|
|
Plausibility Theory (Sannolikhetsteorin) |
|
Beslutsfattande med risker som inte är kända. Förklaring till Sannolikhetsteorin/ Plausibilityn Theory.
|
|
Enligt Collins & Michalski ” så är något sannolikt om det är konceptuellt stöttat av tidigare kunskap”. Sannolikhetsteorin av Wolfgang Spohn (1985-), Collins & Michalski (resonemang, 1989), Lemaire & Fayol (aritmetisk problemlösning, 1995), Connell & Keane (kognitiv modell om sannolikhet, 2002) tillhandahåller nya insikter i beslutsfattandet med risker som inte är kända. Sannolikhet är ett ofrånkomligt fenomen i vardagslivet och allmänt utbredd. Emellertid så ignorerades den inom den kognitiva vetenskapen under lång tid och behandlade endast som en operativ variabel, i stället för att förklaras eller studeras i sig självt.
Bayesian statistikTills uppkomsten av sannolikhetsteorin så var den vanliga teorin som användes av forskare till att förklara och kunna förutsäga beslutsfattande, var Bayesian statistik. Namngett för Thomas Bayes, engelsk matematiker och presbyteriansk minister under 1700 talet. Bayes utvecklade regler för att väga sannolikheten av olika händelser och deras förväntade resultat. Bayesian statistik populariserades under 1960-talet av Howard Raiffa för användning i affärsmiljöer. Enligt Bayesian teori fattar chefer beslut och chefer skall fatta beslut som alla baseras på beräkning av sannolikheter av alla möjliga utfallsresultat i en given situationen. Genom att väga värdet på varje resultat med den sannolikheten och en summering av totalen, Bayesian beslutsfattare beräknar ”förväntade värden” för ett beslut som måste tas. Om det förväntade värdet är positivt, då bör beslutet accepteras; om det är negativt, bör det undvikas.
Begränsningar med Bayesian statistikVid första anblicken kan detta verka likna en normalt fungerande metod. Emellertid tyvärr är det så att Bayesianska sättet att förklara beslut möter åtminstone två fenomen som är svåra att förklara:
Plausibility Theory (Sannolikhetsteorin)Båda av dessa fenomen kan hanteras om Bayesian beräkningen av ”Förväntat värde” ersätts med "Risktröskelvärde" från Sannolikhetsteorin. Som dess föregångare, Sannolikhetsteorin bedömer ett urval av de möjliga resultaten, men fokuserar på sannolikheten av att kunna slå tröskelvärdespunkten - såsom en netto förlust - relativt till godtagbara risker. Till exempel: ett normalt lönsamt beslut rejektas, om det finns mer än, 2% risk med att det kan bli en (betydande) förlust. Klart är att sannolikhet kan lösa båda svagheterna med Bayesian tänkande: tendensen hos chefer att undvika oacceptabla risker med avigsidor och tendensen hos chefer att undvika att ta risker som inte är kända.
Typiska exempel på användningsområden av sannolikhetsteorin är den nya Basel II reglerna för kapitalallokering i den finansiella tjänsteindustrin.
Beslut ForumBeslut Särskild Intressegrupp SIG
Beslut Utbildning & Sammankomster
Lägg till en länk för den här sidanKopiera och klistra un den här koden till din webbsida:
Jämför Sannolikhetsteorin med: Real Options | Chaos Theory (Kaosteori) (Lorenz) | Strategic Risk Management (Strategisk Riskhantering) (Slywotzky) | RAROC | Scenario Planning (Scenario Planering) | Analogical Strategic Reasoning (Analogiskt Strategiskt Resonemang) | Root Cause Analysis (Grundorsaksanalys) | CAPM | Dialectical Inquiry (Dialektisk förfrågning) | Theory of Constraints (Teorin om Begränsningar) | Pyramid Principle (Pyramid Principen)
Retur till Management Start: Beslutsfattande & Värdering | Ekonomi & Investera | Kunskap & Immateriella Tillgångar | Program- & Projektledning | Strategi
|
|
|
|
|
Skriv in din kommentar |