Бинарное мышление в ставках

Бинарное мышление предполагает сортировку информации на взаимоисключающие варианты, что мало чем отличается от способа мышления компьютера в двоичном коде. Есть либо 1, либо 0, это единственные варианты. Здесь нет «серой зоны».

Многие утверждают, что люди инстинктивно сортируют информацию именно таким образом, естественным образом переходя к бинарному способу мышления.

Для первобытных людей это имело смысл. Те суждения, которые необходимо было вынести, чтобы выжить, вполне соответствовали такому образу мышления, особенно когда речь шла о быстром принятии решений. Такие решения, как вопрос о том, является ли шорох, услышанный в кустах, хищником или просто упавшей веткой, были вопросом жизни и смерти.

Читайте также:

• Выбрать лучшего букмекера для ставок на спорт
• Прогнозы на сегодня от профессионалов
• Как выбрать букмекерскую контору – советы «РБ»
• Бездепозитные бонусы букмекерских контор
• Как не проиграть первую ставку – 6 советов новичку

Награда, которую можно получить, потратив драгоценное время на взвешивание имеющейся информации о звуке (в то время как хищник может готовиться к нападению), не стоит риска быть съеденным. Простая классификация шороха в кустах как хищника и бегства от него имеет гораздо больше смысла с точки зрения риска и вознаграждения.

Психологи утверждают, что такое стремление к прямым решениям типа «да-или-нет» для точной классификации информации является «тиранией прерывистого ума». Оно предполагает, что люди ищут подтверждения классификации «или-или», потому что мозгу гораздо легче мыслить двоично, как это делали наши далекие предки, а не рассматривать оттенки серого между двумя выводами.

Этот вид бинарного принятия решений прекрасно подходит для принятия базовых мгновенных решений, но сейчас мы живем в мире «разных оттенков серого». Нигде это не отражается так остро, как в мире ставок.

Как двоичное принятие решений влияет на то, как мы обрабатываем информацию?

Отдельные эксперты намеревались установить это в серии исследований, посвященных тому, что они назвали «бинарным смещением». В ходе этих исследований участникам давались доказательства по той или иной теме, а затем их просили обобщить полученные доказательства и дать оценку, которая наилучшим образом отражала их общее впечатление о силе аргумента.

Например, если люди оценивают данные различных исследований, исследующих взаимосвязь между кофеином и здоровьем, они быстро классифицируют данные как-либо показывающие эффект, либо нет, независимо от относительной силы доказательств.

В целом исследователи обнаружили следующее:

«В самых разных контекстах мы показываем, что при обобщении доказательств люди проявляют двоичную предвзятость – склонность навязывать категориальные различия непрерывным данным. Доказательства сжимаются в отдельные ячейки, и различие между категориями формирует итоговое суждение.»

Другими словами, участники, как правило, игнорировали относительную силу представленных им доказательств, вместо этого предпочитая классифицировать их по отдельным категориям и рассматривать общую сумму доказательств в рамках этих категорий.

Это исключало все непрерывные данные. В результате вывод с вероятностью 25% в одном направлении был просто смешан со всеми выводами, которые склонялись в этом направлении независимо от их силы. Это облегчало обработку данных для испытуемых, но означало, что ценность информации уменьшалась.

YouTube обнаружил это, пытаясь усовершенствовать свою рейтинговую систему для видео. Их звездные рейтинги оказались неэффективными, так как подавляющее большинство голосов было либо за одну звезду, либо за пять звезд.

Это было следствием бинарного принятия решений. Если пользователю нравится видео, он классифицирует его на пятерку, а если видео не нравится, то он классифицирует его на единицу. Вся информация в середине этих двух дискретных категорий была потеряна. Это привело к тому, что YouTube переключился на более простую систему «лайк/дизлайк».

Как было показано выше, люди предпочитают сортировать информацию по двум различным категориям, где это возможно. Это также относится и к ставкам.

Для неопытного игрока хорошая ставка – это просто выигрыш. Плохая ставка – это та, которая проигрывает. Эти два постулата кажутся достаточно логичными, и они интуитивно понятны кому-то, кто не очень хорошо разбирается в нюансах ставок.

Однако это совершенно неверно.

Выигрышная ставка может быть ужасной ставкой, в то время как лучшая ставка, когда-либо сделанная, может оказаться проигрышной. Классифицируя ставки таким простым способом, вы лишаетесь всей полезной информации.

Это желание отнести точку данных в категорию «хороших» или «плохих» из-за исхода события было продемонстрировано во время дебатов вокруг неудачной попытки на два очка команды НФЛ «Балтимор Рэйвенс» в сезоне-2019.

С математической точки зрения решение пойти на преобразование двух точек было правильным для «воронов». Однако, поскольку попытка провалилась, некоторые ученые мужи отнесли вызов к категории «плохого решения».

Дополнительная информация, предоставленная аналитиками, наблюдающими за такой игрой, была удалена для этих экспертов из-за смеси предвзятости результата (неудачная попытка, должно быть, была вызвана плохим решением) и двоичной предвзятости (необходимость поместить игру в отдельную категорию). Если бы попытка оказалась успешной, их мнения, по всей вероятности, были бы иными.

Для того, чтобы сделать успешную ставку, игрок должен научиться избегать предубеждений. Серая зона между выигрышем и проигрышем – это то, что отличает хорошую ставку от плохой.

Игроки работают на процентах, оценивая вероятность наступления того или иного события. Если процент ставки более точен, чем у букмекера, беттор выиграет в долгосрочной перспективе. Но возможно ли вообще установить, являются ли проценты игрока точными?

Без большого объема выборки практически невозможно дать окончательный ответ на этот вопрос.

Возьмем в качестве примера один известный процентный показатель. Статистический сайт FiveThirtyEight дал Дональду Трампу 30% шансов на победу на президентских выборах в США в 2016 году. В итоге Трамп выиграл эту гонку.

Реакция на это предсказание со стороны некоторых кругов состояла в том, чтобы назвать его «неправильным». Учитывая бинарный подход людей к таким вещам, вы можете понять, почему это было бы заманчиво. Как показала вышеуказанная работа исследователей по бинарному смещению, люди убрали ослабленную силу предсказания (Трамп был награжден 30%-ным шансом вместо 0%-ного шанса), чтобы поместить предсказание в «неправильную» категорию, с которой они чувствуют себя комфортно.

Но это, очевидно, чепуха. Согласно прогнозу, Трамп должен был выиграть три раза из десяти. Тот факт, что сценарий разыгрался таким образом, что в конечном счете победил Трамп, не показывает нам ничего нового с точки зрения точности прогноза.

Размер выборки должен быть расширен до значимого уровня путем повторного проведения одних и тех же выборов (что, конечно, невозможно в реальной жизни). Только тогда мы смогли бы увидеть, насколько близок к реальности прогноз FiveThirtyEight о 30% победах Трампа.

Понятно, что это приводит некоторых людей в замешательство. Это противоречит нашим инстинктам, когда мы говорим, что на самом деле не знаем и, возможно, никогда не узнаем, было ли индивидуальное предсказание хорошим.

Конечно, есть ставки, которые мы делали на уровне интуиции, когда подсознательно ощущали, что проценты были в нашу пользу, но за пределами модели, проходящей через большую выборку подобных событий, нет никакого способа окончательно сказать, что мы были правы.

В повседневной жизни мы нередко работаем в этой серой зоне между «хорошими» и «плохими» ставками. Чтобы добиться успеха в беттинге, вы должны отойти от простых классификаций и принять проценты по индивидуальной ставке за то, что они есть. Нужно просто пытаться создать «хорошую» ставку, зная, что мы никогда по-настоящему так и не выясним, была ли она такой на самом деле.