🪴ttuan's garden

7 min read

Probabilistic Thinking

Key takeaways

  • Tư duy Xác suất là tư duy sử dụng các công cụ Toán học và Logic, để tính toán khả năng xảy ra của 1 sự vật, sự việc, vấn đề, thay vì nghĩ theo kiểu “đúng/sai” hay “có/không”. Từ đó có thể tăng độ chính xác/ hiệu quả cho những quyết định của mình.
  • Tương lai không thể đoán trước vì thiếu thông tin về tất cả các yếu tố - xác suất là thứ tốt nhất ta có thể làm
  • Mọi người thích Yes/No nhưng thực tế mọi thứ chỉ là xác suất - “I think there’s a 63% chance of X”
  • Probabilistic thinking đòi hỏi constant updating: khi có thông tin mới, phải cập nhật lại ước lượng
  • Lịch sử, sinh học, vũ trụ học chịu hàng triệu yếu tố - không thể “thực nghiệm”, chỉ có thể dùng xác suất

Probabilistic Thinking

Tương lai là điều không thể “đoán trước”. Đơn giản vì chúng ta không có đủ thông tin về tất cả các yếu tố/ sự kiện trên đời. Chưa kể tới mức độ chính xác của dữ liệu mà ta có ⇒ Thứ ta có thể làm được là sử dụng xác suất để đưa ra phán đoán của mình.

Xác suất có mặt ở khắp các lĩnh vực trong cuộc sống. Ngay cả trong não bộ cũng ta cũng có 1 bộ máy xác suất - the cut-to-the-quick heuristics - Tư duy, Nhanh và Chậm, giúp chúng ta ra quyết định nhanh khi cần thiết.

3 khía cạnh quan trọng của xác suất cần để tích hợp vào tư duy của mình:

  1. Bayesian Thinking - Định lý Bayes mà ta từng được học
  2. Fat-Tailed Curves
  3. Asymmetries - Bất đối xứng

Bayesian Thinking

Notes

Given that we have limited but useful information about the world, and are constantly encountering new information, we should probably take into account what we already know when we learn something new. As much of it as possible.

  • Chúng ta chỉ biết 1 phần về thế giới + Thông tin mới liên lục được sinh ra ⇒ Khi tiếp nhận 1 thông tin, ta liên tục so sánh, bổ sung những điều ta đã biết, nhiều nhất có thể. (đặt câu hỏi về: Chúng ta đã biết những gì về thông tin X này? Tương quan giữa chúng ra sao - thêm mới góc nhìn/ bổ sung thông tin cũ/ bác bỏ thông tin cũ?)

    • Ví dụ: “Các vụ đâm chém bạo lực đang gia tăng”
      • Không suy nghĩ theo hướng Bayes Thinking: Lo sợ vì có thể trở thành nạn nhân của tấn công/ giết người.
      • Suy nghĩ theo hướng Bayes giúp bạn đặt thông tin này vào bối cảnh những gì bạn đã biết về tội phạm/ bạo lực
        • Tỷ lệ tội phạm đang giảm hay tăng trong những năm gần đây?
        • Tỷ lệ tội phạm ở thành phố bạn đang ở như thế nào?
        • Xác suất để bạn trở thành nạn nhân 1 vụ đâm chém là bao nhiêu? Ví dụ 0.01%, giờ tăng gấp đôi, thì có đáng lo lắng không?

  • Các priors (thông tin cũ) cũng có tính xác suất.

Fat-Tailed curves

Đường cong hình chuông - Phân phối chuẩn - xuất hiện ở hầu hết các phân phối, từ điểm thi, tỷ lệ tai nạn giao thông, tới độ tuổi ly hôn, … Đường cong đuôi dày (fat-tailed curve) thì khác.

Trong đường cong hình chuông, các điểm top có thể dự đoán được. Nhưng với đường cong đuôi dày, các sự kiện cực đoan (khác thường/ top) không bị giới hạn.

Ví dụ: Với đường cong phân phối chuẩn về chiều cao, cân nặng, những người ở chóp của hình chuông sẽ có giá trị ở 1 ngưỡng nhất định. Bạn khó để gặp 1 người có cân nặng gấp 10 lần mình. Nhưng trong đường cong đuôi dài, ví dụ như tài sản, xu hướng trung tâm không hoạt động theo cách tương tự. Bạn có thể thường xuyên gặp những người giàu hơn mười, 100, hoặc 10.000 lần so với người trung bình.

⇒ Có những sự kiện không hoạt động theo cách thông thường. Quan trọng là chúng ta có kịch bản cho các tình huống, giữa 1 thế giới bất định.

Asymmetries - Bất đối xứng

  • Khi nói về chứng khoán, các môi giới hay quảng cáo về các thương vụ lãi 20 - 40%/năm, hoặc x2, x3, x10. Không phải là không có những thương vụ đó, nhưng họ không nhắc tới những thương vụ đã thua lỗ, hoặc bao nhiêu người giữ được tới x10, … ⇒ Có 1 sự bất đối xứng về số lượng/ tỷ lệ lãi/ lỗ ở đây.
  • Ước tính xác suất thường bị sai ở phía “quá lạc quan” hơn là phía “quá bi quan”.

Tư duy xác suất chỉ có thể đưa bạn đến gần đúng khu vực. Nó không đảm bảo thành công 100%.

Summary

Probabilistic thinking is essentially trying to estimate, using some tools of math and logic, the likelihood of any specific outcome coming to pass. It is one of the best tools we have to improve the accuracy of our decisions. In a world where each moment is determined by an infinitely complex set of factors, probabilistic thinking helps us identify the most likely outcomes. When we know these, our decisions can be more precise and effective.

Probabilistic thinking is the art of navigating uncertainty. Successfully thinking in shades of probability means roughly identifying what matters, calculating the odds, checking our assumptions, and then deciding.

The challenge of probabilistic thinking is that it requires constant updating. As new information emerges, the probabilities change. What seemed likely yesterday may seem unlikely today. This explains why probabilistic thinkers always revise their beliefs with new data and why it’s uncomfortable for many people.

It’s much easier to believe something false is accurate than to deal with the fact that we might be wrong. Being a probabilistic thinker means being willing to say, “I don’t know for sure, but based on the evidence, I think there’s a 63 percent chance of X.” The rewards of probabilistic thinking are immense.

By embracing uncertainty, we can make better decisions, avoid the pitfalls of overconfidence, and navigate complex situations with greater skill and flexibility. We can be more open-­ minded, more receptive to new ideas, and more resilient in the face of change.

Examples

  • Khi đi đầu tư, ta không bao giờ “đoán” VNINDEX sẽ lên bao nhiêu, 1800 hay về 1200. hoặc không đoán giá vàng tăng hay giảm. Thứ chúng ta cần là tạo 1 list các kịch bản + action. Với mỗi kịch bản (kèm xác suất), thì ta sẽ làm gì.
  • Khả năng chúng ta bị sét đánh là bao nhiêu? Hoặc khả năng chúng ta bị tông xe khi ở Hà Nội là bao nhiêu?

Notes

  • Trong cuốn Súng, Vi trùng và Thép, tác giả có nhắc tới việc: Lịch sử/ Sinh học/ Vũ trụ học/ … là những môn khoa học mà chịu sự tác động bởi hàng triệu yếu tố khác nhau ⇒ Cực kì khó để làm “thực nghiệm” chứng minh. Trong trường hợp đó, chỉ có thể sử dụng Tư duy Xác suất, hoặc sử dụng “Thực nghiệm Tự nhiên” để phỏng đoán.
  • Khi chúng ta có thông tin, cũng chưa chắc mọi thứ đã như ta nghĩ. Số liệu lấy dựa trên tập mẫu nào? Chất lượng mẫu ra sao?
  • Same as Ever - Wild Numbers - “Right or Wrong?”, “Yes or No?” - Mọi người thường chỉ quan tâm tới câu trả lời Yes or No, trong khi vấn đề không đơn giản thế. Mọi thứ chỉ là xác suất.

Resources

Graph View

Backlinks