Binäres Denken und Wetten: Was ist eine „gute Wette“?

Was ist binäres Denken?

Beim binären Denken werden Informationen in sich gegenseitig ausschließende Optionen sortiert, ähnlich wie ein Computer im Binärcode denkt. Etwas ist entweder eine 1 oder eine 0 und dies sind die einzigen beiden Optionen. Es gibt keine Grauzone.

Es wird häufig die Ansicht vertreten, dass Menschen Informationen instinktiv auf diese Art sortieren und natürlich in diese Art von binärer Denkweise springen.

Für die Menschen im primitiven Stadium der Entwicklung machte dies Sinn. Die Art von Urteilen, die gefällt werden mussten, bot sich für eine solche Denkweise an - insbesondere wenn es darum ging, schnelle Entscheidungen zu treffen. Entscheidungen wie: Ist das Rascheln im Dickicht ein Raubtier oder nicht?

Die Belohnung, wertvolle Zeit damit zu verbringen, die verfügbaren Informationen abzuwägen (während sich ein Raubtier auf einen Angriff vorbereiten könnte), ist das Risiko, gefressen zu werden, nicht wert. Das Rascheln im Dickicht einfach als Raubtier zu kategorisieren und zu fliehen, ist aus Sicht des Verhältnisses von Risiko und Belohnung viel sinnvoller.

Richard Dawkins behauptet, ein solcher Wunsch nach klaren Ja-oder-Nein-Lösungen zur präzisen Einordnung von Informationen sei „Die Tyrannei des unsteten Geistes”. Er glaubt, dass Menschen die Bestätigung einer Entweder-Oder-Einstufung suchen - so wie es unsere entfernten Vorfahren getan haben -, als die Graustufen zwischen zwei Schlussfolgerungen zu berücksichtigen. Für das Gehirn ist es viel einfacher, binär zu denken.

Diese Art der binären Entscheidungsfindung eignet sich perfekt für grundlegende Entscheidungen. Heute leben wir allerdings in einer Welt voller Nuancen. Und dies zeigt sich nirgendwo deutlicher als in der Welt des Wettens.

Binäre Verzerrung: Koffein und YouTube-Bewertungen

Wie wirkt sich die binäre Entscheidungsfindung auf die Art und Weise aus, wie wir Informationen verarbeiten?

Fisher und Keil machten sich daran, dies in einer Reihe von Studien zu dem, was sie als "binäre Verzerrung" bezeichneten, herauszufinden. Für diese Studien erhielten die Teilnehmer Erkenntnisse zu einem Thema und wurden gebeten, die Erkenntnisse zusammenzufassen und eine Bewertung abzugeben, die ihren Gesamteindruck am besten darstellte.

Wenn Menschen beispielsweise Daten aus verschiedenen Studien auswerten, in denen die Beziehung zwischen Koffein und Gesundheit untersucht wird, würden sie die Daten unabhängig von der relativen Stärke der wissenschaftlichen Erkenntnisse schnell als entweder wirkungsvoll oder nicht einstufen.

Insgesamt stellten sie Folgendes fest: „In einer Vielzahl von Zusammenhängen zeigen wir, dass Menschen bei der Zusammenfassung von wissenschaftlichen Erkenntnissen eine binäre Tendenz aufweisen: eine Tendenz, kontinuierliche Daten klar voneinander zu unterscheiden. Die Erkenntnisse werden in verschiedenen Kategorien abgelegt, und der Unterschied zwischen den Kategorien bildet das zusammenfassende Urteil.“

Mit anderen Worten tendierten die Teilnehmer dazu, die relative Stärke der ihnen vorgelegten Erkenntnisse zu ignorieren, statt sie in einzelne Kategorien einzuteilen und die Gesamtsumme dieser Kategorien zu betrachten.

Dadurch wurden alle kontinuierlichen Daten herausgenommen, was bedeutet, dass eine Schlussfolgerung mit einer Wahrscheinlichkeit von 25 % in eine Richtung einfach mit allen Schlussfolgerungen, die, unabhängig von ihrer Stärke, sich ebenfalls in diese Richtung neigten, zusammengefasst wurde. Dies erleichterte die Verarbeitung der Daten für die Testpersonen, führte jedoch dazu, dass der Wert der Informationen abnahm.

Bei YouTube konnte dieser Effekt gesehen werden, als sich ihre Sternebewertung als unwirksam erwies. Die überwiegende Mehrheit der Stimmen bestand entweder aus einem Stern oder aus fünf Sternen.

Dies war eine Folge der binären Entscheidungsfindung. Wenn den Benutzern das Video gefällt, bewerten sie es mit fünf Sternen. Wenn ihnen das Video nicht gefällt, bewerten sie es mit einem Stern. Sämtliche Informationen in der Mitte dieser beiden Kategorien gingen verloren. Dies führte dazu, dass YouTube zu einem einfacheren Daumen hoch / runter-System wechselte.

Ergebnisverzerrung

Wie oben gezeigt, bevorzugen Menschen es, Informationen nach Möglichkeit in zwei verschiedene Kategorien zu sortieren. Dies ist auch beim Wetten der Fall.

Für einen unerfahrenen Wettenden ist eine gute Wette einfach eine Gewinnwette. Eine schlechte Wette ist eine, bei der man verliert. Diese beiden Kategorien sind leicht zu erfassen und für einen Außenstehenden oder jemanden, der die Nuancen hinter dem Wetten nicht besonders gut versteht, intuitiv verständlich.

Dies ist jedoch völlig falsch. Eine Gewinnwette kann eine schreckliche Wette sein, während sich womöglich die beste Wette, die jemals platziert wurde, als Verlust herausgestellt hat. Durch eine solch einfache Kategorisierung von Wetten werden sämtliche nützlichen Informationen herausgenommen.

Dieser Wunsch, einen Datenpunkt aufgrund des Ergebnisses eines Ereignisses einer „guten“ oder „schlechten“ Kategorie zuzuordnen, wurde durch die Kontroverse um den fehlgeschlagenen Zwei-Punkte-Konvertierungsversuch der Baltimore Ravens aus der NFL-Saison 2019 gezeigt.

Mathematisch gesehen war die Entscheidung für die Zweipunktumwandlung die richtige Entscheidung der Ravens. Da der Versuch jedoch fehlschlug, kategorisierten einige Experten die Entscheidung in den Bereich „schlechte Entscheidung“ - trotz der Tatsache, dass die Entscheidung mathematisch gesehen die richtige war.

Die zusätzlichen Informationen, die durch die Analyse hinter einem solchen Spiel gegeben wurden, wurden für diese Experten aufgrund einer Mischung aus Ergebnisverzerrung (ein fehlgeschlagener Versuch muss durch eine schlechte Entscheidung verursacht worden sein) und binärer Verzerrung (die Notwendigkeit, das Spiel in eine bestimmte Kategorie einzuteilen) entfernt).

Was ist eine gute Wette? Ich denke wie ein Wettender

Um zu einer erfolgreichen Wett-Denkweise zu gelangen, muss der Wettende lernen, solche Verzerrungen zu vermeiden. Die Grauzone zwischen Gewinn und Verlust unterscheidet eine gute von einer schlechten Wette.

Wettende arbeiten mit Prozentsätzen. Wenn der Prozentsatz der Wettenden genauer ist als der des Buchmachers, werden sie auf lange Sicht gewinnen. Aber ist es überhaupt möglich festzustellen, ob die Prozentsätze des Wettenden tatsächlich korrekt sind?

Ohne eine große Datenmenge ist es fast unmöglich, diese Frage endgültig zu beantworten.

Nehmen wir als Beispiel einen sehr bekannten Prozentsatz. Die Statistik-Website FiveThirtyEight gab Donald Trump eine 30%-ige Chance, die US-Präsidentschaftswahlen im Jahr 2016 zu gewinnen. Trump wurde Präsident.

Die Reaktion auf diese Vorhersage bestand von einigen Seiten darin, sie als „falsch“ zu bezeichnen. Angesichts des binären Ansatzes, den Menschen für solche Dinge verfolgen, können Sie sehen, warum man geneigt sein könnte, dies zu tun. Wie die von Fisher und Keil durchgeführten Arbeiten zur binären Verzerrung gezeigt haben, haben die Menschen die geschwächte Stärke der Vorhersage herausgenommen (Trump hat eine Chance von 30 % anstelle einer Chance von 0 %), um die Vorhersage in die „falsche“ Kategorie zu bringen, mit der sie vertraut sind.

Das ist aber natürlich Unsinn. Laut der Prognose sollte Trump zu einem Drittel gewinnen. Die Tatsache, dass sich das Szenario zu einem Szenario entwickelt hat, in dem Trump gewonnen hat, zeigt uns nichts Neues über die Genauigkeit der Vorhersage.

Die Stichprobengröße müsste durch wiederholte Durchführung derselben Wahl auf ein sinnvolles Niveau erweitert werden (was natürlich unmöglich ist). Nur dann könnten wir sehen, wie nah FiveThirtyEights Vorhersage eines 30%-igen Trump-Gewinns an der Realität lag.

Das Chaos kontrollieren

Das ist verständlicherweise beunruhigend. Es widerspricht unserem Instinkt zu sagen, dass wir tatsächlich nicht wissen und möglicherweise nie wissen, ob eine individuelle Prognose eine gute war.

Es gab sicherlich Wetten, bei denen ich intuitiv das Gefühl hatte, dass die Prozentsätze zu meinen Gunsten lagen. Abgesehen von einem Modell, in dem eine große Datenmenge ähnlicher Ereignisse analysiertwird, ist es jedoch unmöglich, dies auch definitiv zu bestätigen.

Als Wettende agieren wir in dieser Grauzone zwischen den „guten“ und „schlechten“ Wettkategorien. Um erfolgreich zu sein, sollten Sie sich von einfachen Klassifizierungen entfernen und die Prozentsätze einer einzelnen Wette als das sehen, was sie sind. Versuchen Sie einfach, eine „gute“ Wette mit dem Wissen zu erstellen, dass wir möglicherweise nie wirklich wissen, ob sie als solche eingestuft werden kann.