Plausibility Theory (Sannolikhetsteorin)

Beslutsfattande med risker som inte är kända. Förklaring till Sannolikhetsteorin/ Plausibilityn Theory. - Svenska

Join our management communities

Registrera ett gratis medlemskap


Fullständigt Namn: *
Företag:
Street + nr: *
Ort: *
Provins:
Postnummer: *
Land: *
E-post: *	(Detta blir ditt användarnamn)
	Jag godkänner Terms of Service.

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 statistik

Tills 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 statistik

Vid 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:

Värdering av avigsidornas risker. Människor tar normalt en risk på 50% chans att tjäna $10, när de måste betala $5 om de har otur. Men varför man i allmänhet vägrar att göra samma risktagande på en 50% chans till att de kan vinna $1.000.000 kontra en potentiell förlust av $500.000?
Hur man hanterar man risker som inte är kända. Dessa sorters risker som inte innebär förutsägbara utsikter är typiska för affärssituationen! Varför föredrar chefer risker som är kända, över risker som de inte har vetskap om eller är bekanta för dem?

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.

12manage för:

Plausibility Theory (Sannolikhetsteorin)

Beslutsfattande med risker som inte är kända. Förklaring till Sannolikhetsteorin/ Plausibilityn Theory. - Svenska

Bayesian statistik

Begränsningar med Bayesian statistik

Plausibility Theory (Sannolikhetsteorin)

Beslut Särskild Intressegrupp SIG

Beslut Forum

Beslut Utbildning & Sammankomster