Matematik tersirat di sebalik setiap keputusan yang anda buat

Dulu saya fikir keputusan baik datang dari gerak hati atau pemikiran teliti. Kemudian saya membaca satu utas viral oleh pedagang dan penyelidik @zodchiii yang membuat saya sedar bahawa saya telah mengabaikan bahagian paling mudah dalam persamaan. Kebanyakan orang pun sama. Kita anggap keputusan sebagai soal pendapat atau intuisi, padahal ia sebenarnya masalah matematik dalam penyamaran.

Utas itu, yang diterbitkan semula di axisofeasy.com, mengupas enam model mental yang menjelaskan mengapa orang pintar membuat pilihan bodoh. Model-model ini bukan perkara baru. Ahli ekonomi dan psikologi telah mengetahuinya selama beberapa dekad. Tetapi menggunakannya secara konsisten adalah jarang. Di situlah letaknya kelebihan.

Jika anda mahu membuat keputusan yang lebih baik di tempat kerja, dalam perhubungan, atau dengan wang, enam rangka kerja ini akan mengubah cara anda melihat hampir setiap pilihan.

Apa yang membezakan utas ini daripada kandungan bantuan diri yang lain ialah @zodchiii bukan jurulatih kehidupan yang menjual kursus. Dia adalah pedagang Polymarket yang membuat pertaruhan sebenar dengan wang sebenar. Nasihatnya datang daripada menjejak hasil, bukan daripada teori. Latar belakang praktikal itu memberikan model-model ini kredibiliti yang tidak anda perolehi daripada seseorang yang tidak pernah salah di khalayak ramai.

Expected value

Expected value adalah alat membuat keputusan paling asas yang anda akan gunakan, dan hampir tiada siapa yang menerapkannya secara sedar. Formulanya mudah: darabkan kebarangkalian sesuatu hasil dengan ganjarannya, kemudian jumlahkan semua hasil yang mungkin.

Inilah versi yang sedia diingat:

Expected value = (kebarangkalian menang × ganjaran) - (kebarangkalian kalah × jumlah kerugian)

Satu lambungan duit syiling yang membayar anda 2 dolar untuk kepala dan merugikan anda 1 dolar untuk ekor mempunyai expected value yang positif. Anda patut mengambil pertaruhan itu setiap kali, walaupun anda akan kalah separuh daripada lambungan. Kebanyakan orang menolak kerana kerugian terasa lebih pedih daripada keuntungan terasa baik. Itulah aversi kerugian sedang berfungsi, dan itulah sebabnya kasino menjana wang.

Dalam kehidupan sebenar, expected value muncul dalam tawaran kerja, pilihan pelaburan, dan sama ada untuk menghadiri parti. Jika potensi keuntungan mengatasi kerugian apabila anda mengambil kira kebarangkalian, matematik kata ambillah. Perasaan di perut anda bukan matematik yang bercakap.

Ini berkaitan dengan set yang lebih luas perangkap minda psikologi yang mensabotaj membuat keputusan. Expected value adalah salah satu cara untuk melarikan diri daripada perangkap itu. Daripada bergantung pada reaksi gerak hati, anda mengira sama ada kemungkinan berpihak kepada anda. Lama-kelamaan, tabiat kecil itu memisahkan orang yang bernasib baik daripada orang yang mencipta nasib mereka sendiri.

Inilah contoh yang lebih praktikal. Katakan anda sedang mempertimbangkan projek sampingan yang boleh menjana 5,000 dolar dengan 30 peratus peluang kejayaan, dan ia akan menelan kos 500 dolar dalam masa dan bahan jika gagal. Expected value ialah (0.3 × 5,000) - (0.7 × 500) = 1,150. Itu positif. Walaupun anda gagal tujuh daripada sepuluh kali, satu kejayaan membayar semua kerugian dan meninggalkan anda di hadapan. Kebanyakan orang melihat kadar kegagalan 70 peratus dan beredar tanpa membuat pengiraan.

Logik yang sama digunakan untuk e-mel sejuk, permohonan kerja, dan dating. Jika keuntungan cukup besar dan kos mencuba rendah, expected value kemungkinan positif. Anda hanya perlu bersedia melakukan pengiraan dan bukannya mempercayai ketakutan anda.

Base rate neglect

Otak anda benci statistik umum. Ia lebih suka cerita khusus. Inilah perangkap base rate neglect, dan ia merosakkan lebih banyak keputusan daripada kebanyakan bias lain.

Inilah contoh klasik daripada utas itu: bayangkan penyakit yang menjejaskan 1 dalam 1,000 orang. Ujian untuknya adalah 99% tepat. Anda diuji positif. Apakah peluang anda sebenarnya menghidap penyakit itu?

Kebanyakan orang kata 99%. Jawapan sebenar adalah sekitar 9%. Kenapa? Kerana penyakit itu sangat jarang sehingga positif palsu mengatasi positif benar dengan jurang yang luas. Otak anda mengabaikan kadar asas (1 dalam 1,000) dan melekat pada maklumat peribadi yang jelas (ujian positif anda).

Ini berlaku sentiasa. Anda dengar tentang seorang pelajar yang berhenti kolej dan membina syarikat bernilai bilion dan fikir berhenti kolej adalah pelan yang baik. Anda mengabaikan kadar asas: kebanyakan pelajar yang berhenti tidak menjadi bilionair. Anda dengar tentang sebuah startup yang mengumpul jutaan dan fikir idea anda adalah yang seterusnya. Anda mengabaikan kadar asas: kira-kira 6 daripada 10 startup gagal dalam beberapa tahun pertama.

Anda juga melihat ini dalam keputusan kesihatan. Seorang rakan mencuba suplemen baru dan kata ia menyembuhkan keletihannya. Anda membeli suplemen yang sama dan tidak merasa apa-apa. Kisah individu itu jelas, tetapi kadar asas memberitahu anda bahawa suplemen jarang mengatasi plasebo untuk keletihan umum. Otak anda tidak peduli tentang kadar asas. Ia peduli tentang cerita.

Pembaikannya membosankan tetapi berkesan. Sebelum anda teruja tentang kes tertentu, tanya apa kata statistik umum. Statistik umum biasanya betul. Jika anda sedang berfikir untuk berhenti kerja untuk memulakan perniagaan, lihat kadar kemandirian perniagaan dalam industri anda, bukan siaran Instagram seorang yang berjaya besar. Orang itu adalah outlier. Kadar asas adalah realiti yang kebanyakan orang lalui.

Ini betul-betul jenis penaakulan yang diterokai dalam panduan pemikiran kritis tentang logik dan bias. Bezanya di sini ialah base rate neglect mempunyai pembaikan matematik yang khusus. Anda tidak perlu menjadi pakar logik. Anda hanya perlu ingat untuk menyemak statistik sebelum anda jatuh cinta dengan cerita.

Sunk cost fallacy

Anda membeli tiket wayang 15 dolar. Dua puluh minit kemudian, anda sedar filem itu teruk. Adakah anda pergi atau tinggal?

Kebanyakan orang tinggal. Mereka fikir tentang 15 dolar yang sudah dibelanjakan dan tidak mahu membazirkannya. 15 dolar itu sudah hilang tidak kira apa yang anda lakukan. Ia adalah sunk cost. Satu-satunya soalan rasional ialah: memandangkan di mana saya sekarang, adakah 90 minit seterusnya bernilai masa saya?

Sunk cost fallacy adalah sebab orang kekal dalam pekerjaan buntu, terus membaiki kereta yang nilainya kurang daripada bil pembaikan, dan memegang pelaburan yang rugi dengan harapan ia akan pulih. Masa lalu tidak boleh dirunding. Yang penting ialah apa yang akan datang.

Saya telah melakukan ini dengan langganan. Saya bayar untuk perkhidmatan yang saya tidak guna kerana saya sudah bayar untuk setahun. Wang itu sudah hilang. Soalannya ialah sama ada bulan-bulan yang tinggal berbaloi. Biasanya tidak. Membatalkan terasa seperti mengakui kekalahan, tetapi ia sebenarnya langkah yang lebih bijak.

Sunk cost fallacy juga muncul dalam perhubungan. Orang kekal dalam perkahwinan yang tidak bahagia kerana tahun-tahun yang sudah dilaburkan. Mereka kekal dalam kerjaya yang mereka benci kerana ijazah yang mereka habiskan empat tahun untuk mendapatkannya. Ijazah itu tidak akan ke mana-mana. Soalannya ialah sama ada lima tahun akan datang berbaloi. Jika jawapannya tidak, pelaburan masa lalu bukan alasan untuk tinggal. Ia adalah alasan untuk pergi sebelum anda melabur lebih banyak.

Tentera mempunyai frasa untuk ini: “potong kerugian anda.” Ia bukan berputus asa. Ia mengarahkan semula sumber ke tempat yang benar-benar berpeluang untuk membuahkan hasil. Setiap jam yang anda habiskan di jalan buntu adalah satu jam yang anda tidak boleh habiskan di jalan yang mungkin berhasil.

Bayesian thinking

Bayesian thinking bermaksud mengemas kini kepercayaan anda apabila anda melihat bukti baru. Matematiknya kelihatan menakutkan, tetapi ideanya mudah: keyakinan anda terhadap sesuatu harus berubah apabila anda belajar lebih banyak.

Formula asasnya ialah:

P(kepercayaan selepas bukti) = P(kepercayaan sebelum bukti) × P(bukti jika kepercayaan benar) / P(bukti)

Dalam bahasa mudah: mulakan dengan apa yang anda sudah percaya, kemudian laraskan berdasarkan apa yang baru anda pelajari. Jika anda fikir duit syiling adalah adil dan ia menunjukkan kepala sepuluh kali berturut-turut, anda harus mengemas kini kepercayaan bahawa syiling itu berat sebelah.

Kebanyakan orang melakukan sebaliknya. Mereka membentuk kepercayaan dan kemudian mempertahankannya terhadap semua bukti. Inilah sebabnya politik dan agama menciptakan begitu banyak perdebatan. Bayesian thinking memaksa anda memperlakukan kepercayaan sebagai hipotesis sementara dan bukannya kebenaran kekal.

Cabaran praktikalnya ialah mengemas kini kepercayaan terasa seperti kelemahan. Jika anda mengubah fikiran selepas melihat bukti baru, orang mungkin memanggil anda tidak konsisten. Tetapi matematik tidak peduli tentang reputasi anda. Ia peduli tentang ketepatan. Orang yang mengemas kini dengan cepat akhirnya mempunyai ramalan yang lebih baik daripada orang yang berpegang pada kepercayaan lama.

Pasaran ramalan adalah aplikasi praktikal ini. Apabila ribuan orang bertaruh pada sesuatu hasil, kemungkinan berubah apabila maklumat baru tiba. @zodchiii memanggil pasaran ramalan sebagai gim untuk membuat keputusan anda. Anda mendapat maklum balas sama ada kepercayaan anda ditentukur, dan anda boleh menyesuaikan dalam masa nyata.

Anda boleh mengamalkan Bayesian thinking dalam cara-cara kecil. Apabila rakan mengesyorkan restoran dan anda mempunyai pengalaman buruk, kemas kini kepercayaan anda terhadap citarasa rakan itu. Apabila saham yang anda beli jatuh selepas pendapatan, kemas kini model syarikat itu dan bukannya menggandakan taruhan. Kemas kini kecil terkumpul menjadi pertimbangan yang lebih baik dari semasa ke semasa.

Survivorship bias

Survivorship bias adalah kesilapan mengkaji hanya pemenang dan menganggap tabiat mereka menjelaskan kemenangan. Pelajar berhenti kolej yang membina syarikat unicorn mendapat biografi. Beribu-ribu pelajar berhenti yang gagal dan kini bekerja pekerjaan biasa tidak mendapat liputan langsung.

Utas itu menunjukkan bahawa 87 peratus dompet Polymarket kehilangan wang. Tetapi anda hanya mendengar tentang pemenang yang menyiarkan keuntungan mereka di media sosial. Perkara yang sama berlaku dengan restoran, startup, dan strategi pelaburan. Anda melihat 60 peratus yang terselamat dan mengabaikan 40 peratus yang tutup.

Bias ini berbahaya kerana ia membuat strategi buruk kelihatan pintar. Jika anda meniru tabiat orang berjaya tanpa memeriksa sama ada tabiat itu benar-benar menyebabkan kejayaan, anda sedang berjudi. Mungkin mereka berjaya walaupun tabiat mereka, bukan kerananya.

Penawarnya adalah mencari data yang hilang. Tanya diri sendiri: siapa yang mencuba ini dan gagal? Di manakah orang yang melakukan perkara yang sama tetapi tidak berjaya? Jika anda tidak dapat menemuinya, itu adalah tanda bahaya, bukan bukti bahawa strategi itu berkesan.

Survivorship bias ada di mana-mana sebaik sahaja anda mula mencarinya. Buku perniagaan mengkaji syarikat berjaya tanpa membandingkannya dengan yang gagal. Influencer kecergasan menunjukkan keputusan mereka tetapi bukan orang yang mengikuti pelan yang sama dan tidak melihat perubahan. Surat berita pelaburan bermegah tentang dagangan yang menang sambil mengabaikan yang kalah.

Utas itu menonjolkan Polymarket sebagai kajian kes. Semua orang berkongsi tangkapan skrin kemenangan besar mereka. Tiada siapa yang berkongsi tangkapan skrin akaun yang kehilangan 80 peratus nilainya. Jika anda hanya melihat pemenang, anda akan fikir platform itu adalah wang mudah. Jika anda melihat pengagihan penuh, anda akan sedar ia adalah permainan kemahiran dengan kelebihan rumah yang berat untuk amatur.

Untuk mengatasi bias ini, cari secara aktif cerita kegagalan. Baca post-mortem startup yang gagal. Lihat orang yang mengikuti diet yang sama dan menambah berat badan. Kaji pedagang yang meletupkan akaun mereka. Data yang hilang selalunya lebih informatif daripada data yang kelihatan.

Kelly criterion

Kelly criterion memberitahu anda berapa banyak bankroll anda untuk dipertaruhkan pada peluang tertentu. Ia adalah formula yang mengimbangi ganjaran terhadap risiko supaya anda tidak bankrap walaupun anda mempunyai kelebihan.

Formulanya ialah:

f = (bp - qb) / b*

Di mana b adalah odds, p adalah kebarangkalian menang, q adalah kebarangkalian kalah, dan f* adalah pecahan bankroll anda untuk dipertaruhkan.

Dalam amalan, kebanyakan petaruh profesional dan pelabur menggunakan pendekatan quarter-Kelly. Mereka bertaruh kurang daripada yang dicadangkan formula kerana kehidupan sebenar lebih rumit daripada matematik. Melebih anggarkan kelebihan anda adalah cara terpantas untuk kehilangan segala-galanya.

Pengajaran di sini bukan tentang perjudian. Ia tentang peruntukan sumber. Jika anda mempunyai peluang yang baik, berapa banyak masa, wang, atau perhatian patut anda tumpukan padanya? Meletakkan segala-galanya dalam satu pertaruhan terasa berani, tetapi ia biasanya melulu. Menyebarkan pertaruhan secara berkadar dengan kelebihan sebenar anda memastikan anda kekal dalam permainan lebih lama.

Dalam pelaburan, ini bermakna jangan sekali-kali meletakkan semua dalam satu saham tidak kira betapa yakinnya anda. Dalam kerjaya, ini bermakna jangan mempertaruhkan seluruh masa depan anda pada satu syarikat atau satu kemahiran. Dalam perhubungan, ini bermakna jangan meletakkan semua keperluan emosi anda pada satu orang. Matematik kata diversifikasi, walaupun gerak hati anda kata tumpu.

Kebanyakan orang terlepas bahagian quarter-Kelly. Full Kelly menganggap anda tahu kelebihan anda dengan sempurna. Dalam kehidupan sebenar, anda mungkin terlalu yakin. Bertaruh satu perempat daripada jumlah Kelly memberi anda ruang untuk kesilapan. Anda masih menang besar apabila betul, tetapi anda terus hidup cukup lama untuk mengutip apabila salah. Penampan kemandirian itulah yang kebanyakan orang terlepas. Matlamatnya bukan untuk memukul home run sekali. Ia untuk terus bermain sehingga kemungkinan memihak kepada anda.

Bagaimana kesemua 6 saling berkait

Model-model ini bukan alat yang berasingan. Ia adalah kanta yang saling membetulkan. Expected value menghalang anda daripada bertindak balas berlebihan terhadap kerugian jangka pendek. Base rate neglect menghalang anda daripada mengejar outlier. Sunk cost fallacy menarik anda keluar dari pelaburan lalu yang tidak lagi memberi manfaat kepada anda. Bayesian thinking mengemas kini peta anda apabila wilayah berubah. Survivorship bias mengingatkan anda untuk mencari kegagalan yang tidak dapat anda lihat. Kelly criterion memastikan anda mempunyai cukup baki untuk bermain pusingan seterusnya.

Digunakan bersama, ia membentuk satu sistem. Anda berhenti membuat keputusan berdasarkan bagaimana pilihan terasa pada masa itu dan mula membuatnya berdasarkan sama ada matematik berfungsi dari semasa ke semasa. Peralihan itu halus tetapi kekal.

Fikirkannya seperti belajar memandu. Pada mulanya, anda fikir tentang setiap pertukaran gear dan pemeriksaan cermin. Akhirnya, kemahiran menjadi automatik. Enam model ini berfungsi dengan cara yang sama. Pada mulanya, anda perlu secara sedar menjalankan pengiraan. Dengan latihan, ia menjadi sebahagian daripada cara anda melihat dunia. Anda akan perasan base rate neglect dalam tajuk berita. Anda akan menangkap diri anda membenarkan sunk cost dalam mesyuarat. Anda akan merasai tarikan survivorship bias apabila cerita kejayaan viral.

Inilah pulangan sebenar. Anda tidak perlu lebih pintar daripada orang lain. Anda hanya perlu mempunyai sistem yang menangkap kesilapan yang orang lain terlepas.

Kebenaran yang tidak selesa

Kebenaran yang tidak selesa daripada utas itu ialah kebanyakan orang tidak mahu menggunakan matematik. Mereka mahu keputusan terasa betul. Mereka mahu cerita, bukan statistik. Mereka mahu percaya bahawa kerja keras sahaja menentukan hasil, sedangkan kebarangkalian dan nasib memainkan peranan yang jauh lebih besar daripada yang sesiapa akui.

Inilah sebabnya pasaran ramalan terasa dingin bagi orang. Ia menanggalkan naratif dan menunjukkan anda kemungkinan mentah. Tetapi kedinginan itulah tujuannya. Ia menghalang anda daripada berbohong kepada diri sendiri tentang seberapa berkemungkinan kejayaan sebenarnya.

Jika anda serius tentang membuat keputusan yang lebih baik, anda perlu selesa menjadi salah di khalayak ramai. Anda perlu mengemas kini kepercayaan anda apabila bukti mengatakan anda patut, walaupun ia menyakiti ego anda. Itulah harga untuk menjadi lebih baik.

Kesimpulan

Matematik tersirat di sebalik keputusan sebenarnya tidak tersirat. Ia hanya diabaikan. Expected value, kadar asas, sunk costs, kemas kini Bayesian, survivorship bias, dan Kelly criterion semuanya adalah idea yang didokumentasi dengan baik. Kelebihan pergi kepada orang yang benar-benar menerapkannya.

Mulakan kecil. Lain kali anda menghadapi pilihan, tuliskan kebarangkalian dan ganjaran. Semak kadar asas sebelum anda teruja tentang contoh tertentu. Tanya sama ada anda kekal dalam situasi kerana ia masih baik atau kerana anda sudah terlalu banyak melabur untuk berhenti.

Jika anda mahu pergi lebih dalam, utas itu mengesyorkan lima buku yang merangkumi idea-idea ini dengan lebih terperinci: Thinking Fast and Slow oleh Daniel Kahneman, Superforecasting oleh Philip Tetlock, The Signal and the Noise oleh Nate Silver, Fooled by Randomness oleh Nassim Taleb, dan Fortune’s Formula oleh William Poundstone. Setiap satu akan mengembangkan cara anda berfikir tentang ketidakpastian dan pilihan.

Saya telah membaca kesemua lima, dan setiap satu memberi kesan yang berbeza. Kahneman memberi anda asas. Tetlock menunjukkan cara menerapkannya dalam dunia sebenar. Silver mengajar anda berfikir dalam kebarangkalian. Taleb membuat anda paranoid tentang risiko dengan cara yang terbaik. Poundstone menghubungkan matematik kepada pengurusan wang. Membacanya dalam urutan itu membina gambaran yang lengkap.

Jika anda mahu melihat bagaimana model mental digunakan pada strategi, siri model mental catur menunjukkan bagaimana grandmaster menggunakan pengecaman corak dan pengiraan terpilih untuk membuat keputusan berisiko tinggi di bawah tekanan. Prinsipnya bertindih dengan apa yang kami liput di sini, tetapi konteks catur menjadikannya konkrit.

Matematik tidak akan menjamin hasil yang baik. Tiada apa yang menjamin. Tetapi ia akan menjamin bahawa keputusan anda lebih baik daripada alternatifnya, iaitu meneka dan berharap.

Jika anda mahu mengamalkan model-model ini bersama-sama, cuba latihan ini. Untuk minggu hadapan, tuliskan setiap keputusan signifikan yang anda buat. Untuk setiap satu, catatkan expected value, kadar asas, sama ada anda terjerumus dalam sunk cost fallacy, seberapa yakin anda dalam kepercayaan anda, sama ada anda mengabaikan data yang hilang, dan berapa banyak sumber anda yang anda komitedkan. Pada akhir minggu, semak nota anda. Coraknya akan mengejutkan anda.

Itulah matematik tersirat. Ia bukan sihir. Ia hanya konsistensi. Dan konsistensi adalah sesuatu yang sesiapa sahaja boleh pelajari.