Tag Beslutninger Med Udgangspunkt i Bayes’ Regel
Beslutningstagning og at tage beslutninger er en central del af vores hverdag. Fra simple valg som hvad vi skal spise til komplekse beslutninger om karriere og personlige relationer, er vi konstant nødt til at evaluere vores muligheder og vælge den bedste sti fremad. Men hvordan kan vi tage bedre beslutninger? Her kommer Bayes’ regel ind i billedet. Du kan læse mere om mig og min coaching her.
Thomas Bayes’ Historie
Thomas Bayes, født omkring 1701 i London, var en engelsk præst og matematiker, som bedst huskes for sin banebrydende arbejde inden for sandsynlighedsteori, især Bayes’ sætning. Hans liv er dog indhyllet i en vis mystik, da der findes få skriftlige kilder om hans personlige liv og virke.
Bayes blev uddannet ved University of Edinburgh, hvor han studerede logik og teologi. Efter sin uddannelse blev han præst i den presbyterianske kirke, og han tilbragte størstedelen af sit liv som præst i Tunbridge Wells, en lille by i Kent. Hans arbejde inden for matematik var en hobby, som han forfulgte ved siden af sine religiøse forpligtelser.
Bayes’ bidrag til matematikken blev først anerkendt efter hans død i 1761. Hans berømte essay, “An Essay towards solving a Problem in the Doctrine of Chances,” blev posthumt udgivet i 1763 af hans ven Richard Price. I dette essay præsenterede Bayes sin metode til at beregne sandsynligheder, hvilket senere blev kendt som Bayes’ sætning.
Bayes’ sætning er en matematisk formel, der bruges til at opdatere sandsynligheder baseret på ny information. Sætningen har haft en enorm indflydelse på statistisk analyse og har fundet anvendelse inden for mange forskellige områder, herunder medicin, økonomi, og maskinlæring. Ironisk nok er det sandsynligt, at Bayes aldrig selv anvendte sin sætning på praktiske problemer, da hans interesse hovedsageligt lå i at forstå de teoretiske aspekter af sandsynlighed.
Thomas Bayes’ arv lever videre i dag gennem det, der nu kaldes Bayesiansk statistik, en tilgang til statistisk inferens, der bygger på Bayes’ grundlæggende idéer. Selvom han levede et relativt stille og tilbagetrukket liv, har hans arbejde haft en vedvarende og betydelig indflydelse på videnskabelig og statistisk tænkning.
Bayes blev begravet i Bunhill Fields i London, et hvilested for mange prominente nonkonformister. Hans liv og arbejde minder os om, at selv de mest ydmyge tilværelser kan efterlade et uudsletteligt mærke på videnskaben og menneskelig viden.
Hvad er Bayes’ Regel?
Bayes’ regel er en matematisk formel, der bruges til at opdatere sandsynligheden for en hypotese baseret på ny evidens. Kort fortalt beregner reglen sandsynligheden for en begivenhed ved at kombinere vores oprindelige tro (prior) med ny information. Formlen kan udtrykkes som:
Her betyder ( P(A|B) ) sandsynligheden for ( A ) givet ( B ), ( P(B|A) ) sandsynligheden for ( B ) givet ( A ), ( P(A) ) er vores oprindelige tro på ( A ), og ( P(B) ) er sandsynligheden for ( B ).
Reflekterende Del
At Vurdere Risiko
Forestil dig, at du skal beslutte, om du vil tage din paraply med, når du går hjemmefra om morgenen. Du ser ud af vinduet og bemærker, at himlen er skyet. Dine tidligere erfaringer fortæller dig, at når himlen er skyet, er der en 70% sandsynlighed for regn. Men du har også en vejr-app, der opdaterer dig med den seneste prognose. Appen siger, at der er 80% chance for regn i dag. Ved at kombinere disse informationer kan du opdatere din sandsynlighed for regn og tage en mere informeret beslutning om at tage paraplyen med.
At Evaluere Information
I den digitale tidsalder bombarderes vi konstant med information. At kunne skelne mellem pålidelig og upålidelig information er afgørende. Her kan Bayes’ regel hjælpe. Lad os sige, du læser en nyhed om en sundhedsanbefaling. Din oprindelige tro på nyhedens pålidelighed afhænger af kilden. Hvis kilden historisk set har leveret pålidelige informationer, vil denne tro være høj. Men du kan også tage hensyn til ny information, som hvordan denne anbefaling passer med eksisterende viden. Ved at bruge Bayes’ regel kan du justere din tro på nyhedens pålidelighed og tage en bedre informeret beslutning om at følge anbefalingen eller ej.
Karrierebeslutninger
Overvej, at du overvejer at skifte karriere. Din nuværende tro på succesen af denne beslutning kan være baseret på din erfaring og viden om industrien. Men ved at indhente ny information – som markedsundersøgelser, rådgivning fra eksperter og personlige netværk – kan du opdatere din tro og tage en mere velovervejet beslutning.
Cases: Anvendelse af Bayes’ Regel i Coaching
Som coach kan du anvende Bayes’ regel på et mere abstrakt plan, måske endda uden at fortælle dine klienter, at det er denne tankegang, du prøver at få dem til at lege med. Bayes Regel er ikke kun anvendelig når man skal tage beslutninger. Her er nogle konkrete eksempler:
Bayes Rule kan ikke alene bruges til at tage beslutninger, men også til at vurdere udkom og resultater af forskellige situationer. Forestil dig, at du er til et møde med en potentiel samarbejdspartner eller arbejdsgiver. En klassisk, ikke-Bayesiansk tilgang ville være at kigge efter en enkelt “ja eller nej”-indikator, som om personen smiler til dig, og så konkludere derfra. Men livet er sjældent så simpelt!
I stedet kan vi bruge en Bayesiansk tilgang. Forestil dig, at du allerede har en grundlæggende sandsynlighed for, at de er interesserede i samarbejdet baseret på, at de overhovedet har indkaldt til mødet (lad os sige 50%).
Nu, mens mødet skrider frem, ser du flere signaler:
- De viser oprigtig interesse for din præsentation: Dette øger sandsynligheden for, at de er interesserede i samarbejdet. Lad os sige, det skubber sandsynligheden op til 60%.
- De tjekker deres telefon ofte: Hmmm, det trækker sandsynligheden lidt ned igen. Måske ned til 45%.
- De stiller mange spørgsmål om dine tidligere projekter: Dette kunne tyde på, at de gerne vil vide mere og måske se potentialet, hvilket øger sandsynligheden igen. Lad os sige, vi er tilbage på 55%.
- De nævner bekymringer om budgettet flere gange: Ikke godt. Det trækker sandsynligheden ned til 35%.
- De foreslår at fortsætte samtalen over frokost næste uge: Dette øger sandsynligheden igen til 65%.
Med hver observation justerer du din sandsynlighed i stedet for at hoppe til konklusioner. På denne måde undgår du at overreagere på enkelte tegn og får et mere nuanceret billede af situationen.
Så næste gang du er til et møde om et potentielt samarbejde eller job, kan du tænke på Bayes’ teorem og huske, at det er alle de små signaler og justeringer, der hjælper dig med at forstå situationen lidt bedre – og måske undgå nogle fejltagelser i dine antagelser!
Case 1: Ændring af Begrænsende Overbevisning
En klient har en overbevisning om, at de altid fejler i sociale situationer. Denne overbevisning er baseret på tidligere negative oplevelser. Som coach kan du stille spørgsmål, der hjælper klienten med at reflektere over nye evidenser og dermed opdatere deres tro.
- Identificer den oprindelige tro (prior): Klienten tror, at de fejler 90% af tiden i sociale situationer.
- Indsamle ny evidens: Gennem coaching-sessioner kan klienten reflektere over de sociale situationer, hvor det faktisk gik godt. Lad os sige, at de husker flere succesfulde interaktioner.
- Opdater troen (posterior): Ved at tage de succesfulde interaktioner i betragtning kan klienten begynde at justere deres oprindelige tro. Hvis de ser, at de havde succes i 50% af de seneste sociale situationer, kan denne nye evidens reducere deres overbevisning om at fejle fra 90% til en lavere sandsynlighed.
Case 2: Forbedring af Selvtillid i Præsentationer
En klient føler sig usikker, når de skal holde præsentationer på arbejdet. Deres tro er, at de altid bliver nervøse og laver fejl.
- Identificer den oprindelige tro (prior): Klienten tror, at de laver fejl i 80% af deres præsentationer.
- Indsamle ny evidens: Gennem refleksion og feedback fra kolleger kan klienten begynde at identificere præsentationer, hvor de klarede sig godt.
- Opdater troen (posterior): Hvis det viser sig, at klienten faktisk klarede sig godt i 60% af præsentationerne, kan denne nye evidens hjælpe med at reducere nervøsiteten og opbygge selvtillid.
Case 3: Opdatering af Klientens Billede af Deres Karrieremuligheder
En klient har en overbevisning om, at de ikke er kvalificeret nok til at søge en lederstilling. Deres tro er baseret på en antagelse om, at de mangler nødvendige færdigheder og erfaring.
- Identificer den oprindelige tro (prior): Klienten tror, at de har en 30% chance for at blive ansat i en lederstilling.
- Indsamle ny evidens: Gennem karriererådgivning, feedback fra tidligere chefer og analyser af jobopslag kan klienten begynde at se, at deres færdigheder og erfaringer matcher kravene bedre end de først troede.
- Opdater troen (posterior): Ved at integrere denne nye information kan klienten justere deres sandsynlighed for succes og måske indse, at de har en 60% chance for at blive ansat, hvilket kan motivere dem til at søge stillingen.
Spørgsmål til Eftertanke når vi skal tage Beslutninger
- Hvordan kan vi sikre, at vores ‘prior’ sandsynligheder er så nøjagtige som muligt? Overvejer vi virkelig al relevant information, eller bliver vores vurderinger farvet af kognitive biaser?
- Hvordan håndterer vi tilfælde, hvor den nye information (evidens) er modstridende? Hvordan vejer vi validiteten af forskellige kilder op mod hinanden?
- Er der situationer, hvor vi burde stole mere på vores intuition end på beregnede sandsynligheder? Kan der være tilfælde, hvor for meget analyse faktisk hindrer vores evne til at træffe gode beslutninger?
Konklusion
Bayes’ regel er ikke kun en matematisk formel; det er en tankegang, der hjælper os med at opdatere vores tro og tage bedre beslutninger baseret på ny information. Ved at anvende denne regel kan vi forbedre vores evne til at evaluere risici, bedømme informationens pålidelighed og træffe mere informerede valg og beslutninger i alle aspekter af vores liv. Det kræver dog en kritisk tilgang til vores oprindelige antagelser og en åbenhed over for at justere vores overbevisninger i lyset af nye beviser. Som coach kan du guide dine klienter gennem denne proces og hjælpe dem med at se verden med nye øjne, uden nødvendigvis at afsløre den underliggende metode.
Anbefalet læsning
Scout Mindset af Julia Galef
Everything is Predictable af Tom Chivers