Decideix millor amb la probabilitat bayesiana, la manera intel·ligent de considerar el risc

S’estima que els adults humans prenen unes 35.000 decisions al dia: el percentatge de bones decisions depèn de l’adult. Aquestes opcions poden ser tan banals com decidir rodar o arrugar el paper higiènic o tan complicat emocionalment com resoldre deixar una relació. I perquè els éssers humans estan subjectes més que no pas els mestres dels seus biaixos emocionals, les estratègies i els marcs intel·lectuals són necessaris perquè qualsevol persona que desitgi funcionar de manera raonable. Malauradament, no sempre tenim les millors eines. La forma en què la majoria de la gent pensa sobre la probabilitat, per exemple, no és adequada per a la moderna.

En qualsevol dia, qualsevol persona que visqui en una societat moderna es compromet amb organitzacions, màquines i models de preus que no entenguin completament. La majoria de les persones aborden aquests trencaclosques diaris de manera pràctica, utilitzant la informació que tenen per maximitzar l’oportunitat per obtenir un resultat satisfactori. Això és essencialment el que ens ensenyen els nostres pares a fer de nens. Sovint, això és el que vol dir la gent quan parlen de "lògica". Però també és un procés freqüentment inadequat. Quan hi ha llacunes de coneixement significatives, només difereix lleugerament de l’endevinar. En definitiva, pensem en la probabilitat de manera ineficient. En lloc de centrar-se en els resultats, hem de centrar-nos en la comprensió de situacions utilitzant les idees centrals de la probabilitat bayesiana.

La probabilitat bayesiana incorpora graus de creença sobre les freqüències històriques: la idea és que les decisions presa per incertesa estiguin informades pel que algú coneix originalment i s'actualitza a mesura que es troba informació nova. La idea és minimitzar el risc tot maximitzant l’aprenentatge. En lloc d'apropar-se a problemes com monolítics, els bayesians els van tallar en peces més digeribles. El coneixement s'acumula al llarg del camí.

Per entendre com funciona, heu de fer les matemàtiques. L'equació central, també coneguda com a regla de Bayes, va ser formulada per Thomas Bayes, un clergue i matemàtic anglès que va morir el 1761. Prediu la seqüència de fets que van conduir a un resultat. A l’equació, T significa l’hipòtesi que està provant i E representa les noves proves que confirmaran o desmentiran la hipòtesi. Les creences aquí no són objectives, sinó condicionades a suposicions prèvies i al que s’aprèn en el camí.

L'equació permet als responsables de la decisió assignar probabilitats a trossos d'informació i esdeveniments al mateix temps, aplicant una capa superior a la probabilitat que hi hagi un supòsit subjacent a la probabilitat d'un resultat.

En un document del 2011, el professor de la Universitat Queen Mary, Norman Fenton, va argumentar que la manera més efectiva de prendre decisions és mitjançant models probabilístics construïts a partir de xarxes bayesianes. Escriu que la crisi financera de 2008 va ser una trucada de despertar que les persones i els sistemes financers necessiten millorar en l'avaluació del risc. Mentre que la probabilitat bayesiana ha existit com a construcció crítica des del segle XVI, no s’aplica ni s'ensenya àmpliament. I encara que és obvi que el pensament bayesiano s'aplica a les finances, també té sentit d’una infinitat d’altres situacions.

"Per fer front a aquest tipus de problemes de manera consistent i eficaç necessitem un mètode rigorós per quantificar la incertesa que ens permet combinar dades amb un judici expert", escriu Fenton. "La probabilitat bayesiana és tal enfocament".

Fenton fa cas per a la major aplicació de la teoria bayesiana, però ha estat adoptada abans i amb un bon efecte. Alan Turing va utilitzar les estadístiques bayesianes quan va trencar codis durant la Segona Guerra Mundial. L’única raó per la qual no va popularitzar una nova forma de pensar era que ningú no s’havia assabentat fins que la informació va ser desclassificada el 2012. Va ser l’any que Nate Silver va utilitzar l’equació de Bayes per predir els resultats de les eleccions del 2012 amb una precisió impressionant.

La probabilitat bayesiana és millor que altres sistemes de predicció de futur, ja que també és un dels pocs mètodes que explica la realitat dels humans. Tot i que incorpora el que sabem, també respon a la realitat que l’elecció humana es veu constantment afectada per variables contextuals i situacionals. Això és útil si esteu intentant esbrinar quines accions haureu d'invertir, o quin plat de fruites tindrà més èxit al vostre potluck.

Però, com ho podeu aplicar avui? Simple: pensa en el que creus que coneixes i per què creus que ho saps abans de prendre una decisió. A continuació, penseu si aquesta decisió us permetrà confirmar o negar les vostres sospites. És molt fàcil. Es tracta de tenir la disciplina per centrar-se en el perquè del que succeeix en lloc de la simple realitat dels esdeveniments. El fet que passi alguna cosa no fa que sigui probable.