![]() |
PlausibilitätstheorieWissenszentrum |
14 Objekte • 205.443 Besuche
Willkommen im Wissenszentrum über Plausibilitätstheorie. Hier finden Sie eine Zusammenfassung von Plausibilitätstheorie, aber auch:
Erhalten Sie Zugang zu all unseren 900 Wissenszentren zum Thema Management. Schließen Sie sich über 1.000.000 anderen Mitgliedern an.
Laut Collins u. Michalski „ist etwas plausibel, wenn es konzeptionell durch vorheriges Wissen unterstützt wird“. Die Plausibilitätstheorie von Wolfgang Spohn (1985-), Collins u. Michalski (Argumentation, 1989), Lemaire u. Fayol (arithmetische Problemlösung, 1995), Connell u. Keane (kognitives Modell von Plausibilität, 2002) gibt neue Einblicke in Entscheidungsfindung mit Risiken, die nicht bekannt sein können. Plausibilität ist ein unvermeidliches Phänomen des täglichen Lebens und ist überall vorhanden. Jedoch wurde sie in der kognitiven Wissenschaft für lange Zeit ignoriert und wurde nur als operative Variable behandelt, anstatt erklärt oder selbst studiert zu werden. Bayesische StatistikenBis zur Einführung der Plausibilitätstheorie war die verbreitete Theorie, die von Wissenschaftlern verwendet wurde, um Entscheidungsfindung zu erklären und vorauszusagen, bayesische Statistiken. Genannt nach Thomas Bayes, einem englischen Minister im 18. Jahrhundert. Bayes entwickelte Richtlinien für das Gewichten der Wahrscheinlichkeit von unterschiedlichen Vorkommnissen und ihrer erwarteten Resultate. Bayesische Statistiken wurden in den sechziger Jahren durch Howard Raiffa im Rahmen der Anwendung in Unternehmensumgebungen populär. Laut bayesischer Theorie treffen Manager Entscheidungen, und Manager sollten Entscheidungen auf der Grundlage einer Berechnung der Wahrscheinlichkeiten aller möglichen Resultate einer Situation treffen. Indem sie den Wert jedes Resultates durch die Wahrscheinlichkeit gewichten und die Gesamtmenge summieren, errechnen bayesische Entscheidungstreffer „erwartete Werte“ für eine Entscheidung, die getroffen werden muss. Wenn der erwartete Wert positiv ist, dann sollte die Entscheidung akzeptiert werden; wenn sie negativ ist, sollte sie vermieden werden. Einschränkungen der bayesischen StatistikenAuf den ersten Blick kann dieses wie eine gründliche Arbeitsmethode erscheinen. Leider sieht sich jedoch die bayesische Weise des Erklärens von Entscheidungen mindestens zwei Phänomene gegenüber, die schwierig sind zu erklären:
PlausibilitätstheorieBeide dieser Phänomene können berücksichtigt werden, wenn die bayesische Berechnung des „erwarteten Werts“ durch den „Risikogrenzwert“ der Plausibilitätstheorie ersetzt wird. Wie ihr Vorgänger beurteilt die Plausibilitätstheorie die Reihe der möglichen Resultate, aber fokussiert sich auf die Wahrscheinlichkeit des Treffens eines Grenzwertpunktes - wie ein Reinverlust - im Verhältnis zu einem annehmbaren Risiko. Zum Beispiel: eine normalerweise rentable Entscheidung wird zurückgewiesen, wenn es ein höheres Risiko als 2% gibt einen (großen) Verlust zu machen. Offensichtlich kann Plausibilität beide Schwächen des bayesischen Denkens beheben: die Tendenz von Managern, inakzeptable abwärts gerichtete Risiken zu vermeiden und die Tendenz von Managern, Risiken zu vermeiden, die nicht bekannt sein können. Typische Beispiele der Anwendung der Plausibilitätstheorie sind die neuen Basel II Richtlinien für Kapitalallokation im finanziellen Dienstleistungsgewerbe.
Vergleichen Sie mit Plausibilitätstheorie: Realoptionen | Chaos-Theorie | Strategisches Risikomanagement | Kreditrisikomanagement | Szenarioplanung | Analogische Strategische Argumentation | Analyse der zugrunde liegenden Ursache | CAPM-Modell | Dialektische Anfrage | Engpasstheorie | Pyramiden-Prinzip Zurück zur Managementdisziplin: Entscheidungsfindung & Bewertung | Finanzieren & Investieren | Wissen & immaterielle Werte | Programm- & Projektmanagement | Strategie & Innovation |
|
Über 12manage | Werbung | Link zu uns / Zitieren Sie uns | Datenschutz | Vorschläge | Rechtlicher Hinweis
© 2023 12manage - The Executive Fast Track. V16.1 - Letzter Update: 25-3-2023. Alle Namen ™ ihren Inhaber.