Pensamento crítico: como descobrir o que realmente funciona

1. Introdução e primeiros passos: Oi lá. Bem-vindo a este curso. Meu nome é Andre. Sou um cientista treinado. E neste curso eu quero mostrar-lhe como você pode responder perguntas como Will iniciar um negócio torná-lo rico? Será que a meditação vai ajudá-lo a se sentir mais feliz e satisfeito? Ou levantar-se todas as manhãs às cinco da manhã ajudará você a ser mais produtivo e as mãos bem-sucedidas? E estas não são apenas questões filosóficas interessantes, mas são questões que têm consequências. As respostas que você encontra para essas perguntas podem literalmente fazer a diferença entre acabar mais pobre, ser incapaz de alcançar seus objetivos ou ter sucesso e ter a vida que você quer. Infelizmente, Infelizmente, quando as pessoas pensam sobre este tipo de perguntas, muitas vezes são presas de flechas de raciocínio. E como resultado disso, muitas vezes acabam perseguindo coisas que realmente não as levam a lugar nenhum. E assim, neste curso, quero mostrar-lhe como você pode afiar seu pensamento, encontrar as respostas corretas para as perguntas que você quer responder e tomar melhores decisões de vida . Então, como é que fazemos isso? E a primeira coisa que quero salientar é que em todas essas perguntas. Havia a mesma estrutura geral em todas as questões. Era sobre se uma variável X causa outra variável. Por que isso me deixará rico? Isso vai me fazer feliz? Será que isso me fará bem sucedido? Em todos esses casos, a questão é basicamente sobre se uma variável X causa outra variável. Por quê? E como todas essas perguntas têm a mesma estrutura geral, podemos usar o mesmo tipo de metodologia para responder a todas essas perguntas. E neste curso vou ensinar-lhe essa metodologia para que você possa responder a essas perguntas com a maior precisão possível. Tudo bem. E então a próxima palestra sempre mostra o cara número um ver que quase todo mundo é presa e como você pode evitá-lo. Vejo-te na próxima palestra. 2. A falácia de razão #1: A falácia do raciocínio número um a que quase todos são vítimas em algum momento é a causa. Falácia. Então, qual é a causa? Falácia. Agora digamos, por exemplo, que você queira decidir qual universidade você quer ir. E vamos dizer que você descobrir que os estudantes fora da Universidade um mais tarde ganhar um salário médio fora 40 k e você descobrir que uma universidade ser estudantes mais tarde ganhar um salário médio off 80 k Bem, nesse caso, maioria das pessoas Oh, provavelmente eu deveria ir para a universidade, ser universidade. parece ser a melhor universidade. Da mesma forma suponha que você aprende que as pessoas que não meditam tendem a ser muito insatisfeitas com sua vida, enquanto as pessoas que fazem meditar e ser muito feliz do que a maioria das pessoas pensam quase automaticamente que Oh, talvez Eu deveria meditar mais. Talvez isso me deixasse mais feliz. Está bem. Outro exemplo, que eu já vi muitas vezes, a propósito, é Theo exemplo de que as pessoas que dizem levantar-se às 7 da manhã tendem a ter produtividade normal, enquanto as pessoas que se levantam às cinco da manhã especialmente todos esses CEOs que trabalham Como um louco. Eles tendem a ter alta produtividade e tendem a ser mais bem sucedidos na vida. E então muitas pessoas chegam à conclusão de que tudo bem, aparentemente, se eu conseguir acordar às 5 da manhã, minha produtividade será maior e eu serei mais bem sucedida. E mais um exemplo quando as pessoas ouvem que os funcionários tendem a ter riqueza média, enquanto os prendeurs de Andhra tendem a ser ricos. Ok, se empresários realmente tendem a ser ricos é na verdade a questão, e eu vou orientá-lo sobre isso mais tarde em um estudo de caso no final deste curso. Mas digamos, com o propósito do exemplo, que os empresários são, em média, mais ricos que os empregados do que muitas pessoas tirariam a conclusão de que eles deveriam ser empresários para que eles possam ser ricos também. Ok, todos os exemplos que acabei de dar são exemplos da falácia causal em todos os exemplos que acabei de dar. A conclusão não foi necessariamente correta. E eu vou seguir o exemplo dos empregados versus empreendedores agora, apenas para ilustrar para vocês o que está acontecendo errado aqui. Então, a conclusão que as pessoas tiram aqui neste caso é que começar um negócio. Então, tornar-se um empreendedor faz com que as pessoas construam riqueza, e a evidência que eles estão usando aqui é o que chamamos de correlação e sua interpretação fora. Essa correlação é que há uma relação causal entre as duas variáveis, e essa não é necessariamente a interpretação correta. Então, nesta palestra, eu quero mostrar a vocês como você interpreta uma correlação corretamente. Então, em primeiro lugar, o que é uma correlação? Uma correlação é uma relação estatística entre duas variáveis. Onde se uma variável muda, a outra muda sistematicamente com essa variável. Então, um exemplo muito simples seria que se uma variável aumenta, a outra aumenta uma onda e tem uma variável diminui, a outra diminui também. Assim, por exemplo, pedir que as pessoas vão de não ter iniciado o negócio para começar um negócio. Sua riqueza aumenta, mas também pode ser o contrário. Outro exemplo de uma correlação seria que, se uma variável aumenta, a outra diminui e vice-versa. Se a variável diminui, a outra aumenta. Isso também é um exemplo de uma correlação e o que as pessoas geralmente pensam automaticamente quando vêem essa correlação. Isso está bem? Então, começar um negócio deixa as pessoas ricas ou as torna pobres. Mas, em qualquer caso, eles pensam que deve haver uma causa de relacionamento entre os dois. Agora, como eu já disse, essa não é necessariamente a interpretação certa. Em vez disso, são quase sempre três explicações possíveis para uma correlação. E para se certificar de que você tira as conclusões certas, você precisa considerar todas as três explicações. Ok, então suponha que temos duas variáveis. Sotaque. Por quê? E eles são coroados. Então que outras três explicações? A primeira explicação é que X causa por que, Se X causa, Por que, então, sempre que X aumenta, por que aumentará também? E assim veremos uma correlação. No entanto, outra explicação possível é que por que causa X nesse caso, quando por que aumenta? Axel aumenta bem e novamente vemos uma correlação e, finalmente, explicação. número três é que não há absolutamente nenhuma relação causal entre X e y em tudo. Mas em vez disso, há 1/3 variável. Poderíamos chamá-lo de conjuntos que causam ambos os atos e por quê. E nesse caso, sempre que Zet aumentar, machado aumentará e por que aumentará. E assim veremos uma correlação entre X e Y, mesmo que não haja absolutamente nenhuma relação causal entre os atos e o porquê. Ok, então estas são as três explicações. Agora vamos aplicar tudo o que acabei de te ensinar ao nosso exemplo. Então, digamos que observamos que os empresários são ricos. Por que sou Please só tem uma riqueza média, e a primeira coisa que precisamos perceber é que isso é apenas uma correlação. Isso significa apenas que, à medida que uma variável aumenta, por exemplo, medida que você passa de funcionários para empreendedor, a outra variável sistematicamente varia com ela. Por exemplo, vamos da riqueza média para ser rico. Então agora a próxima coisa que precisamos fazer é analisar todas as três possíveis explicações para essa correlação, e a primeira explicação é que iniciar um negócio faz com que as pessoas construam riqueza. No entanto, outra explicação possível é que a riqueza faz com que as pessoas iniciem um negócio, então pode ser que, à medida que as pessoas ficam ricas, elas realmente não querem mais ter um emprego. Mas em vez disso, eles não têm mais medo de correr o risco de começar seu próprio negócio porque eles já são ricos, então eles realmente não têm nada a perder. E da mesma forma, quando as pessoas ficam pobres, elas podem ser menos propensas a começar um negócio e mais propensas a aceitar um emprego em vez disso. Assim, uma explicação igualmente plausível para a correlação entre iniciar um negócio e riqueza é que a riqueza faz com que as pessoas iniciem um negócio. Ok, e finalmente, explicação número três é que não há nenhuma relação causal entre iniciar um negócio e riqueza em tudo. Mas em vez disso, pode haver 1/3 variável, e um exemplo de tal variável 1/3 poderia ser o quão ambicioso uma pessoa é. Se uma pessoa é muito ambiciosa, então pode ser isso que torna a pessoa mais propensa a começar um negócio. E também pode ser que isso também torna a pessoa mais propensa a construir bem. Mas a razão pela qual a pessoa constrói bem pode não ser que a pessoa começou o negócio, mas apenas porque a pessoa é muito ambiciosa em qualquer coisa que essa pessoa está fazendo. Então, mesmo que essa pessoa não tivesse começado um negócio, essa pessoa provavelmente teria construído bem, só porque essa pessoa é muito ambiciosa. Então essa é a terceira explicação. Não há nenhuma relação causal entre iniciar um negócio e riqueza em tudo, mas em vez disso são outras variáveis que causam ambos. Então é assim que você interpreta uma correlação agora e se a correlação não é positiva, mas é negativa. Então, digamos que é o contrário. E não é que os empresários sejam ricos, mas os funcionários são ricos. Então, nesse caso, temos uma correlação negativa entre iniciar um negócio e riqueza. Agora, para esta correlação negativa, tudo funciona exatamente da mesma maneira, com a única diferença que você precisa primeiro para inverter a segunda variável aqui. Então, ao invés de pensar na segunda variável como riqueza, você pode pensar nela como sendo pobre. E assim os níveis fora da variável são invertidos. Agora, quando você está alto nesta variável, seus pobres e quando você está baixo nessa variável, você é rico. Enquanto na riqueza variável quando você estava alto, você era rico e quando ele vai baixo, você era pobre. E com essa simples virada, a correlação negativa se torna uma correlação positiva. Agora há uma correlação positiva entre começar um negócio e ser pobre, e agora pode interpretar isso exatamente da mesma maneira que eu acabei de mostrar a vocês. Então a primeira explicação para essa correlação é que iniciar um negócio faz com que as pessoas fiquem pobres. A segunda explicação é que ficar pobre faz com que as pessoas iniciem um negócio, e a terceira explicação é que há 1/3 variável que faz com que ambos, como, por exemplo, assumir riscos. Então pode ser que as pessoas estavam correndo muito risco. Então, basicamente, os jogadores são mais propensos a começar um negócio, mas eles também são mais propensos a ficar pobres. Mas a razão pela qual eles ficam pobres pode não ser que eles começaram o negócio, mas apenas porque eles fazem um monte de outras coisas arriscadas que custam para eles ficarem pobres. Ok, então as principais lições desta palestra são uma correlação é uma relação entre duas variáveis X e Y. As pessoas tendem a tomar uma correlação como evidência que age causa o porquê. Mas essa é apenas uma explicação possível, e as três explicações que você precisa considerar são primeiro que X causa. Por que, segundo, segundo,é por isso que causa X e terceiro que definir Então outra variável causa tanto X quanto y, e você pode encontrar a falácia causal que as pessoas imediatamente pularam Explicação um praticamente em todos os lugares em todas as áreas da vida das pessoas. E na próxima palestra, eu quero mostrar alguns exemplos onde você pode ver que 3. Exemplos de fallacies de razão em nossa vida cotidiano: Ok, então agora você sabe sobre a falácia causal. E a coisa mais complicada sobre essa falácia é que realmente está se escondendo em todos os lugares. E assim, nesta palestra, eu quero treiná-los para detectar a falácia causal para que você possa evitá-la. OK, então vamos analisar alguns exemplos e um exemplo pode ser que você se pergunte qual universidade é melhor e já tivemos o exemplo da Universidade A versus Universidade Be onde? Depois da universidade As pessoas ganham um salário médio fora 40 k enquanto que depois da universidade, ser as pessoas tendem a ganhar um salário médio fora 80 bolo. E a primeira coisa que é importante notar aqui é que isso é apenas uma correlação. Tudo o que você está vendo aqui é que, se a universidade variável muda de universidade, uma universidade B também faz o sempre salário dessas pessoas. Mas a questão ainda é o que essa coroação carne? E como você aprendeu na última palestra, três explicações que precisamos considerar o exame Um é que a universidade é importante para o salário. Universidade B fará com que você tenha um salário mais alto mais tarde do que a universidade A. Então também precisamos considerar explicação para, que é que o salário faz com que a universidade. Mas neste caso, estamos com sorte porque o salário acontece fora da universidade e assumindo que algo não pode causar algo de trás para frente no tempo. Assim, o futuro salário não pode afetar o que você faz no passado. Quando você escolhe a universidade , essa explicação não é possível. Então, neste caso, podemos descartar explicações para fora. No entanto, ainda há explicação três de que há uma variável 1/3 como, por exemplo, ambição. E poderia ser que as pessoas fossem mais ambiciosas, são mais propensas a escolher a universidade, ultrapassar a universidade A e, ao mesmo tempo, ser ambicioso pode fazer com que as pessoas ganhem um salário mais alto. E então o que pode estar realmente acontecendo aqui não é da universidade é melhor em treiná-lo para que ele possa ganhar um salário mais tarde, mas que a universidade é apenas melhor em atrair pessoas ambiciosas e que mesmo que essas pessoas iria para outra universidade, eles ainda ganharia um salário mais alto. No geral, não sabemos se o sábado mais alto é causado pela universidade. Certo, vamos dar uma olhada em outro exemplo. o dinheiro faz as pessoas mais felizes Digamos que você faz essa pergunta e então você olha para o mundo e digamos hipoteticamente que você vê que as pessoas que não têm tanto dinheiro ou uma riqueza média tendem a ser razoavelmente felizes, enquanto as pessoas que são muito ricas tendem a ser um pouco mais felizes. Digamos hipoteticamente que é isso que você vê. Então, novamente, o primeiro passo é perceber que isso é apenas uma correlação. Sempre ver aqui é que se a riqueza variável muda de pobre para rico do que a variável felicidade muda de 7 para 8 e agora a próxima coisa que precisamos fazer é perguntar a si mesmo, O que isso significa? Em uma possível explicação é, de fato, que o dinheiro causa felicidade. Mas outra explicação possível é que a felicidade causa dinheiro. Assim, por exemplo, pode ser que as pessoas que estão mais felizes sejam mais otimistas e, portanto, mais propensas a assumir os riscos que precisam de correr para ganhar muito dinheiro. Ou poderia ser que as pessoas felizes são mais agradáveis, e isso também os torna mais propensos a receber uma promoção de seu chefe, por exemplo, que faz com que eles ganhem dinheiro, então poderia muito bem ser que a felicidade causa dinheiro. E então, claro, há também a explicação três, que é que há uma variável 1/3 que causa ambos. Então, pode ser que se você é uma pessoa que é muitas vezes bem sucedida do que isso faz com que você ganhe muito dinheiro, e isso também pode fazer você mais feliz e não necessariamente por causa do dinheiro que você ganha, mas apenas porque é bom se você alcançar os objetivos que você estabeleceu para si mesmo de novo, não podemos ter certeza de que o dinheiro causa felicidade. Essa é apenas uma das muitas explicações. Ok, mais um exemplo, e este é um que eu vi várias vezes. Levantar às 5 da manhã torna as pessoas mais produtivas? Então vamos dizer novamente que você olha para o mundo e você vê isso lá. As pessoas que se levantam em uma hora normal dizem 7 da manhã e há pessoas que se esforçam para se levantar muito cedo, como as 5 da manhã e as pessoas que se levantam em uma hora normal 10 para ter atividade portuária normal, enquanto as pessoas que saem muito cedo tendem a ter produtividade muito alta. Se você vê isso, então você pode pensar que levantar-se às 5 da manhã é uma estratégia muito boa para obter maior produtividade, certo? Mas, novamente, precisamos perceber que isso é apenas uma correlação. Significa apenas que se passarmos de nos levantarmos em um horário normal para chegarmos cedo , então há uma mudança na produtividade variável. E agora a questão é, o que essa correlação carne e novamente? Explicação número um é que quando você acorda influencia o quão produtivo você é nessa data, então a segunda explicação que precisamos considerar é se a produtividade pode causar o tempo de despertar. E aqui estamos nós com sorte novamente porque a produtividade acontece após o tempo de despertar. Primeiro você acorda cedo ou não tão cedo, e então você é produtivo durante esse dia ou não, e assumindo que uma variável não poderia causar algo de trás para frente no tempo. Esta explicação não funciona, então podemos descartar esta neste caso. Mas, no entanto, ainda temos a terceira explicação variável. E pode ser, por exemplo, que as pessoas que são muito enérgicas tendem a acordar muito cedo, e tendem a ser muito produtivas. E pode ser que a razão pela qual eles são tão produtivos não é porque eles acordam tão cedo, mas só porque eles têm muita energia e eu não posso falar por você. Mas eu pessoalmente tentei me levantar às 5 da manhã, uma vez na vida. E eu acho que no primeiro dia e talvez também no segundo dia, minha produtividade foi maior. Mas depois disso, eu me sentia mais cansada a cada dia. E eu acho que minha produtividade realmente diminuiu. Então, o tempo de acordar importa? Tanto para a produtividade. Isso é, na verdade, algo que não sabemos baseado nessa correlação. Está bem. Então, como você pode ver, a falácia da correlação está realmente se escondendo em todos os lugares. E isso leva à próxima pergunta. Que é como podemos resolver isso? E é isso que vou falar com você na próxima palestra. Então eu vejo você na próxima seção 4. A estratégia mais poderosa para eliminar explicações alternativas: Certo, então agora que você está um pouco treinado em ver essas explicações diferentes para correlações que podemos observar no mundo agora a questão é, como podemos descartar explicações alternativas e descobrir se X causa o porquê suas várias maneiras de fazer isso, cada uma com suas vantagens e desvantagens? E nesta palestra, vou apresentá-los a uma das soluções mais poderosas, que é um experimento. Agora, quando você pensa em um experimento, você pode estar pensando em algo como isso, mas isso na verdade não é o que um experimento é. Isto é apenas como um experimento acontece para se parecer em alguns ramos fora de sinais. Mas um experimento é algo muito mais simples. Então, o que é um experimento? Um experimento é quando os níveis fora dos atos variáveis são randomizados. Então tivemos essas duas variáveis acidente. Por quê? E ambas as variáveis têm níveis. Por exemplo, isso pode ser alto ou baixo. E quando os níveis fora da primeira variável são aleatorizados, por exemplo, através de um flip de moeda, e nós chamamos isso de experimento e eu sei que isso soa muito abstrato, então deixe-me orientá-los através de um exemplo digamos que você quer saber se o dinheiro faz as pessoas felizes. Nesse caso, temos um experimento se os níveis fora da riqueza variável são determinados aleatoriamente por um conflito, então, para ilustrar a lógica disso, digamos que seus deuses e você agora podem determinar através de uma moeda inverter se as pessoas são pobres ou se são ricas. Então, para cada pessoa no mundo, você joga uma moeda, e se a moeda diz “cabeças “, você faz essa pessoa pobre. E se a moeda diz cauda, então você faz essa pessoa rica. E agora digamos que neste cenário muito hipotético, você descobre que os pobres são muito infelizes e os ricos são muito felizes, que é uma correlação, certo é uma correlação entre riqueza e felicidade. No entanto, a interpretação dessa correlação muda completamente se você encontrá-lo em um experimento. Então vamos passar por isso para que as duas variáveis vocês tenham nossa riqueza e felicidade, e agora a primeira variável é aleatorizada através de um milho flip. Então, nesse cenário, a correlação poderia ser explicada pela riqueza causando felicidade? Absolutamente Essa é definitivamente uma explicação possível. Mas e o efeito inverso? A felicidade poderia ter causado a riqueza? Bem, não, porque você determinou o poço através de uma moeda flip e sua moeda não se importa com a felicidade de uma pessoa. Não importa se a pessoa é infeliz ou feliz, o milho flip torna igualmente provável que uma pessoa feliz em uma pessoa infeliz se torne rica em sua experiência. Então, aqui. Esta não é uma explicação plausível. E quanto à explicação número três? Que há 1/3 variável influenciando ambas as variáveis, por exemplo, que o sucesso em alcançar seus objetivos torna as pessoas ricas, e isso as torna todas tão felizes. No entanto, novamente, este carro é um relacionamento aqui, do sucesso à riqueza realmente não funciona porque nossa moeda não se importa com o sucesso que uma pessoa tem em alcançar seus objetivos. A moeda torna igualmente provável que as pessoas que não têm sucesso em alcançar os objetivos e as pessoas foram bem sucedidas em alcançar seus objetivos se tornem ricas. E por causa dessa explicação, três também não funciona. Então a única explicação que resta neste cenário é a explicação número um, que a riqueza causa felicidade. Então, em outras palavras, se os níveis fora da primeira variável um randomizado e você encontrar uma correlação entre as duas variáveis. Em seguida, você pode concluir que a primeira variável custa a segunda variável. Agora você pode estar pensando em notas, mas como eu vou fazer isso? Mas às vezes, se você apenas olhar ao redor no mundo, você confinou experiências que ocorrem naturalmente, como, por exemplo, a loteria. A loteria basicamente divide aleatoriamente seus participantes nos participantes que não recebem dinheiro, e os participantes se tornarão incrivelmente ricos. E então o que podemos fazer é simplesmente dar uma olhada se as pessoas ganham na loteria tendem a ser mais felizes do que as pessoas que não ganham na loteria. E a descoberta aqui é que, temporariamente, sim, as pessoas que ganham na loteria estão um pouco mais felizes. Mas, a longo prazo, não parece importar. Então parece ser que o dinheiro pode fazer você feliz temporariamente, mas talvez não a longo prazo. Tudo bem. Para resumir, as principais lições desta palestra são que você pode descartar explicações dois e três através de um experimento, e em um experimento, os níveis fora da variável X são aleatorizados, para exemplo, através de um flip de milho, e você pode executar experimentos você mesmo, que eu vou mostrar-lhe na próxima palestra. Mas às vezes você também pode encontrar experiências que ocorrem naturalmente, como, por exemplo, a loteria. Tudo bem, e depois a próxima palestra. Hubble, amplie ainda mais isso com você. Vejo-te na próxima palestra. 5. Tipos de estratégias: Nesta palestra, vou apresentá-los a dois tipos diferentes de experimentos. Então, na última palestra, você aprendeu que um experimento é sobre nivelar aleatoriamente os níveis fora da primeira variável. E esses níveis são sempre sobre algum tipo de comparação. Por exemplo, universidade, um Versos, universidade B ou pessoas ricas versus pessoas pobres enquanto empreendedores versus funcionários e nesta palestra queria ampliar mais para isso e mostrar que há realmente dois diferentes tipos de comparações que você confinou aqui. Uma comparação é uma comparação entre assunto, e a outra comparação é uma comparação dentro do assunto. Então, uma comparação entre assuntos é quando você tem dois grupos e você compara esses grupos uns com os outros, e um exemplo disso seria se você comparar estudantes de diferentes universidades. Mas você também pode olhar para uma comparação dentro do assunto, e nesse caso, você olha para uma comparação. Ao longo do tempo, você tem dois ou mais pontos de medição por pessoa, e você compara esses pontos de medição uns com os outros. O que aconteceu no momento, um comparado com o tempo e pode fazer isso com várias pessoas ou mesmo apenas com uma pessoa, então um exemplo de Isso seria se você comparar semanas em que você meditou, duas semanas em que ele não meditou para descobrir saber se a meditação está ajudando você a sentir melhor ou ficar mais focado, por exemplo, e em ambos os casos, você precisa de um experimento para ser capaz de tirar uma conclusão clara. Então, o que é um experimento nesses dois casos, enquanto em um experimento, você ou aleatoriza quem vai para qual grupo em um experimento entre sujeitos ou quando o que acontece em um experimento dentro do assunto? Então vamos passar por um exemplo. Digamos que você queira saber se acordar às 5 da manhã torna as pessoas mais produtivas do que um tipo de experiência que você poderia executar ou procurar seria um experimento onde você divide as pessoas em um grupo que tem que se levantar às 7 da manhã, todas as vezes e um grupo que tem que se levantar às 5 da manhã todas as vezes. E então você pode verificar qual desses dois grupos é mais produtivo, e isso seria um experimento. Se a divisão nos dois grupos acontecer, adicione aleatoriamente, por exemplo, através de uma moeda flip Mas se você não quer incomodar seus amigos dizendo quando eles têm que se levantar, que eu posso entender muito bem que ele também pode executar um experimento em si mesmo. Então o que você pode fazer é ter dias em que você se levanta às cinco da manhã, e você pode ter dias em que você se levanta às 7 da manhã. E ele poderia transformar isso em um experimento decidindo cada dia com antecedência através de uma moeda flip, se o dia seguinte vai ser um dia 5 ou 7 da manhã. Então, no primeiro dia, você pode ser capaz de íngreme mais. Então você tem que se levantar cedo. Então o conflito diz que você tem que acordar cedo de novo. Então você pode Steve mais tempo do que você tem que se levantar cedo para que ele possa dormir mais e então ele concebeu mais tempo de novo e assim por diante e assim por diante. E se o que você faz em cada dia é randomizado, então isso também é um experimento. Então digamos que você acha que nos dias em que você acorda cedo, você é mais produtivo do que o que isso poderia significar? Uma coisa que isso pode significar é que o tempo de despertar influencia sua produtividade. Mas normalmente também teríamos que considerar a possibilidade de que a produtividade influenciasse o tempo de despertar. Agora, nós já dissemos que isso não é realmente possível neste caso particular porque a atividade por acontece após o tempo de despertar. Mas em um experimento, é impossível de qualquer maneira, porque o tempo de despertar é completamente determinado pelo milho flip, então não pode ser influenciado por outra coisa. Então essa explicação definitivamente não funciona. E então a terceira explicação que normalmente precisamos considerar é que há uma variável 1/3 que causa ambos. Então, por exemplo, se você não aleatorizar, então pode ser que depois de noites em que seu sono é realmente fora de uma alta qualidade e muito profundo, você automaticamente acorda cedo e você está mais produtivo durante o dia. No entanto, se você determinar quando você acorda por um flip de moeda, então, novamente, o conflito não se importa com a sua qualidade de sono, diz a moeda. Ele foi acordar, independentemente de você se sentir super sonolento pela manhã ou realmente enérgico e pronto para começar o dia, e, portanto, esta causa de relacionamento realmente não funciona novamente. E, portanto, a terceira explicação variável não funciona. Então, se você achar neste cenário que você é mais produtivo se você se levantar às 5 da manhã , então isso significa que levantar-se às 5 da manhã é uma boa maneira de você ficar mais produtivo. Ok, para resumir, as principais lições desta palestra são os níveis fora da variável X pode ser entre ou uma comparação dentro do assunto, e a comparação entre sujeitos é um experimento. Se as pessoas são atribuídas aleatoriamente para os dois níveis off atos e a comparação dentro assunto é um experimento, se os pontos de tempo são atribuídos aleatoriamente para os dois níveis off atos. Um experimento é os métodos mais poderosos para descartar explicações alternativas. Mas nem sempre é viável. Por exemplo, você pode dizer às pessoas que desejem que a universidade eles devem ir com base em um conflito. Eles simplesmente não vão fazer isso. Portanto, na próxima palestra, mostrarei um segundo método para descartar explicações alternativas que vejo na próxima eleição 6. A segunda melhor estratégia para eliminar explicações alternativas: se você não puder executar um experimento, e se você não conseguir encontrar um experimento, a próxima melhor alternativa é um experimento misto. Um experimento de mistura é quando você combina um experimento dentro do assunto com o entre assuntos. Design. Então você tem dois grupos de pessoas, mas você também tem pelo menos dois pontos de medição no tempo. Então vamos passar por um exemplo. Digamos que você queira saber se a meditação faz as pessoas mais felizes. Agora suponha que você realmente não quer fazer o esforço para executar um experimento em si mesmo. Mas você também não pode encontrar nenhuma situação no mundo onde as pessoas são divididas aleatoriamente em meditadores e não meditadores. Então a próxima melhor coisa que você pode fazer é um design de mistura. Digamos que seus amigos decidam começar uma nova atividade todos os sábados à noite, e vamos dizer que uma parte de seus amigos decidem que eles têm uma noite de cinema enquanto outra parte de seus amigos decide que a fazer aulas de meditação no sábado à noite do que em um puro entre o design do sujeito. Você olharia como as pessoas se sentem felizes depois de um tempo fazendo essas duas atividades, e então você pode descobrir que as pessoas que não começaram a meditar. Não se sinta tão feliz como as pessoas que começaram a meditar. Agora, em um design de mistura, adicionamos mais um ponto de medição. E neste caso, essa pode ser a felicidade inicial desses dois grupos de pessoas antes de começarem a nova atividade. E vamos dizer que a felicidade inicial fora dos não-meditadores Waas um seis de 10 enquanto a felicidade inicial fora dos meditadores foi um oito de 10. E depois dessas atividades, vemos um seis de 10 para os não meditadores e um oito de 10 para os meditadores. Quando essa situação, podemos ver que, embora os meditadores sejam mais felizes do que os não meditadores, a felicidade não mudou como resultado de nenhuma dessas atividades. Os não meditadores começaram com o seis e o terminou com um seis e o meditador começou com uma AIDS e eles terminaram em oito. Então agora podemos ver que a meditação realmente não ajudou. Em vez disso, esse resultado seria mais alinhado com a explicação de que a felicidade torna as pessoas mais propensas a meditar porque aqui podemos ver que as pessoas felizes foram para a aula de meditação, e esse é o poder de um experimento misto no experimento de mistura, onde você pode ver esses padrões sobre o que você deseja ver. Concluir que a meditação realmente melhora sua felicidade é que a mudança na felicidade ao longo do tempo é maior no grupo de meditação em comparação com o grupo de não-meditação . Então aqui, por exemplo, a felicidade dos meditadores aumenta em um ponto, enquanto a felicidade das não meditações não muda de modo algum. Portanto, este resultado sugere que a meditação causa felicidade. No entanto, ainda existem explicações alternativas. Assim, poderia ser, por exemplo, que as pessoas que foram às aulas de meditação são pessoas que são muito boas em obter alegria com novas atividades. E poderia ser que se você tivesse dito aos meditadores para ir às noites de cinema, eles também teriam aumentado em felicidade em um ponto simplesmente porque eles são muito bons em desfrutar de novas atividades. Então, mesmo em um design misto, ainda temos explicações alternativas. No entanto, espero que você também possa ver que nem todas as explicações alternativas que tivemos que considerar antes de ainda trabalhar e as explicações alternativas que ainda funcionam são muito mais complicadas e não tão plausíveis como o explicações que tivemos que lidar antes. Então, em um design misto, você ainda tem explicações alternativas. Mas eles não são tão sérios como em um puro entre o design do sujeito ou um design puro dentro do assunto . Certo, vamos passar por outro exemplo. Digamos que você se pergunta qual universidade é melhor, e esta é uma situação complicada, porque você pode dizer às pessoas para desejarem que a universidade vá, e, portanto, é muito difícil fazer um experimento aqui. Então, nesta situação, um design misto é novamente a sua melhor alternativa. Então o que você quer fazer é que você não quer apenas ver como as pessoas são capazes depois de ir para a universidade. Digamos que pontuemos isso como um seis de 10 para os alunos da Universidade A e um oito de 10 para os alunos da Universidade B. Mas você também quer ver como eles já eram capazes antes de irem para a universidade. Então, quando levamos isso em conta do que ele e este exemplo, podemos ver que basicamente os estudantes fora de nenhuma universidade melhoram na Universidade A. Eles começaram com um nível de habilidade fora de seis, e eles acabam com um seis. E na universidade eles começam com um nível de habilidade acima de oito e acabam com um nível de habilidade de oito. Assim, a única diferença entre estas duas universidades parece ser neste exemplo que universidade B é melhor em atrair estudantes altamente capazes. E isso geralmente é um problema, porque uma vez que a universidade tem uma boa reputação, isso significa que bons alunos irão para aquela universidade e então automaticamente. Haverá uma correlação entre o sucesso que as pessoas têm mais tarde na vida e aquela universidade. Então, o que você quer ver idealmente, não é apenas que os alunos de uma universidade estão fazendo melhor depois. Mas ele queria que os alunos chegassem relativamente incapazes e saíssem relativamente capazes, que é algo que se pode sobre Lee Seon, um design de mistura. No entanto, mesmo que você ache que ainda há explicações alternativas, poderia ser, por exemplo, que os estudantes que frequentaram a universidade estão neste caso particular são melhores alunos, e essa é a única razão pela qual eles melhoraram tanto. Mas se eles aprendem melhor do que a questão é, por que eles já não eram mais capazes de começar? Então, como você pode ver aqui, mesmo que ainda haja explicações alternativas, elas não são tão plausíveis quanto as explicações alternativas que tivemos de lidar em um puro entre o design do sujeito ou aparecem dentro do design do sujeito. Ok, agora vamos passar por uma visão geral sobre as opções que você tem. Quando você quiser descobrir se uma variável está causando outra variável, a melhor opção é sempre executar um experimento em si mesmo. Um experimento elimina imediatamente todas as explicações alternativas que cobrimos no início. E se você executá-lo em si mesmo e você sabe que os resultados se aplicarão a você, a próxima melhor opção é olhar para um experimento em outras pessoas. Normalmente, executar esse experimento não é realmente viável. Mas às vezes você pode encontrar um experimento que ocorre naturalmente no mundo, como, por exemplo, a loteria. Então, a próxima melhor opção é um design de mistura. Se você não conseguir encontrar o caso em que os níveis fora da primeira variável são aleatorizados, então pelo menos certifique-se de que você obtenha o máximo de informação possível não apenas em Lee comparando grupos, mas também vendo como eles mudam ao longo do tempo, Tudo bem, e se mesmo isso não está disponível do que o último recurso que você tem, é fazer um palpite educado baseado em uma correlação. Geralmente é possível encontrar pelo menos alguma correlação no mundo. E se essa correlação não é encontrada em um experimento, nem faz design do que o melhor que você pode fazer é simplesmente ir um por um através de todas as explicações possíveis e fazer um palpite sobre a probabilidade de que a primeira variável está causando a segunda variável. Tudo bem, então as principais lições desta palestra são se um experimento não é viável e design misto é uma boa alternativa, um mix design minimiza explicações alternativas sem descartá-las completamente. E se um projeto misto não é possível, então seu último recurso é um palpite educado baseado em uma correlação, tudo bem, isso é dele com sexual, e eu vejo você no próximo 7. Uma maneira simples de descartar de coincidências: E esta palestra vai mostrar-te como lidas com coincidências. Então, o que quero dizer com coincidência? Então vamos dizer que um dia você se levanta no seu horário normal das 7 da manhã, e então um dia depois, você se levanta às 5 da manhã e você acha que no segundo dia você é mais produtivo. E digamos que você determinou ambos através de um flip moeda. Então é um experimento. Então você pode realmente concluir que levantar-se às 5 da manhã faz com que seja mais produtivo? Verdade seja dita, não exatamente porque pode ser apenas uma coincidência, e ele é uma maneira de pensar sobre isso. Se você fez o mesmo em ambos os dias, por exemplo, se em ambos os dias você se levanta às 7 da manhã você ainda seria mais produtivo em um dia comparação com o outro, certo, porque sem qualquer razões claras, às vezes temos dias mais produtivos. Às vezes temos dias menos produtivos e, portanto, mesmo que você faça o mesmo em ambos os dias, em um dia você terá maior produtividade. Então, outra pergunta que precisamos fazer a nós mesmos é que, se descobrirmos que depois de nos levantarmos às cinco da manhã, nossa produtividade é maior. É porque nos levantamos às 5 da manhã ou é só uma coincidência? E há várias soluções para descartar coincidências. A primeira solução é o tamanho da amostra. Se não medirmos apenas em dois dias, mas em muitos dias, então torna-se muito menos provável que nos dias em que nos levantamos às cinco da manhã, por acaso, sejamos mais produtivos. E como regra geral, quanto maior for a sua amostra. Assim, quanto mais pontos de medição você tem, mais você pode ter certeza de que não é uma coincidência. E o que exatamente o tamanho da amostra depende um pouco do seu design. Em um assunto entre projetado, o tamanho amostral é o número de pessoas que você tem em cada grupo e em um design dentro do assunto , pode ser duas coisas. Pode ser o número de pessoas que você olha, e também pode ser o número fora dos pontos de medição que você olha. Então, se você testar em si mesmo, o tamanho amostral seria quantas vezes você testa ao longo do tempo e um exemplo onde o tamanho da amostra está realmente nos ajudando está no exemplo da loteria porque há tantas pessoas fazendo a loteria, e ao longo do tempo eles têm sido tantas pessoas que ganharam na loteria que podemos ter certeza que as diferenças entre vencedores da loteria e perdedores da loteria não são apenas coincidências. Então essa é a primeira solução. Tamanho da amostra. E você pode se perguntar, qual é o tamanho amostral grande e o que é um tamanho amostral pequeno? E tecnicamente, é bastante arbitrário. A regra é simplesmente, quanto mais melhor. Mas só para lhe dar alguma orientação, eu vou dar-lhe os números que eu usaria na minha vida privada para determinar se eu tenho um tamanho amostral grande ou pequeno. Então um pequeno tamanho amostral para mim seria 20 observações, e isso não significa que você não pode ir mais baixo. É só que, em seguida, o risco fica realmente alto que seus resultados são coincidência e um tamanho amostral grande seria 100 observações ou mais. É mais de 100 observações que ele pode ter certeza de que as coisas que você observa não são apenas coincidência. Ok, então essa é a primeira solução de tamanho amostral. Mas o tamanho da amostra nem sempre é a solução mais viável e, portanto, na próxima palestra, mostrarei uma segunda solução 8. A maneira elegante de descartar de coincidências: outra maneira de descartar coincidência é avaliar a variância inexplicável. Então, o que isso significa? Digamos que você testou ao longo de 10 dias, se levantar às 5 da manhã o torna mais produtivo ou se levantar às 7 da manhã. E digamos que todos os dias você deu a si mesmo uma pontuação de, digamos, 1 a 10 sobre o quão produtivo você foi naquele dia. Então ele é o que os resultados podem parecer para o dia das 7 da manhã. Então, neste dia, sua produtividade foi relativamente baixa neste dia aqui foi um pouco maior do que mais baixa novamente, depois um pouco mais alta e depois um pouco mais baixa novamente. E digamos que esses outros resultados para as 5 da manhã. Então, no primeiro dia, você foi muito produtivo. Em seguida, sua produtividade caiu um pouco e, em seguida, aumentou os lances e assim por diante e assim por diante. Agora, quando eu olho para esses resultados, eu realmente fico bastante convencido por eles, mesmo que o tamanho amostral seja muito pequeno e a razão tem a ver com variância inexplicável . Então vamos quebrar isso lá em baixo. Duas coisas acontecendo neste conjunto de dados primeiro. Existe a diferença média entre os dias 7 da manhã e os cinco dias da manhã. Então, a média fora dos 7 da manhã seria aproximadamente aqui, enquanto a média fora dos cinco dias da manhã seria aproximadamente aqui. E a diferença entre isso é o que pensamos ser o efeito do tempo de despertar. Acordar às cinco da manhã mudou a produtividade daqui para aqui. Poderíamos chamar isso de variância explicada porque as variantes que podemos explicar através do tempo de despertar. Além disso, também temos presilhas inexplicáveis. Então, por exemplo, por que minha produtividade foi menor neste dia em comparação com aquele dia e, em seguida, mais baixa novamente neste dia? Comparado com aquele dia, nós realmente não sabemos até que possamos chamar essa variação inexplicável. Assim, a variância inexplicável são as variantes em torno da média para a qual não temos explicação. E nós temos isso para as 7 da manhã, e nós também temos isso para os cinco dias da manhã Agora, o que a variação inexplicável basicamente diz a vocês é quão grande o efeito das coincidências. Então aqui vemos que apenas por coincidência, a produtividade vai para cima e para baixo e para cima e para baixo em aproximadamente este rico e ele é o mesmo. Vemos que apenas por coincidência, a produtividade vai para baixo e para cima e para baixo e para cima aproximadamente neste rico. E o que podemos ver aqui é que em 7 da manhã é realmente improvável que nossa produtividade aumente até aqui e vice-versa. Em cinco dias da manhã, é realmente improvável que a produtividade desça até aqui, e a partir desse padrão concluímos que provavelmente a diferença entre os meios aqui não é apenas uma coincidência, porque coincidências não são tão grandes com base na variância inexplicável que vemos. E se você encontrar esse padrão, então uma pequena amostra é suficiente. Agora compare isso com a seguinte situação. Digamos que temos exatamente a mesma diferença entre as médias, mas a variância inexplicável é muito maior. Portanto, com essa quantidade de variância inexplicável, é bem provável que a diferença entre as médias vermelhas sejam incidentes de Jessica. Então, nesta situação, a única maneira de descobrir se essa diferença não é apenas uma coincidência é coletar uma amostra maior. Portanto, a regra simples é que se o efeito da primeira variável se destaca em comparação com variantes inexplicáveis do que uma amostra pequena tamanhos suficientes. E se não acontecer, então você precisa de uma amostra grande. Ok, agora deixe-me dar alguns exemplos de variância inexplicável para deixar claro quais variações inexplicáveis em diferentes situações. Então, digamos que você quer saber qual universidade é melhor então. Nesse caso, variância inexplicável é o quanto os alunos dentro de cada universidade diferem uns dos outros. Embora a variância explicada seja o quanto os alunos entre universidades diferem uns dos outros, digamos que você queira saber se a meditação o faz mais feliz. Nesse caso, a variação inexplicável é o quanto sua felicidade flutua dentro de períodos de tempo em que você medita ou períodos de tempo em que você não percebe isso. Basicamente, é o quanto sua felicidade varia entre os dias em que fez exatamente a mesma coisa. Ou digamos que você queira saber se o empreendedorismo torna as pessoas ricas. Nesse caso, a variação inexplicável é a quantidade de riqueza varia dentro dos empresários e dentro dos empregados. Então, quanto? Bem, vários entre pessoas que fazem o mesmo sendo empreendedores ou empregados. Tudo bem, então as principais lições desta palestra são a primeira maneira de descartar coincidência é ter uma amostra grande. No entanto, pequenas amostras podem ser suficientes se não houver muitos pais inexplicáveis. E, mais especificamente, se o efeito da sua variável não se destacar em comparação com a variância inexplicada, então o efeito pode não ser real, mas apenas uma coincidência. Mas se o efeito de sua poeira variável sair, isso é provavelmente mesmo em uma pequena amostra. Tudo bem, é isso com o sexual e eu vejo no próximo. 9. Como descobrir se outras coisas funcionariam melhor: Nesta palestra, vamos mudar a pergunta um pouco. E ao invés de perguntar, X causa por que, nós perguntamos, x importa o suficiente? Então, por exemplo, em vez de pedir poeira, levantar-se às cinco da manhã torná-lo mais produtivo, você poderia perguntar, há outras coisas que importam mais do que levantar-se às cinco da manhã, porque honestamente, levantar-se às cinco da manhã não é divertido. Por isso, se o fizeres , é bom que valha a pena. E você quer ter certeza de que não há soluções melhores que você ainda não considerou, e você pode descobrir isso usando as técnicas que você já conhece. Então, para ilustrar isso, digamos novamente que você testa em si mesmo se levantar às 5 da manhã o torna mais produtivo e apenas para tornar os resultados um pouco menos desordenados. Assumi aqui que os dias não são randomizados para que tudo esteja ao lado um do outro . E aqui vemos a produtividade média nos dias em que você se levantou às sete da manhã e aqui vemos a produtividade média nos dias em que você se levantou às 5 da manhã. E podemos ver que é um pouco maior, mas ao mesmo tempo há um muito fora variantes inexplicáveis, e nosso efeito aqui realmente não se destaca em comparação com esse inexplicável direito vários. Então, nessa situação, estaríamos preocupados que a diferença seja apenas incidentes de cócegas. Mas há mais do que podemos aprender com esse padrão, porque essencialmente, variância inexplicável é uma medida fora do efeito das variáveis que ainda não consideramos . Então, deixem-me dar-vos um exemplo. Pode ser que nos dias com alta produtividade, você regularmente fez uma pausa para o café e que o ajudam a permanecer energético e a permanecer produtivo enquanto nos dias improdutivos você não tomou qualquer pausa para o café. Mas ela continuou trabalhando e continuou trabalhando até que ele estava tão exausto que você estava apenas olhando para sua tela sem fazer nada sobre o que o padrão que vemos aqui basicamente nos diz é que a pausa para café importa muito mais em comparação com quando você se levanta de manhã. Agora compare isso com o seguinte padrão. Aqui temos um padrão onde a diferença entre as 5 da manhã e as 7 da manhã é relativamente grande, e a variância inexplicável é relativamente baixa, certo, e aqui o mesmo pode estar acontecendo. Pode ser que nos dias mais altos que você tomou as pausas para café enquanto nos dias mais baixos, ele continuou trabalhando. Mas aqui a conclusão seria o oposto. Aqui nós concluímos que se você tomar as pausas para café ou não dificilmente importa para a sua produtividade, enquanto o tempo que eu desejo que você se levantar importa muito. Então, comparando o efeito da primeira variável com a variância inexplicável, você pode ter uma idéia de quão eficaz essa variável é comparada a outras variáveis que você ainda não testou. E se você encontrar um padrão onde o efeito é muito pequeno em comparação com a variância inexplicável , então, em vez de ficar obcecado com a questão de saber se essa diferença é uma coincidência ou não, faz mais sentido perguntar você mesmo o que está causando essa variância inexplicável. Por que o uso de produtivo neste dia e neste dia e neste dia e neste dia em comparação com este dia e este dia e neste dia agora supostamente você pensa sobre isso e você compara os dias produtivos com os dias improdutivos e você percebe que no dias produtivos você tomou mais pausas para café. Então isso significa que você deve tomar mais pausas para café e ele tem que ter cuidado? Porque, de novo, isto é apenas uma correlação. E a menos que você tenha testado isso em um experimento ou pelo menos você tenha um design de mistura, provavelmente não significa tanto. Então aqui novamente, precisamos pensar sobre nossas três explicações. Pode ser que a pausa para o café custou ser mais produtiva. Ou pode ser que nos dias em que você é muito produtivo, você tem mais tempo para coffee breaks ou a coroação pode ser devido a 1/3 variável. Por exemplo, pode ser que nos dias em que você acorda cedo, você esteja tão cansado que você faz mais pausas para café, mas você também tem mais tempo para trabalhar e então você é mais produtivo. Então, se você achar que nos dias mais produtivos você tomou mais pausas para café, esteja ciente de que é apenas uma correlação e que a única maneira de saber com certeza que as pausas para café realmente fazem com que você seja mais produtivo é um experimento. Ok, então as principais lições desta palestra são se há muita variação inexplicável do que outras variáveis, provavelmente importa mais do que a variável que você está olhando. E nesse caso, vale a pena perguntar que outra variável poderia ter causado essa variância inexplicável. E uma vez que você tenha uma idéia, certifique-se de testá-la idealmente em um experimento. 10. Como tirar as conclusões: Ok, então agora você viu que tipo de coisas você precisa olhar e que tipo de coisas você precisa estar ciente quando você tira conclusões e tenta descobrir se atos podem te levar por quê? E como você deve ter percebido, é muito mais complicado do que as pessoas normalmente pensam. Então este é um bom momento para nos perguntarmos. Como podemos ser eficientes sobre isso ou, mais precisamente, todas as lições deste curso são sempre necessárias? Por exemplo, o que acontece se você ignorar explicações alternativas para correlações? Ou o que acontece se você ignorar variância inexplicável? E a resposta curta é, é claro, que ele vai cometer mais erros. Mas ele também vai fazer menos Eros porque eles são na verdade dois tipos de erros que podemos cometer quando tiramos conclusões. O primeiro tipo é o que chamamos de falsos positivos, que é acreditar em algo que não é verdade. Por exemplo, se você acredita em fantasmas, mesmo que vai pedra realmente exista, então isso seria um falso positivo. O outro tipo de erro são falsos negativos. Falsos negativos é quando você rejeita algo, mesmo que seja verdade. Em um exemplo disso é o que acontece na sociedade plana da Terra. As pessoas na Sociedade Terra plana rejeitam a ideia de que a Terra é uma esfera. Mesmo sabendo com muita certeza que a Terra é uma esfera e você pode tirar conclusões de duas maneiras, você pode ser conservador, que significa que você não acredita facilmente nas coisas, e nesse caso você minimizar falsos positivos. Então você minimiza a possibilidade de que as coisas que você acredita não são verdadeiras e a outra estratégia é ser liberal, que significa que você facilmente acredita nas coisas, e nesse caso, você está minimizando falsos negativos. Então você impede que você rejeite idéias que são realmente verdadeiras. Portanto, ambas as estratégias têm suas vantagens e desvantagens. Se você é muito conservador, então você é basicamente um Neigh Sayer que vai perder muitas oportunidades. Mas se você é muito liberal do que você é, um sim, Sayer e você começa a acreditar em coisas que totalmente sobre verdade, como acreditar que você pode prever o futuro lendo carrinhos. Então ambos têm a sua força e são fraquezas. E a pergunta que você precisa se perguntar para sua pergunta específica é qual tipo de erro é mais caro para você. E respondendo a pergunta deles, você pode descobrir o quão eficiente você pode ser em responder a sua pergunta. Então vamos passar por dois exemplos. Digamos que Peter se pergunta se o anúncio de produtividade por US $1 irá ajudá-lo a fazer mais coisas. Bem, nesse caso, o que seria falso positivo? Seria que ele compra o aplicativo para que ele gasta $1 ele não fica mais produtivo. Isso é tão ruim assim? Realmente não está certo. Por outro lado, um falso negativo seria que ele rejeita o aplicativo, mesmo que isso iria ajudá-lo. E nesse caso, sua produtividade permanecerá baixa. E isso pode ser muito mais caro para ele. Então, neste caso, faria todo o sentido dar um salto de fé. E apenas por cima, mesmo com o risco de que isso se torne um falso positivo. Agora compare isso com o segundo exemplo. Digamos que Maria se pergunta se vale a pena arriscar todas as suas economias para começar o nosso próprio negócio. Então, o que seria um falso positivo B Neste caso, significa que ela perde todas as suas economias e o seu negócio não funciona. E o que seria um falso negativo neste caso? Seria que ela guardasse as suas poupanças. Mas ela não consegue começar um negócio que, de outra forma, teria sido bem sucedido. E ele poderia argumentar neste caso que perder todas as suas economias é realmente caro e que falsos positivos neste caso são realmente mais caros. Então, para Maria, faria muito sentido levar todas as coisas que abordei neste curso muito, muito a sério ao avaliar a questão, se iniciar um negócio pode dar a ela o que ela quer ter. Então, para resumir, as principais lições desta palestra são se você precisa aplicar todas as lições deste curso depende de qual tipo de erro é mais caro para você. Se falsos negativos são mais caros do que dar um salto de fé, No entanto, No entanto, se falsos positivos são mais caros do que ter certeza de que você aplicar todas ou, pelo menos, a maioria das lições fora deste curso. Tudo bem, isso é tudo para esta palestra. E eu vejo você no próximo 11. O Blueprint de pensamento científico completo: Ok, então agora você conhece os princípios do pensamento científico. E nesta palestra, vou juntar esses princípios para você em um plano passo a passo. Então o primeiro passo é sempre formular uma hipótese causal fora da forma que X causa. Por que o dinheiro faz as pessoas felizes? O empreendedorismo torna as pessoas ricas? Então, em outras palavras, poeira o primeiro custo variável X, a segunda variável. Por que, então, uma vez que você tem que o próximo passo é olhar para os custos fora dos dois tipos de setas. E se você aceitar a hipótese e ela se revelar falsa, o que seria um falso positivo? E se você rejeitar os escritórios e for verdade, o que seria um falso negativo? E se os falsos positivos são mais caros do que eu recomendaria que você passe por todos ou pelo menos a maioria dos passos subsequentes deste projeto. E se os falsos negativos são mais caros, então pode fazer sentido seguir apenas alguns passos fora deste plano e apenas dar um salto de fé. Em seguida, o próximo passo fora do projeto seria selecionar um teste e, na maioria das vezes, o teste ideal seria um experimento em si mesmo. Mas se isso não for possível ou se você não quiser fazer isso, então você também pode olhar para um experimento em outras pessoas. Então a próxima melhor escolha é um design misto em outras pessoas. Então design, no qual você olha para ambos os grupos e a mudança ao longo do tempo e, finalmente, seu último recurso é um palpite educado baseado em uma correlação. Então, uma vez que você tenha selecionado um teste e uma vez que você veja alguns resultados, então o próximo passo será comparar o efeito da primeira variável com a variância inexplicada . E se o efeito da primeira variável se destaca da variância inexplicável, e isso poderia significar que a variável é uma causa principal fora da segunda variável. E se o efeito da primeira variável é ofuscado por variância inexplicável, então isso sugere que a variável que você está olhando provavelmente não é muito importante. Agora, se você ainda quer saber se essa variável é uma causa fora da segunda variável, mesmo que não pareça muito importante, então você ainda pode descobrir isso. Se você tiver um tamanho amostral grande. Mas na maioria dos casos, se a variância inexplicada for muito maior do que o efeito da sua primeira variável, provavelmente não vale a pena olhar mais para ela. E, em vez disso, faz sentido perguntar que outra variável poderia explicar que variantes que ainda não são explicadas? Então, temos este exemplo em que você analisou sua produtividade nos dias em que você se levanta às 7h da manhã e dos dias. Você sempre se levanta às 5 da manhã. E se o efeito da primeira variável de modo que a diferença média aqui se destaca da variância inexplicável, então isso significa que o tempo em que você acorda é uma correlação maior de produtividade em comparação com outros possíveis correlaciona-se. E nesse caso, o passo final seria avaliar as três possíveis explicações para essa correlação. Então uma explicação pode ser que X causa y. Outra explicação pode ser que por que causa X? E, finalmente, a terceira explicação poderia ser que 1/3 variáveis que causam tanto X quanto Y e qual dessas explicações você precisa considerar depende do teste que você escolheu anteriormente em um experimento. É muito fácil. Só pode ser a explicação número um no design da mistura. Pode ser várias explicações, mas uma explicação é uma das explicações mais plausíveis. E se você não tem um experimento nem um design de mistura, então você precisa aceitar que todas essas explicações podem ser verdadeiras. E você só precisa fazer um palpite educado, ok? E a outra situação que ele poderia ter no passo quatro é que você acha que é o efeito de sua primeira variável. Então essa diferença aqui não se destaca muito em comparação com barreiras inexplicáveis. E isso sugere que você é variável não é muito importante e que faz sentido encontrar uma nova variável que explica que variantes restantes. E se essa é a situação que você acaba com, então o passo final para você seria voltar para o primeiro passo e formular um novo escritório de hap causal para uma nova variável. Ok, então esse é todo o plano de pensamento científico. E na próxima palestra, eu vou passar por um estudo de caso com você, no qual eu vou mostrar como você pode aplicar este projeto que eu vejo na próxima eleição 12. Estudo de caso: vai começar um negócio a fazer a sua empresa rico?: Certo, vamos aplicar o plano científico a um estudo de caso e o estudo de caso escolhido é a relação entre empreendedorismo e riqueza, que é, eu acho, um tópico muito popular neste momento. Então, em outras palavras, é começar um negócio a maneira de ficar rico. E há definitivamente alguns livros que dizem que a resposta é um sim definitivo, como o livro Rich Dad, Poor Dívida ou também o livro The Millionaire Fast Lane, ambos os livros muito populares e ambos os livros que acontece de ler. E mesmo que eu ache que eles são livros muito inteligentes, precisamos ter em mente que esses livros apresentam opiniões, e nós também queremos olhar o que a evidência realmente diz? Então vamos responder a esta pergunta nesta palestra. Vamos aplicar todo o plano de pensamento científico para obter uma opinião baseada em evidências sobre este assunto. Certo, qual é o primeiro passo? O primeiro passo é formular uma hipótese causal, e os escritórios de aplicativos causais, neste caso é simplesmente que o empreendedorismo causa riqueza. Agora, o próximo passo é determinar os custos de diferentes tipos de erros. Então a primeira era que podemos fazer é um falso positivo. Podemos pensar que o empreendedorismo é a maneira de ficar rico, mesmo que na verdade não seja. E nesse caso podemos desperdiçar muito dinheiro e podemos perder muito tempo em um negócio que provavelmente não vai nos deixar ricos. Ok, então isso é um falso positivo. E o outro erro possível é um falso negativo, que significa que concluímos que o empreendedorismo não é a maneira de se enriquecer, mesmo que seja realmente ISS. E nesse caso há, é claro, uma grande oportunidade perdida. Poderíamos ter nos tornado muito mais ricos iniciando um negócio, mas não fizemos agora qual dos dois é pior e honestamente, neste caso, eu acho que é meio difícil de responder porque realmente depende do negócio que você quer para começar. Se o seu negócio é uma ideia de negócio muito grande, que envolve um monte de custos de capital e um monte de risco, o risco de desperdiçar muito dinheiro e tempo é bastante grande. Mas do outro lado, se você realmente quer ficar rico, se isso é realmente importante para você, então a oportunidade perdida pode realmente pesar mais pesado para você é realmente subjetiva aqui, e eu realmente posso dizer qual é pior . Essa é realmente uma escolha pessoal. E eu vou dizer por enquanto que ambos são igualmente morcegos. Por isso, tentarei ser o mais neutro possível e não tentarei ser tendencioso em relação a ambos. Concluindo que o empreendedorismo faz as pessoas ricas ou concluindo que empreendedorismo não torna as pessoas ricas. Tudo bem, esse foi o segundo passo. Agora, o terceiro passo é selecionar um teste apropriado para descobrir se o empreendedorismo realmente causa riqueza. Então, o que podemos fazer aqui? Bem, em um cenário ideal, gostaríamos de fazer um experimento em nós mesmos. Mas isso é claro, não é muito realista, porque para isso você realmente teria que começar o negócio primeiro e correr o risco desperdiçar seu dinheiro e desperdiçar seu tempo, enquanto o ponto aqui é que nós queremos para evitar isso se não for realmente eficaz em nos tornar mais ricos. Então, mesmo que este seja um teste ideal se quisermos obter uma resposta definitiva, não é o ideal no geral. Então a próxima melhor coisa que podemos fazer é uma experiência com outras pessoas. E isso significaria que nós jogamos uma moeda e então decide que você se torna um empreendedor e você se torna um empregado baseado no que a moeda diz. Mas é claro, novamente, isso não é muito realista, porque então precisamos forçar outras pessoas a assumir o risco de que não queremos correr. Isso novamente não é muito realista e, portanto, precisamos passar para a próxima melhor opção. Assim foi a terceira melhor opção. A terceira melhor opção é um design mix em outras pessoas, o que significa que não jogamos uma moeda. Mas nós apenas olhamos para as pessoas que se escolhem para serem empreendedoras ou se escolhem para serem funcionários, e nós apenas as seguimos ao longo do tempo e vemos quem faz melhor ao longo do tempo. Então, em outras palavras, verificamos o quão bem eles têm se saído antes. Eles se tornaram empregados ou empreendedores, talvez na escola, por exemplo, e então verificamos o quão bem eles fazem depois de ser, digamos, um empreendedor ou um empregado por 10 anos. Bem, essa é a terceira melhor coisa, mas isso nos custaria, no meu exemplo, 10 anos, que novamente não é ideia. Então, nós nos mudamos para a quarta melhor coisa, que é um palpite educado baseado em uma correlação. Então, em essência, o que isso significa é que nós apenas olhar se os empresários são mais ricos do que os funcionários. E se são, então especulamos se isso é porque o empreendedorismo faz com que as pessoas sejam ricas ou se algo mais está acontecendo aqui. Então, basicamente, a pergunta que eu escolhi aqui é o pior cenário onde precisamos recorrer ao método mais fraco que está disponível. Mas ele verá que mesmo isso pode ser muito informativo. Então, qual é a correlação entre empreendedorismo e riqueza? E para responder a esta pergunta, encontrei um artigo de pesquisa relativamente recente que investigava exatamente essa relação a correlação entre o que eles chamam de riqueza familiar e empreendedorismo. E nós vamos aplicar o plano científico agora para interpretar o que eles encontraram , e eu quero mostrar os resultados deles agora. Mas primeiro eu quero prepará-lo um pouco porque eles mostram seus resultados na forma fora de uma história Graham. Então, qual é o dele para pegar? Aqui está um exemplo. E nesta história, Graham, quanto mais você vai para os direitos, maior a riqueza e quanto mais você vai para a esquerda, menor a riqueza e os bares dizem quantas pessoas você confinou em cada riqueza alcance. Então aqui podemos ver, por exemplo, que a maioria das pessoas está na faixa de riqueza média. E quando vamos para uma riqueza maior e isso recebe menos pessoas e menos pessoas, e finalmente, na categoria muito rica, encontramos muito, muito poucas pessoas. Então é assim que se lê uma história, Graham. E podemos usar um hist por grama agora para comparar funcionários com empreendedores. E aqui está outro exemplo hipotético só para treiná-lo a ler estas colheitas assobiadas. Assim, neste exemplo, podemos ver que os empresários estão muito mais no lado rico fora do assobio um grama eo efeito de ser um empreendedor em vez de ser um empregado. Ele é essencialmente a distância entre este ponto e este ponto, e a variância inexplicável é todas as variantes restantes aqui e aqui, e neste exemplo, o efeito do empreendedorismo está claramente saindo do variância inexplicável. Então esta seria uma história Graham que estará muito em linha com uma imagem que é esboçada por estes. Arranja livros ricos. Certo, aqui está outro resultado hipotético. Neste exemplo, os empresários são mais ricos do que os empregados. Mas esse efeito realmente não se destaca das várias inexplicáveis. Então, nesta situação, mesmo que seja verdade que o empreendedorismo tem um potencial maior para torná-lo rico, rico,isso realmente não importa muito. Então, neste exemplo, não haveria diferença entre empresários e empregados. E quero mostrar-vos mais um exemplo, que é este. E eu acho que este é o padrão que a maioria das pessoas esperaria nisso melhor. E os funcionários estão todos na faixa de riqueza média, enquanto os empresários gastam todo o salário de riqueza para que eles possam ser muito, muito pobres e eles podem ser muito, muito ricos. E isso será mais alinhado com a idéia de que o empreendedorismo pode torná-lo rico. Mas isso também é muito, muito arriscado para que ele também possa acabar falido e muito, muito pobre. Tudo bem, com isso em mente, vamos dar uma olhada no padrão real que os autores do trabalho de pesquisa encontraram no mundo real. E eu recriei o padrão aqui para você em uma porcaria de história e como você pode ver, quase não há diferença entre empreendedores e empregados. Se você olhar muito de perto, você pode ver que a história graham aqui fora os empresários, o verde é realmente deslocado um pouco mais para o site rico em comparação com os funcionários. Mas a diferença é muito pequena. Se eu adivinhar onde estão as médias desses dois grupos, eu diria que a média fora os funcionários é aproximadamente aqui, enquanto a média fora os empresários é aproximadamente lá e você pode ver que não há quase nenhuma diferença. Em média, os empresários não são muito mais ricos do que os funcionários. E isso nos leva ao passo quatro checando os vários inexplicáveis. E podemos concluir aqui que mesmo que haja uma fraca correlação entre empreendedorismo e riqueza, há também muita variância inexplicável, que sugere que existem outros fatores que impactam a riqueza muito mais do que apenas a questão de saber se uma pessoa é um empregado ou um empreendedor. Então, para explicar isso um pouco mais. Uma maneira de olhar para isso é que a questão importante não é se é melhor ser um empreendedor ou um empregado, mas mais em qual dessas duas distribuições você pode acabar na faixa superior? Você é um funcionário acima da média, ou você é um empreendedor acima da média em que você pode superar outras pessoas? Tudo bem, em princípio, nós já poderíamos parar aqui porque já podemos concluir que não há uma correlação forte e que outras coisas parecem importar muito mais do que a questão de saber se você quer ser um empreendedor ou um empregado, mas apenas para treiná-lo em todo o plano de pensamento científico, eu também quero passar para a etapa cinco e avaliar as três explicações que podemos dar para uma correlação. Então descobrimos agora que há uma fraca correlação entre empreendedorismo e riqueza, e a questão é agora. Qual é a explicação para essa correlação? E uma explicação poderia ser que o empreendedorismo causa riqueza. Não seria um efeito forte. Não é que o empreendedorismo faça você super rico, mas pode torná-lo um pouco mais rico do que ser um empregado. No entanto, essa é apenas uma explicação possível. Outra explicação possível é que a riqueza causa empreendedorismo porque tudo o que observamos foi uma coordenação, e assim poderia ser que as pessoas que são mais ricas são mais propensas a iniciar um negócio e tornar-se um empreendedor. Essa é outra explicação possível. E, finalmente , pode ser que há 1/3 variável que causa ambos. Por exemplo, poderia ser que as pessoas ambiciosas são mais propensas a iniciar um negócio e se tornar um empreendedor e também a ficar rico, mas não porque eles são empresários, mas apenas porque há mais ambicioso. Portanto, há muitas explicações possíveis para essa correlação. E assim não podemos sequer concluir que o empreendedorismo torna as pessoas um pouco mais ricas. E agora, neste ponto, se o seu objetivo é encontrar uma maneira de enriquecer, o próximo passo seria voltar ao primeiro passo e formular uma nova hipótese causal. Encontrar outra possível causa para as pessoas ficarem ricas e depois testar esta. Tudo bem, para concluir, com base nas evidências que vimos, podemos concluir que há uma pequena correlação entre empreendedorismo e riqueza. Os empresários são um pouco mais ricos do que os empregados, no entanto, essa correlação é muito pequena, e parece ser que outras variáveis não são mais importantes do que se uma pessoa é um empreendedor ou um empregado. Além disso, ainda não está claro se a pequena correlação realmente reflete uma causa de relacionamento . Por exemplo, poderia ser apenas que as pessoas ricas são mais propensas a se tornarem empreendedores, e não que os empresários sejam mais propensos a se tornarem ricos. Então o que podemos ver aqui é que a opinião popular que se espalhou por muitos livros de que o empreendedorismo é a maneira de se tornar rico não se sustenta tão bem quando comparado com evidências. E, no geral, uma conclusão muito mais razoável com base na evidência não seria que você deve se tornar um empreendedor, mas que você deve se perguntar, Onde você pode executar melhor? Você é mais adequado para ser um empreendedor, ou você é mais adequado para ser um empregado? Em qual desses dois grupos é mais provável que vença a pessoa média? Certo, esse é o fim do estudo de caso, e te vejo na próxima palestra 13. Conclusão: Ei, parabéns por terminar este curso. Espero que tenha tirado muito valor deste curso. Eu certamente tento fazer o meu melhor para colocar um monte de material útil nele. Mesmo assim, você ainda tem perguntas em aberto. Não hesite em me perguntar. E, finalmente, por favor, não se esqueça de deixar uma classificação para este curso. Isso é super importante para mim e também para futuros alunos que ainda precisariam decidir se vão fazer este curso ou não. Tudo bem, é isso. Obrigado pelo tempo e esforço que você colocou neste curso e deixe-me saber se eu posso ajudá-lo com qualquer coisa.