Tome mejores decisiones con la probabilidad bayesiana, la forma inteligente de considerar el riesgo

Se estima que los adultos humanos toman alrededor de 35,000 decisiones por día; el porcentaje de buenas decisiones depende del adulto. Estas opciones pueden ser tan banales como decidir enrollar o arrugar papel higiénico o tan emocionalmente complicadas como decidir dejar una relación. Y dado que los humanos están sujetos a los prejuicios emocionales en lugar de dominarlos, las estrategias y los marcos intelectuales son necesarios para cualquiera que desee funcionar de una manera razonable. Desafortunadamente, no siempre tenemos las mejores herramientas. La forma en que la mayoría de la gente piensa acerca de la probabilidad, por ejemplo, no es adecuada para lo moderno.

En un día cualquiera, cualquier persona que viva en una sociedad moderna se involucrará con organizaciones, máquinas y modelos de precios que no entiendan completamente. La mayoría de las personas abordan estos enigmas diarios de una manera práctica, utilizando la información que tienen para maximizar la oportunidad de un resultado exitoso. Esto es esencialmente lo que nuestros padres nos enseñan a hacer como niños. Esto es a menudo lo que las personas quieren decir cuando hablan de "lógica". Pero este también es un proceso frecuentemente inadecuado. Cuando hay lagunas significativas en el conocimiento, difiere solo ligeramente de las suposiciones. En resumen, estamos pensando en la probabilidad de una manera ineficiente. En lugar de centrarnos en los resultados, deberíamos centrarnos en nuestra comprensión de las situaciones utilizando las ideas centrales de la probabilidad bayesiana.

La probabilidad bayesiana incorpora grados de creencia sobre las frecuencias históricas: la idea es que las decisiones que se toman fuera de la incertidumbre se basan en lo que alguien sabe originalmente y se actualiza a medida que uno se encuentra con información nueva. La idea es minimizar el riesgo y maximizar el aprendizaje. En lugar de abordar los problemas como monolíticos, los bayesianos los cortan en pedazos más digeribles. El conocimiento se acumula en el camino.

Para entender cómo funciona esto, tienes que hacer los cálculos. La ecuación central, también conocida como la regla de Bayes, fue formulada por Thomas Bayes, un clérigo y matemático inglés que murió en 1761. Predice la secuencia de eventos que conducen a un resultado. En la ecuación, T representa la hipótesis que se está probando y E representa las nuevas pruebas que confirmarán o refutarán la hipótesis. Las creencias aquí no son objetivas, pero están condicionadas a suposiciones previas y lo que se aprende en el camino.

La ecuación permite a los tomadores de decisiones asignar probabilidades a partes de información y eventos al mismo tiempo, superponiendo la probabilidad de que un supuesto subyacente demuestre la probabilidad de un resultado.

En un documento de 2011, el profesor de la Universidad Queen Mary Norman Fenton argumentó que la forma más efectiva de tomar decisiones es a través de modelos probabilísticos construidos a partir de redes bayesianas. Escribe que la crisis financiera de 2008 fue una llamada de atención que las personas y los sistemas financieros necesitan para mejorar en la evaluación de riesgos. Si bien la probabilidad bayesiana ha existido como una construcción crítica desde el siglo XVI, no se aplica ni enseña ampliamente. Y si bien es obvio que el pensamiento bayesiano se aplica a las finanzas, también da sentido a una miríada de otras situaciones.

"Para enfrentar este tipo de problemas de manera consistente y efectiva, necesitamos un método riguroso para cuantificar la incertidumbre que nos permita combinar los datos con el criterio de los expertos", escribe Fenton. "La probabilidad bayesiana es tal enfoque".

Fenton aboga por el aumento de la aplicación de la teoría bayesiana, pero se ha adoptado antes y con buenos resultados. Alan Turing usó estadísticas bayesianas cuando descifró códigos durante la Segunda Guerra Mundial. La única razón por la que no popularizó una nueva forma de pensar fue que nadie se enteró hasta que la información se desclasificó en 2012. Ese fue también el año en que Nate Silver utilizó la ecuación de Bayes para predecir los resultados de las elecciones de 2012 con una precisión impresionante.

La probabilidad bayesiana es mejor que otros sistemas de predicción del futuro porque también es uno de los pocos métodos que da cuenta de cuán impredecibles son realmente los humanos. Si bien incorpora lo que uno sabe, también responde al hecho de que la elección humana se ve constantemente afectada por las variables contextuales y situacionales. Esto es útil si está tratando de averiguar en qué acciones invertir, o qué plato de fruta será el más exitoso en su comida.

¿Pero cómo puedes aplicarlo hoy? Simple: piense en lo que cree que sabe y por qué cree que lo sabe antes de tomar una decisión. Luego piense si esa decisión le permitirá confirmar o negar sus sospechas. Es casi tan fácil Es una cuestión de tener la disciplina para centrarse en el por qué de lo que sucede en lugar de la simple realidad de los eventos. Solo porque algo sucede no lo hace probable.