Мисленето
Една корекция на интуитивните предсказания
Изтегляне 3.52 Mb.
|
Свързани:
Групова динамика
Една корекция на интуитивните предсказанияДа се върнем при Джули, нашата преждевременно развита читателка. Правилният начин да предскажем нейния общ успех в учението бе показан в предишната глава. И тук, както постъпих при разглеждането на успешните дни на голфърите и на теглото и свиренето на пиано, написвам една схематична формула на факторите, които определят възрастта на четене и оценките в колежа: възраст на четене = общи фактори + фактори, специфични за възрастта на четене = 100%; общ успех в учението = общи фактори + фактори, специфични за общия успех в учението = 100%. Общите фактори включват генетично детерминираната годност, степента, с която семейството подкрепя академичните интереси, и всичко останало, което би било причина едни и същи хора да бъдат преждевременно развити читатели като деца и да имат академични успехи като младежи. Разбира се, има много фактори, които биха повлияли на един от тези резултати и не биха повлияли на другите. Джули би могла да е тласната да чете рано от прекалено амбициозни родители, би могла да е имала нещастна любовна връзка, която е намалила оценките ѝ в колежа, би могла да е имала злополука при каране на ски през юношеството, от която е останала с леко увредено здраве и така нататък. Нека си припомним, че корелацията между две мерки – в настоящия случай възрастта на четене и общия успех в учението – е равна на пропорцията на общите фактори сред техните детерминанти. Какво можете да предположите за тази пропорция? Моето най-оптимистично предположение е около 30%. Като допуснем тази оценка, ние имаме всичко, което ни е необходимо, за да произведем една недеформирана прогноза. Ето напътствията как да стигнем до нея в четири прости стъпки: 1. Започнете с оценка на средния общ успех. 2. Определете общия успех, който съответства на вашето впечатление от данните. 3. Оценете корелацията между вашите данни и общия успех. 4. Ако корелацията е 0,30, се придвижете с 30% от разстоянието от средното до съответстващия общ успех. Стъпка 1 е изходната ви позиция, общият успех, който бихте предсказали, ако не ви беше казано нищо за Джули освен факта, че тя учи в най-горния курс на университета. При липсата на информация бихте предсказали средното. (Това е сходно с начина, по който приписвате вероятността на базовата пропорция за студентите по бизнес администрация, когато не ви е казано нищо за Том У.) Стъпка 2 е вашето интуитивно предсказание, което съответства на вашата оценка на данните. Стъпка 3 ви придвижва от изходната позиция към интуицията ви, но разстоянието, до което ви е позволено да се придвижите, зависи от вашата оценка на корелацията. В стъпка 4 завършвате с прогноза, която е повлияна от интуицията ви, но е далеч по-умерена.190 Този подход към прогнозата е общовалиден. Можете да го приложите винаги, когато е необходимо да предскажете количествена променлива величина, като например общия успех в учението, печалбата от дадена инвестиция или растежа на дадена компания. Този подход се базира на вашата интуиция, но я смекчава, връща я към средното. Когато имате добри основания да се доверите на точността на своето интуитивно предсказание – силна корелация между данните и предсказанието, – съгласуването ще е малко. Необходимо е интуитивните предсказания да се коригират, защото те не са регресивни и следователно са деформирани. Да допуснем, че прогнозирам за всеки голфър в даден турнир, че неговите точки през втория ден ще бъдат същите както през първия ден. Тази прогноза не взема предвид регресията към средното: голфърите, които са се справили добре през първия ден, средно взето, ще се справят по-малко добре през втория ден, а онези, които са се справили зле, най-често ще имат подобрение. Когато бъдат сравнени с действителните резултати, нерегресивните прогнози ще се окажат деформирани. Средно взето, те са прекалено оптимистични за онези, които са се справили най-добре през първия ден, и прекалено песимистични за онези, които са имали лошо начало. Прогнозите са толкова крайни, колкото са данните. По подобен начин, ако използвате постиженията от детството, за да предскажете оценките в колежа, без да върнете предсказанията си към средното число, по-често ще бъдете разочаровани от академичните резултати на научилите се да четат рано и ще бъдете приятно изненадани от оценките на онези, които са се научили да четат относително късно. Коригираните интуитивни предсказания елиминират тези деформации, така че е в равна степен вероятно тези предсказания (както високите, така и ниските) да надценяват и да подценяват вярната стойност. Вие продължавате да правите грешки и когато предсказанията ви са недеформирани, но грешките ви са по-малки и не показват пристрастие нито към високите, нито към ниските резултати. Изтегляне 3.52 Mb. Сподели с приятели:
|