आपके हर फैसले के पीछे छिपा गणित

मैं सोचता था कि अच्छे फैसले अंतर्ज्ञान या सावधानीपूर्वक सोच से आते हैं। फिर मैंने ट्रेडर और शोधकर्ता @zodchiii का एक वायरल थ्रेड पढ़ा जिसने मुझे एहसास दिलाया कि मैं समीकरण के सबसे सरल हिस्से को नज़रअंदाज़ कर रहा था। ज़्यादातर लोग ऐसा ही करते हैं। हम फैसलों को राय या अंतर्ज्ञान का मामला मानते हैं, जबकि वास्तव में वे भेष में गणित की समस्याएं हैं।

axisofeasy.com पर पुनर्प्रकाशित यह थ्रेड छह मानसिक मॉडलों को समझाता है जो बताते हैं कि स्मार्ट लोग बेवकूफी भरे विकल्प क्यों चुनते हैं। ये मॉडल नए नहीं हैं। अर्थशास्त्री और मनोवैज्ञानिक इन्हें दशकों से जानते हैं। लेकिन इन्हें लगातार उपयोग करना दुर्लभ है। यहीं पर फायदा मिलता है।

अगर आप काम, रिश्तों या पैसे के मामले में बेहतर फैसले लेना चाहते हैं, तो ये छह ढाँचे लगभग हर विकल्प को देखने का आपका तरीका बदल देंगे।

इस थ्रेड को अन्य सेल्फ-हेल्प सामग्री से अलग करने वाली बात यह है कि @zodchiii कोई लाइफ कोच नहीं है जो कोर्स बेचता है। वह एक Polymarket ट्रेडर है जो असली पैसे से वास्तविक दांव लगाता है। उसकी सलाह सिद्धांत से नहीं, बल्कि परिणामों पर नज़र रखने से आती है। वह व्यावहारिक पृष्ठभूमि इन मॉडलों को एक विश्वसनीयता देती है जो आपको किसी ऐसे व्यक्ति से नहीं मिलती जो कभी सार्वजनिक रूप से गलत नहीं हुआ।

Expected value

Expected value सबसे बुनियादी निर्णय लेने का उपकरण है जिसका आप कभी उपयोग करेंगे, और लगभग कोई भी इसे सचेत रूप से लागू नहीं करता। सूत्र सरल है: किसी परिणाम की संभावना को उसके लाभ से गुणा करें, फिर सभी संभावित परिणामों को जोड़ें।

यहाँ याद रखने योग्य संस्करण है:

Expected value = (जीतने की संभावना × लाभ) - (हारने की संभावना × हानि की राशि)

एक सिक्का उछाल जो आपको हेड के लिए 2 डॉलर देता है और टेल के लिए 1 डॉलर का नुकसान कराता है, उसका expected value सकारात्मक है। आपको हर बार वह दांव लेना चाहिए, भले ही आप आधी उछाल हारेंगे। ज़्यादातर लोग मना कर देते हैं क्योंकि हानि दर्दनाक लगती है जबकि लाभ अच्छा लगता है। यह loss aversion है, और यही कारण है कि कैसीनो पैसे कमाते हैं।

वास्तविक जीवन में, expected value नौकरी के प्रस्तावों, निवेश विकल्पों और यहां तक कि किसी पार्टी में शामिल होने या न होने में दिखाई देता है। अगर संभावित लाभ संभावनाओं को ध्यान में रखने पर नुकसान से अधिक है, तो गणित कहता है ले लो। आपके पेट की भावना गणित की बात नहीं है।

यह मनोवैज्ञानिक जालों के व्यापक सेट से जुड़ता है जो निर्णय लेने को बर्बाद करते हैं। Expected value उन जालों से बचने का एक तरीका है। अंतर्ज्ञान पर भरोसा करने के बजाय, आप गणना करते हैं कि क्या संभावनाएं आपके पक्ष में हैं। समय के साथ, वह छोटी आदत उन लोगों को अलग करती है जो भाग्यशाली होते हैं और जो अपना भाग्य खुद बनाते हैं।

यहाँ एक और व्यावहारिक उदाहरण है। मान लीजिए आप एक साइड प्रोजेक्ट पर विचार कर रहे हैं जो 30 प्रतिशत सफलता की संभावना के साथ 5,000 डॉलर कमा सकता है, और असफल होने पर इसमें समय और सामग्री में 500 डॉलर खर्च होंगे। Expected value है (0.3 × 5,000) - (0.7 × 500) = 1,150। यह सकारात्मक है। भले ही आप दस में से सात बार असफल हों, एक सफलता सभी नुकसानों की भरपाई करती है और आपको आगे रखती है। ज़्यादातर लोग 70 प्रतिशत असफलता दर देखते हैं और गणित किए बिना चले जाते हैं।

यही तर्क कोल्ड ईमेल, नौकरी के आवेदन और डेटिंग पर लागू होता है। अगर लाभ काफी बड़ा है और प्रयास की लागत कम है, तो expected value संभवतः सकारात्मक है। आपको बस अपने डर पर भरोसा करने के बजाय गणना करने को तैयार रहना होगा।

Base rate neglect

आपका मस्तिष्क सामान्य आँकड़ों से नफरत करता है। वह विशिष्ट कहानियाँ पसंद करता है। यह base rate neglect का जाल है, और यह अधिकांश अन्य पूर्वाग्रहों की तुलना में अधिक फैसलों को बर्बाद करता है।

यहाँ थ्रेड से क्लासिक उदाहरण है: एक ऐसी बीमारी की कल्पना करें जो 1,000 में से 1 व्यक्ति को प्रभावित करती है। इसके लिए एक परीक्षण 99% सटीक है। आपका परीक्षण पॉज़िटिव आता है। आपको वास्तव में बीमारी होने की कितनी संभावना है?

ज़्यादातर लोग 99% कहते हैं। असली जवाब लगभग 9% है। क्यों? क्योंकि बीमारी इतनी दुर्लभ है कि झूठे पॉज़िटिव वास्तविक पॉज़िटिव से कहीं अधिक होते हैं। आपके मस्तिष्क ने base rate (1 in 1,000) को नज़रअंदाज़ कर दिया और जीवंत, व्यक्तिगत जानकारी (आपका पॉज़िटिव परीक्षण) से चिपक गया।

यह लगातार होता है। आप एक कॉलेज ड्रॉपआउट के बारे में सुनते हैं जिसने अरबों डॉलर की कंपनी बनाई और सोचते हैं कि ड्रॉपआउट होना एक अच्छी योजना है। आप base rate को नज़रअंदाज़ करते हैं: अधिकांश ड्रॉपआउट अरबपति नहीं बनते। आप एक स्टार्टअप के बारे में सुनते हैं जिसने लाखों जुटाए और सोचते हैं कि आपका आइडिया अगला है। आप base rate को नज़रअंदाज़ करते हैं: लगभग 6 में से 10 स्टार्टअप पहले कुछ वर्षों में विफल हो जाते हैं।

आप इसे स्वास्थ्य निर्णयों में भी देखते हैं। एक दोस्त नया सप्लीमेंट आज़माता है और कहता है कि इसने उसकी थकान ठीक कर दी। आप वही सप्लीमेंट खरीदते हैं और कुछ महसूस नहीं करते। व्यक्तिगत कहानी जीवंत है, लेकिन base rate बताता है कि सप्लीमेंट शायद ही कभी सामान्य थकान के लिए प्लेसीबो से बेहतर होते हैं। आपका मस्तिष्क base rate की परवाह नहीं करता। वह कहानी की परवाह करता है।

समाधान उबाऊ लेकिन प्रभावी है। किसी विशिष्ट मामले के बारे में उत्साहित होने से पहले, पूछें कि सामान्य आँकड़े क्या कहते हैं। सामान्य आँकड़े आमतौर पर सही होते हैं। अगर आप नौकरी छोड़कर व्यवसाय शुरू करने के बारे में सोच रहे हैं, तो अपने उद्योग में व्यवसायों की जीवित रहने की दर देखें, न कि उस एक व्यक्ति की इंस्टाग्राम पोस्ट जिसने बड़ी सफलता पाई। वह एक व्यक्ति outlier है। Base rate वह वास्तविकता है जो ज़्यादातर लोग जीते हैं।

यह बिल्कुल वैसा ही तर्क है जैसा तर्क और पूर्वाग्रहों पर आलोचनात्मक सोच गाइड में खोजा गया है। यहाँ अंतर यह है कि base rate neglect का एक विशिष्ट गणितीय समाधान है। आपको तर्क विशेषज्ञ बनने की ज़रूरत नहीं है। आपको बस किसी कहानी से प्यार करने से पहले आँकड़ों की जाँच करना याद रखना होगा।

Sunk cost fallacy

आपने 15 डॉलर की मूवी टिकट खरीदी। बीस मिनट बाद, आपको पता चलता है कि फिल्म भयानक है। क्या आप जाते हैं या रहते हैं?

ज़्यादातर लोग रहते हैं। वे पहले से खर्च किए गए 15 डॉलर के बारे में सोचते हैं और उन्हें बर्बाद नहीं करना चाहते। वह 15 डॉलर चाहे जो भी करें, चला गया। यह sunk cost है। एकमात्र तर्कसंगत प्रश्न है: मैं अभी जहाँ हूँ, क्या अगले 90 मिनट मेरे समय के लायक होंगे?

Sunk cost fallacy वह कारण है जिससे लोग बेकार नौकरियों में बने रहते हैं, उन कारों की मरम्मत कराते रहते हैं जिनकी कीमत मरम्मत के बिल से कम है, और घाटे के निवेश को इस उम्मीद में रखते हैं कि वे वापस उछलेंगे। अतीत पर बातचीत नहीं की जा सकती। मायने यह रखता है कि आगे क्या आता है।

मैंने सब्सक्रिप्शन के साथ ऐसा किया है। मैं एक सेवा के लिए भुगतान करता हूँ जिसका मैं उपयोग नहीं करता क्योंकि मैंने पूरे साल का भुगतान कर दिया है। पैसा चला गया। सवाल यह है कि क्या बचे हुए महीने इसके लायक हैं। आमतौर पर नहीं। रद्द करना हार स्वीकार करने जैसा लगता है, लेकिन यह वास्तव में अधिक समझदारी भरा कदम है।

Sunk cost fallacy रिश्तों में भी दिखाई देता है। लोग पहले से निवेश किए गए वर्षों के कारण दुखी विवाहों में बने रहते हैं। वे उस डिग्री के कारण अपनी नफरत भरी नौकरियों में बने रहते हैं जिसे पाने में उन्होंने चार साल बिताए। डिग्री कहीं नहीं जा रही। सवाल यह है कि क्या अगले पाँच साल इसके लायक होंगे। अगर जवाब नहीं है, तो पिछला निवेश रहने का कारण नहीं है। यह और निवेश करने से पहले जाने का कारण है।

सेना के पास इसके लिए एक वाक्यांश है: “अपने नुकसान काटो।” यह हार मानना नहीं है। यह संसाधनों को वहाँ पुनर्निर्देशित करना है जहाँ उनके भुगतान करने की वास्तविक संभावना है। हर घंटा जो आप एक बेकार रास्ते पर बिताते हैं, वह एक घंटा है जो आप उस रास्ते पर नहीं बिता सकते जो काम कर सकता है।

Bayesian thinking

Bayesian thinking का अर्थ है जब आप नए सबूत देखते हैं तो अपनी मान्यताओं को अपडेट करना। गणित डरावना लगता है, लेकिन विचार सीधा है: किसी चीज़ में आपका विश्वास बदलना चाहिए जैसे-जैसे आप अधिक सीखते हैं।

मूल सूत्र है:

P(सबूत के बाद विश्वास) = P(सबूत से पहले विश्वास) × P(सबूत अगर विश्वास सच है) / P(सबूत)

सीधी भाषा में: आप पहले से जो मानते हैं उससे शुरू करें, फिर आपने अभी जो सीखा है उसके आधार पर समायोजित करें। अगर आपको लगता है कि एक सिक्का निष्पक्ष है और वह लगातार दस बार हेड आता है, तो आपको अपना विश्वास अपडेट करना चाहिए कि सिक्का भारित है।

ज़्यादातर लोग इसके विपरीत करते हैं। वे एक विश्वास बनाते हैं और फिर उसे सभी सबूतों के खिलाफ बचाते हैं। यही कारण है कि राजनीति और धर्म इतने सारे तर्क पैदा करते हैं। Bayesian thinking आपको मजबूर करता है कि विश्वासों को स्थायी सत्य के बजाय अस्थायी परिकल्पना के रूप में मानें।

व्यावहारिक चुनौती यह है कि विश्वासों को अपडेट करना कमजोरी जैसा लगता है। अगर आप नए सबूत देखने के बाद अपना विचार बदलते हैं, तो लोग आपको असंगत या चंचल कह सकते हैं। लेकिन गणित आपकी प्रतिष्ठा की परवाह नहीं करता। वह सटीकता की परवाह करता है। जो व्यक्ति जल्दी अपडेट करता है, वह पुराने विश्वासों से चिपके रहने वाले व्यक्ति की तुलना में बेहतर भविष्यवाणियाँ करता है।

भविष्यवाणी बाजार इसका एक व्यावहारिक अनुप्रयोग है। जब हजारों लोग किसी परिणाम पर दांव लगाते हैं, तो नई जानकारी आने पर संभावनाएं बदलती हैं। @zodchiii भविष्यवाणी बाजारों को आपके निर्णय लेने के लिए जिम कहते हैं। आपको फीडबैक मिलता है कि आपकी मान्यताएं कैलिब्रेटेड हैं या नहीं, और आप रीयल-टाइम में समायोजित कर सकते हैं।

आप छोटे तरीकों से Bayesian thinking का अभ्यास कर सकते हैं। जब कोई दोस्त किसी रेस्तरां की सिफारिश करता है और आपको बुरा अनुभव होता है, तो उस दोस्त के स्वाद में अपने विश्वास को अपडेट करें। जब आपके द्वारा खरीदा गया स्टॉक कमाई के बाद गिरता है, तो दोगुना दांव लगाने के बजाय कंपनी के अपने मॉडल को अपडेट करें। छोटे अपडेट समय के साथ बेहतर निर्णय में जमा होते हैं।

Survivorship bias

Survivorship bias केवल विजेताओं का अध्ययन करने और यह मान लेने की गलती है कि उनकी आदतें जीत की व्याख्या करती हैं। कॉलेज ड्रॉपआउट जिन्होंने यूनिकॉर्न कंपनियां बनाईं, उनकी जीवनियां लिखी जाती हैं। हजारों ड्रॉपआउट जो असफल हुए और अब सामान्य नौकरियां करते हैं, उन्हें कोई कवरेज नहीं मिलता।

थ्रेड बताता है कि 87 प्रतिशत Polymarket वॉलेट पैसे खोते हैं। लेकिन आप केवल विजेताओं के बारे में सुनते हैं जिन्होंने सोशल मीडिया पर अपने लाभ पोस्ट किए। वही चीज़ रेस्तरां, स्टार्टअप और निवेश रणनीतियों के साथ होती है। आप 60 प्रतिशत को देखते हैं जो बच गए और 40 प्रतिशत को नज़रअंदाज़ करते हैं जो बंद हो गए।

यह पूर्वाग्रह खतरनाक है क्योंकि यह बुरी रणनीतियों को स्मार्ट दिखाता है। अगर आप सफल लोगों की आदतों की नकल करते हैं बिना यह जाँचे कि क्या उन आदतों ने वास्तव में सफलता पैदा की, तो आप जुआ खेल रहे हैं। हो सकता है कि वे अपनी आदतों के बावजूद सफल हुए हों, उनके कारण नहीं।

इसका उपाय गायब डेटा की तलाश करना है। अपने आप से पूछें: किसने यह कोशिश की और असफल रहा? वे लोग कहाँ हैं जिन्होंने वही किया लेकिन सफल नहीं हुए? अगर आप उन्हें नहीं ढूंढ पाते, तो यह एक लाल झंडा है, यह सबूत नहीं कि रणनीति काम करती है।

एक बार जब आप इसे ढूंढना शुरू करते हैं तो Survivorship bias हर जगह है। व्यावसायिक किताबें सफल कंपनियों का अध्ययन करती हैं बिना उनकी तुलना असफल कंपनियों से किए। फिटनेस इन्फ्लुएंसर अपने परिणाम दिखाते हैं लेकिन उन लोगों को नहीं जिन्होंने वही योजना अपनाई और कोई बदलाव नहीं देखा। निवेश न्यूज़लेटर जीतने वाले ट्रेडों का बखान करते हैं जबकि हारने वालों को नज़रअंदाज़ करते हैं।

थ्रेड Polymarket को एक केस स्टडी के रूप में उजागर करता है। हर कोई अपनी बड़ी जीत के स्क्रीनशॉट साझा करता है। कोई भी उन खातों के स्क्रीनशॉट साझा नहीं करता जिन्होंने अपने मूल्य का 80 प्रतिशत खो दिया। अगर आप केवल विजेताओं को देखते हैं, तो आप सोचेंगे कि प्लेटफॉर्म आसान पैसा है। अगर आप पूरे वितरण को देखते हैं, तो आप महसूस करेंगे कि यह शौकीनों के लिए भारी घरेलू बढ़त वाला कौशल खेल है।

इस पूर्वाग्रह का मुकाबला करने के लिए, सक्रिय रूप से असफलता की कहानियां खोजें। असफल स्टार्टअप के पोस्ट-मॉर्टम पढ़ें। उन लोगों को देखें जिन्होंने वही आहार अपनाया और वजन बढ़ाया। उन ट्रेडरों का अध्ययन करें जिन्होंने अपने खातों को उड़ा दिया। गायब डेटा अक्सर दिखाई देने वाले डेटा से अधिक जानकारीपूर्ण होता है।

Kelly criterion

Kelly criterion आपको बताता है कि किसी दिए गए अवसर पर अपने bankroll का कितना हिस्सा दांव पर लगाना है। यह एक सूत्र है जो लाभ को जोखिम के खिलाफ संतुलित करता है ताकि आप दिवालिया न हों भले ही आपके पास बढ़त हो।

सूत्र है:

f = (bp - qb) / b*

जहाँ b ऑड्स है, p जीतने की संभावना है, q हारने की संभावना है, और f* आपके bankroll का वह हिस्सा है जिसे दांव पर लगाना है।

व्यवहार में, अधिकांश पेशेवर सट्टेबाज और निवेशक quarter-Kelly दृष्टिकोण का उपयोग करते हैं। वे सूत्र के सुझाव से कम दांव लगाते हैं क्योंकि वास्तविक जीवन गणित से अधिक गड़बड़ है। अपनी बढ़त को अधिक आंकना सब कुछ खोने का सबसे तेज़ तरीका है।

यहाँ सबक जुआ के बारे में नहीं है। यह संसाधन आवंटन के बारे में है। अगर आपके पास एक अच्छा अवसर है, तो आपको उसके लिए कितना समय, पैसा या ध्यान देना चाहिए? एक दांव पर सब कुछ लगाना साहसिक लगता है, लेकिन यह आमतौर पर लापरवाही है। अपनी वास्तविक बढ़त के अनुपात में अपने दांव फैलाना आपको खेल में अधिक समय तक बनाए रखता है।

निवेश में, इसका मतलब है कि आप कितने भी आश्वस्त क्यों न हों, कभी भी एक ही स्टॉक पर सब कुछ न लगाएं। करियर के संदर्भ में, इसका मतलब है कि अपना पूरा भविष्य एक कंपनी या एक कौशल पर दांव पर न लगाएं। रिश्तों में, इसका मतलब है कि अपनी सभी भावनात्मक ज़रूरतें एक व्यक्ति पर न डालें। गणित विविधीकरण कहता है, भले ही आपकी अंतरात्मा एकाग्रता कहे।

ज़्यादातर लोग quarter-Kelly भाग से चूक जाते हैं। Full Kelly मानता है कि आप अपनी बढ़त को पूरी तरह से जानते हैं। वास्तविक जीवन में, आप शायद अति-आश्वस्त हैं। Kelly राशि का एक चौथाई दांव लगाना आपको गलती के लिए जगह देता है। जब आप सही होते हैं तब भी आप बड़ा जीतते हैं, लेकिन जब आप गलत होते हैं तो संग्रह करने के लिए पर्याप्त समय तक जीवित रहते हैं। वह जीवित रहने का बफर वह है जो ज़्यादातर लोग चूक जाते हैं। लक्ष्य एक बार होम रन मारना नहीं है। यह तब तक खेलते रहना है जब तक संभावनाएं आपके पक्ष में काम न करें।

सभी 6 कैसे जुड़ते हैं

ये मॉडल अलग-अलग उपकरण नहीं हैं। ये लेंस हैं जो एक दूसरे को सही करते हैं। Expected value आपको अल्पकालिक नुकसान पर अत्यधिक प्रतिक्रिया करने से रोकता है। Base rate neglect आपको outliers का पीछा करने से रोकता है। Sunk cost fallacy आपको पिछले निवेशों से बाहर निकालता है जो अब आपकी सेवा नहीं करते। Bayesian thinking आपके नक्शे को अपडेट करता है जैसे-जैसे क्षेत्र बदलता है। Survivorship bias आपको उन विफलताओं को देखने की याद दिलाता है जो आप नहीं देख सकते। Kelly criterion सुनिश्चित करता है कि आपके पास अगला हाथ खेलने के लिए पर्याप्त बचा हो।

एक साथ उपयोग किए जाने पर, वे एक प्रणाली बनाते हैं। आप इस आधार पर फैसले लेना बंद कर देते हैं कि कोई विकल्प क्षण में कैसा लगता है और इस आधार पर लेना शुरू करते हैं कि क्या गणित समय के साथ काम करता है। वह बदलाव सूक्ष्म लेकिन स्थायी है।

इसे ड्राइविंग सीखने की तरह समझें। पहले, आप हर गियर परिवर्तन और दर्पण जाँच के बारे में सोचते हैं। अंततः, कौशल स्वचालित हो जाते हैं। ये छह मॉडल उसी तरह काम करते हैं। पहले, आपको सचेत रूप से गणनाएं चलानी पड़ती हैं। अभ्यास के साथ, वे दुनिया को देखने के आपके तरीके का हिस्सा बन जाते हैं। आप समाचार सुर्खियों में base rate neglect देखेंगे। आप खुद को एक मीटिंग में sunk cost को सही ठहराते हुए पकड़ेंगे। जब कोई सफलता की कहानी वायरल होगी तो आप survivorship bias का खिंचाव महसूस करेंगे।

यह वास्तविक लाभ है। आपको बाकी सभी से अधिक स्मार्ट होने की ज़रूरत नहीं है। आपके पास बस एक ऐसी प्रणाली होनी चाहिए जो उन गलतियों को पकड़े जो बाकी सभी चूक जाते हैं।

असहज सच्चाई

थ्रेड से असहज सच्चाई यह है कि अधिकांश लोग गणित का उपयोग नहीं करना चाहते। वे चाहते हैं कि फैसले सही लगें। वे आँकड़े नहीं, कहानियाँ चाहते हैं। वे विश्वास करना चाहते हैं कि कड़ी मेहनत अकेले परिणाम निर्धारित करती है, जबकि संभाव्यता और भाग्य किसी भी स्वीकार से कहीं बड़ी भूमिका निभाते हैं।

यही कारण है कि भविष्यवाणी बाजार लोगों को ठंडे लगते हैं। वे कथा को छीन लेते हैं और आपको कच्ची संभावनाएं दिखाते हैं। लेकिन वह ठंडापन ही बिंदु है। यह आपको अपने आप से झूठ बोलने से रोकता है कि सफलता वास्तव में कितनी संभावित है।

अगर आप बेहतर फैसले लेने के बारे में गंभीर हैं, तो आपको सार्वजनिक रूप से गलत होने में सहज होना होगा। जब सबूत कहें कि आपको चाहिए, तो आपको अपनी मान्यताओं को अपडेट करना होगा, भले ही यह आपके अहंकार को चोट पहुँचाए। यह बेहतर होने की कीमत है।

निष्कर्ष

फैसलों के पीछे छिपा गणित वास्तव में छिपा नहीं है। इसे बस नज़रअंदाज़ किया जाता है। Expected value, base rates, sunk costs, Bayesian अपडेट, survivorship bias, और Kelly criterion सभी अच्छी तरह से प्रलेखित विचार हैं। लाभ उन लोगों को जाता है जो वास्तव में उन्हें लागू करते हैं।

छोटी शुरुआत करें। अगली बार जब आप किसी विकल्प का सामना करें, तो संभावनाएं और लाभ लिखें। किसी विशिष्ट उदाहरण के बारे में उत्साहित होने से पहले base rate की जाँच करें। पूछें कि क्या आप किसी स्थिति में इसलिए बने रह रहे हैं क्योंकि वह अभी भी अच्छी है या क्योंकि आपने छोड़ने के लिए बहुत अधिक निवेश कर लिया है।

अगर आप गहराई में जाना चाहते हैं, तो थ्रेड पाँच पुस्तकों की सिफारिश करता है जो इन विचारों को अधिक विस्तार से कवर करती हैं: Thinking Fast and Slow by Daniel Kahneman, Superforecasting by Philip Tetlock, The Signal and the Noise by Nate Silver, Fooled by Randomness by Nassim Taleb, और Fortune’s Formula by William Poundstone। प्रत्येक अनिश्चितता और विकल्प के बारे में आपकी सोच का विस्तार करेगी।

मैंने सभी पाँच पढ़ी हैं, और प्रत्येक अलग तरह से प्रभावित करती है। Kahneman आपको नींव देता है। Tetlock आपको दिखाता है कि वास्तविक दुनिया में इसे कैसे लागू करें। Silver आपको संभावनाओं में सोचना सिखाता है। Taleb आपको सबसे अच्छे तरीके से जोखिम के बारे में पैरानॉयड बनाता है। Poundstone गणित को धन प्रबंधन से जोड़ता है। उस क्रम में उन्हें पढ़ना एक पूरी तस्वीर बनाता है।

अगर आप देखना चाहते हैं कि मानसिक मॉडल रणनीति पर कैसे लागू होते हैं, तो शतरंज मानसिक मॉडल श्रृंखला दिखाती है कि ग्रैंडमास्टर दबाव में उच्च-दांव वाले फैसले लेने के लिए पैटर्न पहचान और चयनात्मक गणना का उपयोग कैसे करते हैं। सिद्धांत यहाँ हमने जो कवर किया उसके साथ ओवरलैप करते हैं, लेकिन शतरंज का संदर्भ उन्हें ठोस बनाता है।

गणित अच्छे परिणामों की गारंटी नहीं देगा। कुछ भी नहीं देता। लेकिन यह गारंटी देगा कि आपके फैसले विकल्प से बेहतर हैं, जो अनुमान लगाना और उम्मीद करना है।

अगर आप इन मॉडलों का एक साथ अभ्यास करना चाहते हैं, तो यह व्यायाम आज़माएं। अगले एक सप्ताह के लिए, आपके द्वारा लिया गया हर महत्वपूर्ण फैसला लिखें। प्रत्येक के लिए, expected value, base rate, क्या आप sunk cost fallacy में फंस रहे हैं, आप अपने विश्वास में कितने आश्वस्त हैं, क्या आप गायब डेटा को नज़रअंदाज़ कर रहे हैं, और आप अपने कितने संसाधन लगा रहे हैं, नोट करें। सप्ताह के अंत में, अपने नोट्स की समीक्षा करें। पैटर्न आपको आश्चर्यचकित करेंगे।

यही छिपा गणित है। यह जादू नहीं है। यह सिर्फ संगति है। और संगति कुछ ऐसी है जो कोई भी सीख सकता है।