спечелил 77 точки, е всъщност много добър, но е имал изключително лош ден. Макар да сте несигурни, следващите по-долу изводи от резултатите през първия ден са правдоподобни и ще бъдат по-често верни, отколкото грешни. точки над средното през първия ден = талант над средното + късмет през първия ден и точки под средното през първия ден = талант под средното + липса на късмет през първия ден Да предположим, че знаете точките на даден голфър през първия ден и ви помолят да предскажете неговите точки през втория ден. Очаквате, че голфърът ще запази същото ниво на талант и през втория ден, така че най-добрите ви предположения ще бъдат „над средното" за първия играч и „под средното“ за втория играч. Късметът, разбира се, е друга работа. Тъй като нямате начин да предскажете късмета на голфъра през втория (или който и да е) ден, вашето най-добро предположение трябва да бъде, че той ще бъде среден, нито добър, нито лош. Това означава, че при липсата на каквато и да била друга информация вашето най-добро предположение за точките на играчите през втория ден не трябва да бъде повторение на тяхното изпълнение през първия ден. Вие можете да кажете най-много следното: Голфърът, който се е справил добре през първия ден, има и вероятност да постигне успех през втория ден, но по-малко, отколкото през първия, защото е невероятно да запази необичайния късмет, на който вероятно се е радвал през първия ден. Голфърът, който се е справил зле през първия ден, вероятно ще бъде под средното през втория ден, но ще се подобри, защото не е вероятно предполагаемият му период на лош късмет да продължи. Освен това очакваме разликата между двамата голфъри да се свие през втория ден, макар че нашето най-добро предположение е, че първият играч все пак ще продължи да се справя по-добре от втория. Моите студенти винаги се изненадваха, когато разбираха, че най-вярно предсказаното постижение през втория ден е по-умерено, по-близко до средното, отколкото данните, на които се базира (точките през първия ден). Ето защо моделът се нарича регресия към средното. Колкото по-крайни са първите точки, толкова повече регресия очакваме, защото изключително добрите резултати пораждат предположението за много късметлийски ден. Регресивното предсказание е разумно, но неговата точност не е гарантирана. Малко на брой голфъри, които са спечелили 66 точки през първия ден, ще се справят дори по-добре през втория ден, ако късметът им е по-добър. Повечето ще се представят по-зле, защото късметът им вече няма да е над средния. Сега нека тръгнем срещу стрелката на времето. Подредете играчите по тяхното постижение през втория ден и вижте постижението им през първия ден. Ще откриете точно същия моделна регресия към средното. Голфърите, които са се справили най-добре през втория ден, вероятно са били късметлии през този ден и най-доброто предположение е, че са били по-малко късметлии и са се справили по-зле през първия ден. Фактът, че наблюдавате регресия, когато предсказвате едно по-ранно събитие на базата на едно по-късно събитие, би трябвало да ви убеди, че регресията няма каузално обяснение. Ефектите на регресията се срещат навсякъде. Навсякъде се срещат и неуспешни каузални истории, целящи да ги обяснят. Добре известен пример е „джинксът182 на Спортс Илъстрейтед“: твърдението, че спортистът, чиято снимка се появи на главната корица на списанието, е орисан да се представи зле през идния сезон. Прекалената вяра и натискът да отговориш на високите очаквания често се предлагат като обяснения. Но джинксът има и по-просто обяснение: един спортист, който е бил определен да бъде показан на главната корица на „Спортс Илъстрейтед“, трябва да се е справил изключително добре в предишния сезон, вероятно и с помощта на късмета – а късметът е непостоянен. Случи се така, че гледах ски-скоковете на зимната олимпиада, докато Амос и аз пишехме статия за интуитивното предсказване. Всеки спортист имаше по два скока, а резултатите се сумираха за крайните точки. Смаян слушах коментарите на спортните коментатори, докато спортистите се подготвяха за втория си скок: „Норвегия има чудесен първи скок; тя ще се напряга, надявайки се да защити преднината си, и вероятно ще се справи по-зле“ или „Швеция има лош първи скок и сега знае, че няма какво да губи, и ще бъде спокойна, което ще ѝ помогне да се справи по-добре“. Коментаторът очевидно беше открил регресията към средното и беше измислил каузална история, за която нямаше никакви данни. Историята сама по себе си би могла да е вярна. Вероятно ако измерехме пулса на спортистите преди всеки скок, можеше да открием, че те наистина са по-спокойни след първия лош скок. А вероятно нямаше да открием това. Онова, което трябва да запомним, е, че промяната от първия към втория скок не се нуждае от каузално обяснение. Тя е математически неизбежно следствие от факта, че късметът е играл роля в резултата на първия скок. Това не е много удовлетворителна история – всички бихме предпочели едно причинно обяснение, – но е такава. Изтегляне 3.52 Mb. Сподели с приятели:
|