Därför chansar vi på perfektion – inte minst antal fel

När människor gör prognoser försöker vi inte främst minimera risken för stora missar. I stället vill vi framför allt ha chansen att pricka helt rätt. Det visar en ny studie som utmanar ett grundantagande inom statistik och prognosmodeller.

Allt från väderprognoser och börsbedömningar till inflationsförväntningar bygger på uppskattningar av framtiden. Traditionellt utformas prognosmodeller för att minimera den genomsnittliga felstorleken. Men forskaren Berkeley J Dietvorst vid University of Chicago Booth School of Business menar att människor själva värderar träffsäkerhet på ett annat sätt.

I 16 experiment fick deltagarna göra eller utvärdera prognoser i olika situationer, exempelvis om flygavgångar, produktbetyg och sportresultat. Deltagarna föredrog att gissa det mest sannolika utfallet – även om strategin innebar att de i genomsnitt riskerade större fel. De prioriterade alltså möjligheten att få helt rätt framför att minska den förväntade felmarginalen.

Maximerar sannolikheten

Studien visar också att människor reagerar betydligt starkare på de första stegen bort från en perfekt prognos än på skillnaden mellan två redan stora fel. Att missa med en enhet känns mycket värre än att öka ett redan stort fel ytterligare lite. Denna ”avtagande känslighet” gör att många väljer prognoser som maximerar sannolikheten att träffa exakt rätt, snarare än sådana som statistiskt ger lägst genomsnittligt fel.

Forskaren menar att resultaten kan få praktiska konsekvenser. Om människor faktiskt föredrar modeller som ibland prickar helt rätt framför modeller som oftast ligger nära sanningen, så kan dagens AI-system, prognosverktyg och beslutsstöd vara optimerade för fel mål. Skillnaden mellan vad statistiker anser vara den bästa prognosen och vad användarna själva uppfattar som en bra prognos kan vara större än man tidigare trott.