Przyszłość z natury jest nieprzewidywalna, a my zazwyczaj nie mamy kompletnej wiedzy w wybranym temacie i musimy korzystać ze szczątkowych informacji do podjęcia decyzji. Zrozumienie myślenia probabilistycznego pozwala lepiej orientować się w najbardziej prawdopodobnych scenariuszach i podejmować decyzje zgodnie z prawdopodobieństwem. Nasze decyzje stają się dokładniejsze, lepsze i efektywniejsze.

Istnieją trzy różne podejścia realizujące myślenie probabilistyczne:

• myślenie bayesowskie
• krzywe z grubymi ogonami
• asymetrie

Myślenie bayesowskie

Mamy ograniczoną wiedzę, ale stworzoną z użytecznych informacji. Ponadto stale napotykamy nowe informacje. W momencie uczenia się / zbierania informacji powinniśmy kłaść nacisk na to co wiemy.

Jak to wygląda w praktyce?

Weźmy przykładowy nagłówek z gazety "Ilość zabójstw wzrosła dwukrotnie". Taki tytuł mógłby sprawić, że bałbyś/bałabyś się wyjść na ulicę. Z kolei myślenie bayerowskie zmusiłoby cię do osadzenia tej informacji na podstawie tego co już wiesz na temat zabójstw.

Ilość przestępstw przez ostatnie lata regularnie spadała do bardzo niskiego poziomu. Załóżmy, że prawdopodobieństwo zostania ofiarą morderstwa wynosiła 1 do 10000 - czyli 0,01%. Biorąc pod uwagę nagłówek przykładowego artykułu obecne prawdopodobieństwo bycia ofiarą morderstwa to 0,02%.

Pomimo szokującego tytułu publikacji rzeczywiste prawdopodobieństwo bycia ofiarą morderstwa jest nadal znikome.

Krzywe z grubymi ogonami

Większość z nas zapewne już się spotkała z wykresem i krzywą dzwonową. Najcześciej odzwierciedla ona rozkład naturalny. Symetryczny dzwon wybrzuszony na środku wykresu, cienki na początku i końcu osi.

Krzywe z grubymi ogonami delikatnie różnią od krzywych dzwonowych. Przy tej drugiej jeśli spojrzymy na prawy i lewy ogon mamy do czynienia z dość przewidywalnym ekstremami. Z kolei na krzywej z grubymi ogonami nie ma prawdziwego ograniczenia zdarzeń ekstremalnych.

Im bardziej ekstremalne zdarzenia mogą się wydarzyć tym ogon krzywej jest dłuższy. Oczywiście każde wydarzenie jest mało prawdopodobne ale sama ich liczba oznacza, że nie możemy polegać na najczęstszych wynikach. Im więcej zdarzeń ekstremalnych wym większe prawdopodobieństwo, że któryś z nich wystąpi.

Żeby zobrazować różnice między tymi dwiema rodzajami krzywych wyobraźmy sobie krzywą wagi w populacji ludzi. Spektrum wagi jest dość ograniczone, mamy jakąś średnią i kilka ekstrem gdzie znajdą się jednostki ludzi o bardzo małej i bardzo sporej wadze. Nie mamy jednak przypadków gdzie ktoś jest 10x, 100x czy 1000x razy cięższy od człowieka znajdującego się w okolicy średniej. Inaczej sprawa ma się z rozkładem ludzkiego bogactwa. Mamy do czynienia ze pewną dość wąską średnią gdzie znajduje się większość populacji. Po jednej stronie mamy do czynienia z ludźmi ekstremalnie biednymi po drugiej z ekstremalnie bogatymi, których bogactwo jest większe 100x, 1000x 10000x (i więcej) od bogactwa osoby średniej.

Asymetria

Na koniec zostało coś co można nazwa "metapradopodobieństwem" - oszacowanie prawdopodobieństwa, że Twoje oszacowanie prawdopodobieństwo jest właściwe.

Powszechną asymetrią jest zdolność ludzi do szacowania wpływu ruchu ulicznego na czas podróży. Jak często wyjeżdżasz "na czas" i przybywasz 20% wcześniej? Prawie nigdy? Jak często wychodzisz "na czas" i spóźniasz się 20%? Cały czas? Dokładnie. Twoje błędy szacowania są asymetryczne, przekrzywione w jednym kierunku. Dzieje się tak często w przypadku podejmowania decyzji probabilistycznych.

Konkluzja

Prawidłowe myślenie probabilistyczne oznacza z grubsza określenie tego, co ma znaczenie i na tej podstawie podejmowanie lepszych decyzji. Możemy działać z większą pewnością w złożonych, nieprzewidywalnych sytuacjach. Nigdy nie poznamy przyszłości z dokładną precyzją. Myślenie probabilistyczne jest niezwykle przydatnym narzędziem do oceny, jak najprawdopodobniej będzie wyglądał świat, abyśmy mogli skutecznie opracowywać strategie.