Понимать риски. Как выбирать правильный курс

Ошибка (Error). Тест может дать два ошибочных результата: ложный положительный и ложный отрицательный. Эти ошибки могут иметь разное происхождение, включая человеческий фактор (лаборант перепутал две пробы или ввел не те данные в компьютер) и медицинские условия (положительный результат ВИЧ-тестирования вследствие ревматологического заболевания или заболевания печени, которые не имеют никакого отношения к ВИЧ). Ошибки могут быть уменьшены, но не исключены полностью, и среди них могут быть даже положительные ошибки, обязательные для адаптации и выживания, такие как ошибки копирования (мутации) ДНК.

Полезные ошибки (Good errors). Ошибки, которые ускоряют процесс обучения и приводят к появлению инноваций.

Положительный результат тестирования (Positive test result). Обычно не слишком хорошая новость. Сигнал о том, что у вас, возможно, обнаружена болезнь.

Правило 1/ N. Распределяйте все ваши ресурсы равномерно между N альтернативными вариантами. Также называется эвристикой равенства.

Правило Байеса (Bayes’ rule). Правило уточнения вероятности гипотез с учетом новых данных. Его авторство приписывается преподобному Томасу Байесу. Для простого случая бинарной гипотезы (Н и не-Н, например, есть рак или нет рака) и данных D (например, положительный результат тестирования) правило выглядит так:

p(H|D) = p(H)p(D|H)/[p(H)p(D|H) + p(не-H)p(D|не-H)],

где p(D|H) – апостериорная вероятность, p(H) – априорная вероятность, p(D|H) – вероятность D при условии H, p(D|не-H) это вероятность D при условии неH.

Многим трудно понимать это правило. Но вот полезный совет. Интересно, что расчет p(D|H) становится более интуитивно понятным, когда исходные величины представляются в виде естественных частот, а не вероятностей. Для естественных частот правило выглядит так:

p(H|D) = a/(a + b),

где а – это число D случаев Н, а b – это число D случаев не-Н. См. естественные частоты.

Правило следования (Rule of succession). Вероятность того, что событие произойдет снова, если до этого оно случалось n раз = (n+ 1)/(n+ 2). Это правило может быть выведено из правила Байеса, если принять прошлые вероятности одинаковыми.

Предрасположенность (Propensities). См. Проявление на физическом уровне.

Простое практическое правило (Rule of thumb). См. Эвристика.

Процентные показатели (Percentages). Относительные частоты, умноженные на сто, называются процентными показателями. Они находятся в диапазоне от 0 до 100, в то время как вероятности и относительные частоты лежат в диапазоне от 0 до 1. Большинству людей легче оперировать процентными показателями. Рассмотрим утверждение: «Около 80 % курящих американских женщин продолжают курить и во время беременности». Теперь сравним его со следующим: «Американские женщины с вероятностью 0,8 продолжают курить и во время беременности». Утверждение, в котором используется вероятность, менее удобно и понятно для широкой публики. Вот почему процентные показатели используются на протяжении всей этой книги.

Проявление на физическом уровне (Physical design). Одна из трех интерпретаций вероятности (наряду с относительными частотами и степенью доверия). В этой интерпретации вероятность имеет отношение к конструкции, а не к подсчету (как в случае с относительными вероятностями). Например, электронные игровые автоматы запрограммированы таким образом, чтобы обеспечивать определенную вероятность выигрыша. Иногда проявление на физическом уровне также называют предрасположенностью. Исторически оно нашло отражение в теории вероятностей благодаря азартным играм, в частности в кости и в рулетку.

Разумная достаточность (Satisficing). Эвристика для выбора альтернативы (например, дома или супруги) из большого числа вариантов. Задается уровень притязаний, и поиск прекращается после нахождения первого объекта, соответствующего этому уровню. Уровень притязаний может быть понижен, когда долго не находится ни одной подходящей альтернативы.