Pinnacle … Бинарное мышление и ставки: что такое «хорошая ставка»?

Перейти на сайт сейчас

Успех игроков зависит от того, как они обрабатывают информацию. Что такое бинарная предвзятость? Что YouTube и Baltimore Ravens говорят нам о психологии ставок? Что такое хорошая ставка? Чтобы узнать, читайте дальше.

Что такое бинарное мышление?

Бинарное мышление — это деление информации на два взаимоисключающих варианта, сродни тому, как компьютер оперирует бинарным кодом. Что-то равняется либо единице, либо нулю, и есть только эти два варианта. Промежуточных вариантов не существует.

Многие утверждают, что люди инстинктивно сортируют информацию по этому принципу, естественным образом приходя к бинарному мышлению.

Для примитивных людей это имело смысл. Решения, которые им приходилось принимать, располагали к такому типу мышления, особенно когда их требовалось принимать быстро. К примеру, услыхав шелест в кустах, нужно было решить, хищник это или нет.

Вознаграждение за трату драгоценного времени на оценку имеющейся информации — пока хищник, возможно, готовится к прыжку — не стоит риска быть съеденным. Простое же решение, что шелест в кустах — это хищник, и немедленное бегство имеет гораздо больший смысл с точки зрения соотношения между риском и вознаграждением.

Ричард Докинз утверждает, что такое желание принимать простые решения — да или нет — и укладывать информацию в аккуратные категории — это «тирания разрывающегося разума». Он выдвигает предположение, что полагаясь на категорическое «или — или», люди стремятся к обретению уверенности, так как нашему мозгу намного проще мыслить бинарными категориями, как это делали наши предки, чем рассматривать все оттенки серого между двумя крайностями.

Такой бинарный принцип прекрасно подходит для принятия простых мгновенных решений, но сейчас мы живем в мире, в котором полно нюансов. И особенно остро это чувствуется в мире ставок.

Бинарная предвзятость: кофеин и рейтинги YouTube

Как бинарный подход к принятию решений влияет на способ обработки нами информации?

Фишер и Кейл решили выяснить это в серии исследований того, что они назвали «бинарной предвзятостью». Участникам этих исследований предоставляли данные на определенную тему и просили их кратко резюмировать эти данные и дать оценку, наилучшим образом отражающую их общее впечатление.

В одном из примеров, когда людям предлагалось оценить данные разных исследований, изучавших связь между кофеином и здоровьем, они быстро делили их на две категории: «влияет» или «не влияет», вне зависимости от относительной силы доказательств.

В итоге исследователи пришли к таким выводам: «Мы показали, что резюмируя доказательства в разнообразных контекстах, люди проявляют бинарную предвзятость — склонность применять категорические различия к непрерывным данным. Данные втискиваются в дискретные контейнеры, и на основе этих категорий формируется конечное суждение».

Иными словами, участники исследования были склонны игнорировать относительную силу доказательств, которые им предоставили, вместо этого распределяя данные по дискретным категориям и рассматривая совокупность этих категорий.

Из-за этого непрерывные данные не принимались во внимание, и вывод, имеющий 25-процентную вероятность, отправлялся в тот же контейнер, что и прочие выводы, склоняющиеся в этом же направлении, вне зависимости от их силы. Благодаря такому подходу участникам было проще обрабатывать данные, но при этом ценность полученной информации снижалась.

Этот принцип можно было наблюдать в действии на YouTube, когда введенная на сайте система рейтинга со звездочками оказалась неэффективной. Большинство пользователей ставили либо одну, либо пять звезд.

Таковы были последствия бинарного подхода к принятию решений. Если пользователю нравилось видео, он оценивал его в пять звезд, а если не нравилось — в одну. Вся информация между этими двумя дискретными категориями была утеряна. В результате, YouTube перешел на более простую систему «Нравится/Не нравится».

Отклонение в сторону результата

Как мы уже видели, люди предпочитают делить информацию на две четкие категории, если это возможно. Это происходит и в мире ставок.

Неопытному игроку кажется, что хорошая ставка — это та, которая выигрывает. Плохая ставка — та, которая проигрывает. Эти два контейнера просты и интуитивно понятны человеку со стороны или тому, кто не очень хорошо разбирается в нюансах ставок.

Однако это в корне неправильное представление. Выигрывающая ставка может быть плохой, а самая лучшая ставка в мире может проиграть. Если распределять ставки по таким простым категориям, теряется вся полезная информация.

Подобное стремление определить, является ли элемент данных «хорошим» или «плохим», исходя из результата события, проявилось и в споре, развернувшемся вокруг неудачной двухочковой попытки команды Baltimore Ravens в сезоне НФЛ 2019 года.

С математической точки зрения, решение команды Ravens предпринять двухочковую попытку было правильным. Но так как попытка провалилась, некоторые эксперты отправили это решение в контейнер «плохие» — и это несмотря на то, что с математической точки зрения оно было правильным.

Эти эксперты не учли дополнительную информацию, которую можно было бы получить, проанализировав подобное решение, по двум причинам: из-за отклонения в сторону результата (если попытка провалилась, значит, решение предпринять ее было неправильным) и бинарной предвзятости (необходимости присвоить решению четкую категорию).

Что такое хорошая ставка? Мыслить, как игрок

Чтобы выработать успешный подход к размещению ставок, игрок должен научиться избегать подобной предвзятости. Серая область между победой и поражением — вот что отличает хорошую ставку от плохой.

Игроки оперируют процентными показателями. Если процентные показатели игрока более точны, чем процентные показатели букмекера, в долгосрочной перспективе игрок останется в выигрыше. Но возможно ли вообще выяснить, точны ли процентные показатели игрока?

Без большого размера выборки дать решительный ответ на этот вопрос практически невозможно.

В качестве примера рассмотрим один известный случай, связанный с процентами. Веб-сайт статистики FiveThrityEight оценил шансы Дональда Трампа победить в президентских выборах 2016 года в США в 30 %. Разумеется, по итогам выборов Трамп стал президентом.

Некоторые тут же окрестили этот прогноз «неправильным». Учитывая склонность людей использовать в таких случаях бинарный подход, можно понять, почему этот ярлык оказался таким заманчивым. Как и показало исследование Фишера и Кейла, посвященное бинарной предвзятости, при оценке прогноза люди проигнорировали его низкую силу (шансы Трампа на победу оценивались в 30 %, а не 0 %) и определили его в категорию «неправильные», потому что так им было удобно.

Но, разумеется, это бессмыслица. Согласно прогнозу, Трамп должен победить в трех случаях из десяти. То, что ситуация пошла по сценарию, в котором Трамп победил, не говорит нам ничего нового о точности прогноза.

Чтобы получить хоть сколько-нибудь значимый результат, размер выборки пришлось бы увеличить, проведя одни и те же выборы несколько раз (что, разумеется, невозможно). Только тогда мы бы смогли увидеть, насколько близок к реальности был прогноз FiveThirtyEight, оценивший шансы Трампа на победу в 30 %.

Контролировать хаос

По понятным причинам, это приводит в замешательство. Утверждение, что мы не знаем и никогда не узнаем, хорош ли был тот или иной прогноз, противоречит всем нашим инстинктам.

Конечно, были ставки, которые я размещал, интуитивно чувствуя, что проценты склоняются в мою пользу, но за пределами модели, применяемой к большой выборке похожих событий, нельзя с точностью утверждать, что я был прав.

Как игроки, мы работаем в той серой зоне между контейнерами «хороших» и «плохих» ставок. Чтобы добиться успеха, нужно отказаться от простых категорий и принимать процентные показатели каждой отдельной ставки такими, какие они есть. И просто пытаться сделать «хорошую» ставку с осознанием того, что мы никогда точно не узнаем, является ли она таковой.

ЛЮК ПЕТТИ (LUKE PETTY)

Перейти на сайт сейчас


Поделитесь своим опытом, оставив здесь комментарий

Оставить комментарий

Ваш электронный адрес не будет опубликован.