මූලික අනුපාතය පිළිබඳ මුලාව (Base Rate Fallacy)

බැලූ බැල්මට

1. ඉක්මන් සාරාංශය

සම්භාවිතාව පිළිබඳ විනිශ්චයන් කිරීමේදී, මිනිසුන් තම තීරණයට පදනම් විය යුතු පුළුල් සංඛ්‍යානමය සන්දර්භය නොසලකා හරිමින්, විශේෂිත අවස්ථාවක් පිළිබඳ සජීවී, නිශ්චිත තොරතුරු කෙරෙහි අවධානය යොමු කිරීමට නැඹුරු වේ. යමෙක් කවි වලට ආදරය කරන නිහඬ, පොත්පත්වලට ඇලුම් කරන පුද්ගලයෙකු විස්තර කරන්නේ නම්, ලෝකයේ එවැනි ලක්ෂණ ඇති ගුරුවරුන්, ගණකාධිකාරීවරුන් හෝ කාර්යාල සේවකයන් විශාල වශයෙන් සිටියද, ඔබ "පුස්තකාලයාධිපති" යැයි අනුමාන කළ හැකිය. මූලික අනුපාත මුලාව ඇති වන්නේ අපගේ මොළය සම්භාවිතාව ගණනය කිරීමට නොව, රටා ගැලපීමට සහ කථා පැවසීමට සැකසී ඇති බැවිනි.

2. මෙහි පිටුපස ඇති විද්‍යාව

2.1. සොයාගැනීම සහ ඉතිහාසය

මූලික අනුපාතය නොසලකා හැරීම පිළිබඳ විධිමත් හඳුනාගැනීම 1970 ගණන්වල මනෝවිද්‍යාවේ සංජානන විප්ලවය තුළින් මතු විය. සංඛ්‍යානමය තර්කනය සහ සායනික බුද්ධිය අතර ඇති ආතතිය 1955 දී පෝල් මීල් සහ ඇල්බට් රොසෙන් (රෝග විනිශ්චය පරීක්ෂණ අර්ථ නිරූපණය ගැන වෛද්‍යවරුන්ට අනතුරු ඇඟවූ) විසින් කලින් සටහන් කර තිබුණද, මෙම නැඹුරුව විධිමත්ව හඳුනාගෙන එයට නමක් ලබා දුන්නේ ආමොස් ට්වර්ස්කි සහ ඩැනියෙල් කානමන් විසිනි.

ඔවුන්ගේ 1973 "අනාවැකි කීමේ මනෝවිද්‍යාව" (On the Psychology of Prediction) නමැති පත්‍රිකාව හරහා තාර්කික නළුවා පිළිබඳ පැවති ආර්ථික උපකල්පනයට අභියෝග කළහ. නව සාක්ෂි සමඟ පූර්ව සම්භාවිතාවන් යාවත්කාලීන කරන බුද්ධිමය සංඛ්‍යානවේදීන් ලෙස මිනිසුන් ක්‍රියා නොකරන බව (බේස්ගේ ප්‍රමේයය නියම කරන පරිදි) ප්‍රතිඵල පුරෝකථනය කරන ලෙස මිනිසුන්ගෙන් ඉල්ලා සිටින විට ඔවුහු පෙන්වා දුන්හ. ඒ වෙනුවට, ඔවුන් මූලික අනුපාත තොරතුරු ක්‍රමානුකූලව නොසලකා හරින මානසික කෙටිමං මත රඳා පවතී.

මෙම සොයාගැනීම "තාර්කිකත්වයේ යුද්ධ" (The Rationality Wars) ලෙස හැඳින්වෙන දැඩි න්‍යායික විවාදයක් ඇති කළේය—මූලික අනුපාතය නොසලකා හැරීම මිනිස් තර්කනයේ මූලික දෝෂයක්ද නැතහොත් පාරිසරික ව්‍යුහයට අනුවර්තන ප්‍රතිචාරයක් නියෝජනය කරන්නේද යන්න පිළිබඳව. මෙම විවාදය දශක පහක් පුරා සංජානන විද්‍යාව හැඩගස්වා ඇත.

පර්යේෂණයේ ප්‍රධාන සන්ධිස්ථාන:

• 1955: මීල් සහ රොසෙන් සායනික හා රක්ෂණ ගණිතමය අනාවැකි ගැටලුව හඳුනා ගනී
• 1973: ට්වර්ස්කි සහ කානමන් "අනාවැකි කීමේ මනෝවිද්‍යාව" (On the Psychology of Prediction) ප්‍රකාශයට පත් කරයි
• 1980: මායා බාර්-හිලෙල් අදාළතා න්‍යාය (Relevance Theory) විවේචනය හඳුන්වා දෙයි
• 1995: ස්වාභාවික සංඛ්‍යාත ආකෘති මගින් මෙම මුලාව අඩු කරන බව ගර්ඩ් ගිගරෙන්සර් පෙන්වා දෙයි
• 2002: කානමන් සහ ෆ්‍රෙඩ්රික් "ගුණාංග ආදේශ කිරීමේ" (attribute substitution) න්‍යාය විධිමත් කරයි
• 2010 ගණන්වල: පර්යේෂණ කෘත්‍රිම බුද්ධි පද්ධති සහ ඇල්ගොරිතම නැඹුරුව දක්වා ව්‍යාප්ත වේ

2.2. ප්‍රධාන පර්යේෂකයන්

2.3. සන්ධිස්ථානමය අධ්‍යයනයන්

"ටොම් ඩබ්ලිව්." පරීක්ෂණය (කානමන් සහ ට්වර්ස්කි, 1973)

සහභාගිවන්නන්ට නිවැරදි මූලික අනුපාත දැනුම තිබියදීත් නියෝජනත්වය (representativeness) මූලික අනුපාත අභිබවා යන්නේ කෙසේද යන්න මෙම මූලික අධ්‍යයනය මගින් පෙන්නුම් කරන ලදී.

සැලසුම: සහභාගිවන්නන් කාණ්ඩ තුනකට බෙදා ඇත:

• මූලික-අනුපාත කාණ්ඩය: ක්ෂේත්‍ර නවයක උපාධිධාරී සිසුන්ගේ ප්‍රතිශතය ඇස්තමේන්තු කරන ලදී. මානව ශාස්ත්‍ර හා අධ්‍යාපනය විශාල ක්ෂේත්‍ර ලෙස (ඉහළ මූලික අනුපාත) සහ පරිගණක විද්‍යාව කුඩා ලෙස (අඩු මූලික අනුපාතය) ඔවුන් නිවැරදිව හඳුනා ගත්හ.
• සමානතා කාණ්ඩය: "ටොම් ඩබ්ලිව්" ගේ පෞරුෂ රූප සටහනක් (බුද්ධිමත් නමුත් නිර්මාණශීලී නොවන, පිළිවෙළකට වැඩ කරන, යාන්ත්‍රික ලිවීමක් ඇති සහ අන් අය කෙරෙහි සුළු අනුකම්පාවක් ඇති ලෙස විස්තර කර ඇත) ලබා දී, සාමාන්‍ය සිසුවෙකුට ටොම් කෙතරම් සමානද යන්න මත ක්ෂේත්‍ර ශ්‍රේණිගත කර ඇත.
• පුරෝකථන කාණ්ඩය: එම රූප සටහනම ලබා දී ටොම් ඩබ්ලිව්. දැනට එම ක්ෂේත්‍රයේ ඉගෙනුම ලබමින් සිටින සම්භාවිතාව අනුව ක්ෂේත්‍ර ශ්‍රේණිගත කරන ලෙස ඉල්ලා සිටින ලදී - ඉතා වැදගත් කරුණක් ලෙස, මෙම රූප සටහන පදනම් වී ඇත්තේ "සීමිත වලංගුභාවයක්" සහිත පරීක්ෂණ මත බව ඔවුන්ට පවසන ලදී.

සොයාගැනීම්: පුරෝකථන කාණ්ඩයේ ශ්‍රේණිගත කිරීම් සමානතා සමූහය සමඟ සම්පූර්ණයෙන්ම පාහේ සහසම්බන්ධ වී ඇති අතර (r > 0.9) මූලික-අනුපාත කාණ්ඩය සමඟ සෘණාත්මකව සහසම්බන්ධ විය. මානව ශාස්ත්‍ර හා සසඳන විට පරිගණක විද්‍යාව කුඩා ක්ෂේත්‍රයක් බව දැන සිටියද, සහභාගිවන්නන් පුරෝකථනය කළේ ටොම් පරිගණක විද්‍යාඥයෙකුට සමාන වන බැවින් ඔහු පරිගණක විද්‍යාඥයෙකු විය හැකි බවයි. තොරතුරු විශ්වාස කළ නොහැකි බවට සහභාගිවන්නන්ට අනතුරු අඟවා තිබියදීත්, තනි පුද්ගල තොරතුරු මූලික අනුපාත තොරතුරු සම්පූර්ණයෙන්ම යටපත් කළේය.

ටැක්සිරථ ගැටළුව (කානමන් සහ ට්වර්ස්කි, 1972)

සාක්ෂිකරුවන්ගේ සාක්ෂිය සහ මූලික අනුපාත අතර ගැටුම වෙන්කර හඳුනා ගනිමින් මුලාව පිළිබඳ වඩාත් ප්‍රසිද්ධ සංඛ්‍යාත්මක නිරූපණය මෙයයි.

දර්ශනය: රාත්‍රියේ සිදුවූ රිය අනතුරකට (hit-and-run) ටැක්සිරථයක් සම්බන්ධ විය. නගරයේ සමාගම් දෙකක් ක්‍රියාත්මක වේ:

• මූලික අනුපාතය: කොළ පැහැති ටැක්සිරථ 85%, නිල් පැහැති ටැක්සිරථ 15%
• සාක්ෂිකරුවෙකු විසින් එය නිල් පැහැති ටැක්සිරථයක් ලෙස හඳුනා ගන්නා ලදී
• සාක්ෂිකරුවෙකුට 80% ක නිවැරදි වර්ණ හඳුනා ගැනීමේ හැකියාවක් ඇති බව අධිකරණ පරීක්ෂණ මගින් පෙන්වා දී ඇත

ප්‍රශ්නය: එය නිල් පැහැති ටැක්සිරථයක් වීමේ සම්භාවිතාව කුමක්ද?

බුද්ධිමය ප්‍රතිචාරය: බොහෝ සහභාගිවන්නන් 80% ලෙස පිළිතුරු සපයන අතර, එය සාක්ෂිකරුගේ නිවැරදිභාවයට සෘජුවම ගැලපේ.

බේසියානු විශ්ලේෂණය: $$P(නිල් | සාක්ෂිකරු පවසයි නිල්) = \frac{0.80 \times 0.15}{(0.80 \times 0.15) + (0.20 \times 0.85)} = \frac{0.12}{0.29} \approx 41%$$

අවබෝධය: සාක්ෂිකරු එය නිල් බව කියා සිටියද, එය කොළ පැහැති එකක් වීමට වැඩි ඉඩක් (59%) ඇත. විශාල කොළ පැහැති රථ ප්‍රමාණය, කුඩා නිල් පැහැති රථ ප්‍රමාණය මගින් නිපදවන සත්‍ය නිල් වාර්තාවලට වඩා අසත්‍ය නිල් වාර්තා නිපදවයි. සාක්ෂිකරුගේ 80% ක නිරවද්‍යතාවයෙන් කොළ පැහැති මූලික අනුපාතයේ "බර" සම්භාවිතාව පහළට ඇද දමන බව අවබෝධ කර ගැනීමට සහභාගිවන්නන් අපොහොසත් වෙති.

ඉංජිනේරු-නීතීඥ ගැටළුව (ට්වර්ස්කි සහ කානමන්, 1973)

සැලසුම: වෘත්තිකයන් 100 දෙනෙකුගේ නියැදි වලින් ලබාගත් විස්තර සහභාගිවන්නන්ට ලැබුණි:

• තත්ත්වය A: ඉංජිනේරුවන් 70, නීතීඥයින් 30
• තත්ත්වය B: ඉංජිනේරුවන් 30, නීතීඥයින් 70

"ජැක්" සාමාන්‍ය ඉංජිනේරුවෙකු වැනි ලක්ෂණ වලින් යුක්තව විස්තර කර ඇත (ගතානුගතික, ප්‍රවේශම් සහගත, වඩු වැඩ කෙරෙහි උනන්දුවක් දක්වන).

සොයාගැනීම්: මූලික අනුපාතයන් ආපසු හරවා ඇති බව සම්පූර්ණයෙන්ම නොසලකා හරිමින්, ජැක් ඉංජිනේරුවෙකු වීමේ සම්භාවිතාව අවස්ථා දෙකේදීම (~90%) පාහේ සමාන බව සහභාගිවන්නන් තක්සේරු කළහ. ඉතා වැදගත් කරුණක් නම්, කිසිම ඒකාකෘතියකට (stereotype) නොගැලපෙන මධ්‍යස්ථ විස්තරයක් ලබා දුන් විට, සහභාගිවන්නන් මූලික අනුපාතය (70% හෝ 30%) නිවැරදිව භාවිතා කරමින්, ඔවුන්ට මූලික අනුපාත භාවිතා කිරීමට හැකි බව ඔප්පු කළ නමුත්, විශේෂිත දත්ත ලැබුණු වහාම ඒවා ඉවතලන ලදී.

2.4. ස්නායු විද්‍යාත්මක පදනම

මූලික අනුපාතය නොසලකා හැරීමේ ස්නායු උපස්ථර පිළිබඳ පර්යේෂණ මගින් සංජානන පද්ධති දෙකක් අතර ගැටුමක් පෙන්වා දෙයි:

පද්ධතිය 1 (බුද්ධිමය සැකසුම්): පූර්ව-ලලාට බාහිකය (prefrontal cortex) සහ ලිම්බික් පද්ධතිය (limbic system) වේගවත්, ස්වයංක්‍රීය රටා ගැලපීම මෙහෙයවයි. විශේෂිත තොරතුරු ඉදිරිපත් කළ විට, මෙම කලාප ප්‍රබල ලෙස සක්‍රිය වී බුද්ධිමය "සමානතා-මූලික" විනිශ්චයන් ජනනය කරයි. ඇමිග්ඩලාව (amygdala) මඟින් සජීවී, විශේෂිත තොරතුරුවල ප්‍රමුඛතාවය වැඩි දියුණු කළ හැකිය.

පද්ධතිය 2 (හිතාමතා සැකසුම්): පෘෂ්ඨීය-පාර්ශ්වීය පූර්ව-ලලාට බාහිකය (dorsolateral prefrontal cortex) සහ පූර්ව සින්ගුලේට් බාහිකය (anterior cingulate cortex) උත්සාහවත් සංඛ්‍යානමය තර්කනයට සහාය දක්වයි. මූලික අනුපාතයන් නිවැරදිව ඒකාබද්ධ කිරීම සඳහා මෙම කලාපවල සක්‍රිය වීම අවශ්‍ය වන අතර, එයට සංජානන උත්සාහයක් අවශ්‍ය වන අතර කාල පීඩනය හෝ සංජානන බර නිසා එයට පහසුවෙන් බාධා ඇතිවිය හැකි බව fMRI භාවිතා කරන අධ්‍යයනයන් පෙන්වා දෙයි.

ස්නායු තරඟය: ස්නායු තරඟයේදී 1 වන පද්ධතිය "ජයග්‍රහණය කිරීම" නිසා මූලික අනුපාතය නොසලකා හැරීම සිදුවන බව පෙනේ, මන්ද:

• රටා-ගැලපීම වේගවත් වන අතර ඊට අඩු සම්පත් අවශ්‍ය වේ
• වියුක්ත සංඛ්‍යාලේඛනවලට වඩා නිශ්චිත කථා මගින් චිත්තවේගීය සැකසුම් වඩාත් සක්‍රිය කරයි
• මොළයේ පෙරනිමි මාදිලිය වන්නේ කථාන්දර ගොඩනැගීම මිස සම්භාවිතාවන් ගණනය කිරීම නොවේ
• ක්‍රියාකාරී මතක සීමාවන් නිසා මූලික අනුපාත සහ විශේෂිත තොරතුරු එකවර සැකසීම සීමා කරයි

විපාක පුරෝකථනයට සම්බන්ධ ඩොපමයින් (dopamine) මාර්ග මගින් සංඛ්‍යානමය චින්තනයට වඩා විශේෂිත "හිට්ස්" (hits) වල ආකර්ෂණයට දායක විය හැකි බව ස්නායු සම්ප්‍රේෂක පර්යේෂණ යෝජනා කරන අතර, ආතති හෝමෝන මගින් හිතාමතා සැකසීම තවදුරටත් යටපත් කළ හැකිය.

3. පරිණාමීය මූලාරම්භය

මූලික අනුපාත මුලාව පවතින්නේ මිනිස් සංජානනය වියුක්ත සම්භාවිතාවන් ගණනය කිරීමට නොව, ක්ෂණික පාරිසරික තර්ජනවලට මුහුණ දීම සඳහා ප්‍රශස්ත කරන ලද රටා-හඳුනාගැනීමේ යන්ත්‍රයක් ලෙස පරිණාමය වූ බැවිනි.

විශේෂිත-අවස්ථා තර්කනයේ පැවැත්මේ වාසි:

• ආදිකාලීන පරිසරයන් තුළ, තණකොළ අතරින් ඇසෙන ශබ්දය විලෝපිකයෙකු විය හැක. සුළඟේ "මූලික අනුපාතය" නොසලකා හැර තර්ජනයක් ඇතැයි උපකල්පනය කළ අය ප්‍රවේශම් සහගත සංඛ්‍යානවේදීන්ට වඩා බොහෝ විට දිවි ගලවා ගත්හ.
• සමාජීය පැවැත්ම රඳා පැවතියේ ජනගහන සාමාන්‍යයන් මත නොව විශේෂිත පුද්ගල අභිප්‍රායන් කියවීම මත ය
• වියුක්ත සංඛ්‍යාත නොව, විශේෂිත අවස්ථාවන් ඇගයීම හරහා සම්පත් සහ සහකරුවන් සුරක්ෂිත කරන ලදී
• රටා-ගැලපීම මත පදනම් වූ වේගවත් තීරණ ගැනීම වටිනා සංජානන ශක්තිය ඉතිරි කළේය

ආඛ්‍යාන ධාවකය: සිදුවීම්වලින් සුසංයෝගී හේතුඵල කථා ගොඩනැගූ අපගේ මුතුන්මිත්තන්ට යථාර්ථය සම්බන්ධයක් නැති සංඛ්‍යාලේඛන ලෙස සකස් කළ අයට වඩා හොඳින් ඉගෙනීමට, ඉගැන්වීමට සහ අනාවැකි කීමට හැකි විය. මෙම කථා ගොඩනැගීමේ හැකියාව මානව බුද්ධියේ කේන්ද්‍රස්ථානය බවට පත් වූ නමුත් විධිමත් සම්භාවිතාව අවශ්‍ය වූ විට ක්‍රමානුකූල අන්ධ ස්ථාන ඇති කරයි.

දෝෂයක් නොව, විශේෂාංගයකි—සන්දර්භය තුළ: පූර්ව-නූතන බොහෝ අවස්ථා වලදී, මූලික අනුපාත නොසලකා හැරීම අනුවර්තනය විය. කොටින්ගේ සාමාන්‍ය ව්‍යාප්තියට වඩා ඔබ ඉදිරියෙහි සිටින නිශ්චිත කොටියා වැදගත් වේ. දුර්ලභ රෝග, අධිකරණ වෛද්‍ය සාක්ෂි, හෝ මූල්‍ය ව්‍යුත්පන්නයන් සම්බන්ධ නූතන තීරණවලට මෙම සංජානන ව්‍යුහය මුහුණ දෙන විට ගැටලුව පැන නගී - සංඛ්‍යානමය චින්තනය අත්‍යවශ්‍ය නමුත් පරිණාමීය වශයෙන් පෙර නොවූ විරූ වසම්.

ශක්ති සංරක්ෂණය: බේසියානු සම්භාවිතාවන් ගණනය කිරීම පරිවෘත්තීය වශයෙන් මිල අධිකය. ශරීරයේ ශක්තියෙන් 20% ක් පරිභෝජනය කරන මොළය, බොහෝ විට "ප්‍රමාණවත් තරම් හොඳින්" ක්‍රියා කරන කෙටිමං වර්ධනය කළේය. හිඟ පරිසරයන් තුළ, විධිමත් තර්කනයේ සංජානන පිරිවැය එහි ආන්තික ප්‍රතිලාභවලට වඩා වැඩි විය.

4. මෙම නැඹුරුව ප්‍රකාශ වන ආකාරය

4.1. එදිනෙදා ජීවිතයේදී

• ආගන්තුකයන් ඒකාකෘති කිරීම: වෙනත් වෘත්තීන්ට සාපේක්ෂව මහාචාර්යවරුන්ගේ මූලික අනුපාතය කුඩා වුවද, කණ්ණාඩි පැළඳ සෙමෙන් කතා කරන අයෙකු හමු වූ විට, ඔබ "මහාචාර්යවරයෙකු" යැයි අනුමාන කළ හැකිය.
• අවදානම් තක්සේරුව: ගුවන් අනතුරක් පිළිබඳ ප්‍රවෘත්ති ආවරණයක් දැකීමෙන් පසු, ගුවන් ගමන් වල සංඛ්‍යානමය ආරක්ෂාව නොසලකා හරිමින් ගුවන් ගමන් අවදානම අධිතක්සේරු කිරීම
• සම්බන්ධතා විනිශ්චයන්: ඔබේ අවංක අන්තර්ක්‍රියාවල පුළුල් ඉතිහාසය (ඔවුන්ගේ විශ්වසනීයත්වයේ මූලික අනුපාතය) නොසලකා හරිමින්, එක් සැක සහිත හැසිරීමක් මත පදනම්ව යමෙකු අවංක නොවන බව නිගමනය කිරීම.
• ලොතරැයි සහ සූදුව: පාඩු වල ගණිතමය මූලික අනුපාතය නොසලකා හරිමින්, මෑත ජයග්‍රහණ මත පදනම්ව "වාසනාවන්ත" ටිකට් පතක් හෝ කැසිනෝවක් විශේෂ ලෙස සැලකීම.
• දෙමාපියන්ගේ බිය: රිය අනතුරු වැනි සාමාන්‍ය අවදානම් අවතක්සේරු කරන අතරතුර, පැහැරගැනීම් වැනි අන්තරායන් පිළිබඳ සජීවී මාධ්‍ය කථා මත පදනම්ව එම අන්තරායන් දැඩි ලෙස අධිතක්සේරු කිරීම.

4.2. සේවා ස්ථානයේදී

• කාර්ය සාධන ඇගයීම: සේවකයෙකුගේ මූලික ඵලදායිතා දත්ත නොසලකා හරිමින්, එක් ආකර්ෂණීය ඉදිරිපත් කිරීමක් මත පදනම්ව "ඉහළ හැකියාවක් ඇති" අයෙකු ලෙස ඇගයීම.
• බඳවා ගැනීමේ තීරණ: සමාන බඳවා ගැනීම් අතර සාර්ථකත්වයේ මූලික අනුපාතය සලකා බලනවා වෙනුවට, සම්මුඛ පරීක්ෂණ කාර්ය සාධනය සාර්ථකත්වයේ ඒකාකෘති වලට ගැලපෙන අපේක්ෂකයින්ට අනුග්‍රහය දැක්වීම.
• ව්‍යාපෘති ඇස්තමේන්තු කිරීම: සමාන ව්‍යාපෘතිවල අයවැය ඉක්මවා යාමේ සහ ප්‍රමාද වීමේ මූලික අනුපාතය නොසලකා හරිමින් විශේෂිත අංග මත පදනම්ව "මෙම ව්‍යාපෘතිය වෙනස්" යැයි විශ්වාස කිරීම.
• නායකත්ව තක්සේරුව: වෙළඳපල තත්ත්වයන් නොසලකා හරිමින් (හිතකර පරිසරයක සාර්ථකත්වයේ මූලික අනුපාතය), කණ්ඩායමේ සාර්ථකත්වය ආකර්ශනීය නායකයෙකුට ආරෝපණය කිරීම.
• තරඟකරුවන්ගේ විශ්ලේෂණය: සමාන උපාය මාර්ග සඳහා කර්මාන්තය පුරා ඇති සාර්ථකත්ව අනුපාත නොසලකා හරිමින්, විශේෂිත තරඟකරුවන්ගේ පියවරයන් සඳහා වැඩි බරක් ලබා දීම.

4.3. ව්‍යාපාර සහ අලෙවිකරණයේදී

• පාරිභෝගික අදහස් (Testimonials) සහ සිද්ධි අධ්‍යයන: පාරිභෝගිකයින් සාමාන්‍ය ප්‍රතිඵලවල මූලික අනුපාතය අවතක්සේරු කරන බැවින් සමාගම් නිශ්චිත සාර්ථකත්ව කථා භාවිතා කරයි.
• "රූපවාහිනියෙන් දුටු පරිදි" (As seen on TV): නිෂ්පාදනවල සඵලතාවය පිළිබඳ සංඛ්‍යානමය තොරතුරු සජීවී නිරූපණ මගින් යටපත් කරයි.
• රක්ෂණ විකිණීම: ව්‍යසනයේ නාටකාකාර අවස්ථා මගින් දුර්ලභ සිදුවීම් සිදුවීමට ඉඩ ඇති බවක් හැඟේ.
• ඉලක්කගත වෙළඳ දැන්වීම්: සංඛ්‍යානමය ප්‍රතිලාභ ඉදිරිපත් කරනවාට වඩා විශේෂිත අපේක්ෂිත සන්දර්භයන් තුළ නිෂ්පාදන පෙන්වීම.
• ආරම්භක ආඛ්‍යාන (Launch narratives): 90% ක පමණ අසාර්ථක වීමේ මූලික අනුපාතයක් තිබියදීත් "මෙම ස්ටාර්ට්අප් එක වෙනස්" (This startup is different) යන කථා පවතී.
• පාරිභෝගික ඛණ්ඩනය (Customer segmentation): ක්‍රමානුකූල දත්ත විශ්ලේෂණයට වඩා මතක තබා ගත හැකි පාරිභෝගික අන්තර්ක්‍රියා මත අධික ලෙස යැපීම.

4.4. දේශපාලනය සහ මාධ්‍ය තුළ

• අපරාධ ආවරණය: ප්‍රචණ්ඩත්වයේ මූලික අනුපාත අඩුවෙමින් තිබියදීත්, දුර්ලභ ප්‍රචණ්ඩකාරී අපරාධ පිළිබඳ සජීවී වාර්තාකරණය ප්‍රතිපත්ති මෙහෙයවයි.
• මැතිවරණ පුරෝකථනය: පවතින රජයේ වාසියේ ඓතිහාසික මූලික අනුපාත නොසලකා හරිමින්, පණ්ඩිතයින් නිශ්චිත මැතිවරණ ව්‍යාපාර අවස්ථා මත අවධානය යොමු කරයි.
• සංක්‍රමණික විවාදය: ස්වදේශිකයන්ට වඩා අඩු අනුපාතයකින් සංක්‍රමණිකයන් අපරාධ කරන බවට ඇති සංඛ්‍යානමය සාක්ෂි, සංක්‍රමණික අපරාධ පිළිබඳ නිශ්චිත කථා මගින් යටපත් කරයි.
• ප්‍රතිපත්ති ආඛ්‍යාන: නව ප්‍රතිපත්ති සඳහා "මේ වතාව වෙනස්" (This time is different) යන තර්ක ප්‍රතිපත්ති අසාර්ථක වීමේ මූලික අනුපාත නොසලකා හරියි.
• ත්‍රස්තවාදී අවදානම: වෙනත් තර්ජන (රිය අනතුරු, හෘද රෝග) සඳහා වැඩි සම්පත් ලැබිය යුතු බව මූලික අනුපාතයන් යෝජනා කරන අතරතුර, සජීවී ප්‍රහාර මත පදනම්ව ආරක්ෂාව සඳහා දැවැන්ත ආයෝජන සිදු කරයි.

4.5. සෞඛ්‍ය සේවයේදී

ව්‍යාජ ධනාත්මක විරුද්ධාභාසය (The False Positive Paradox): රෝගයක් දුර්ලභ වූ විට (අඩු මූලික අනුපාතය), ඉතා නිවැරදි පරීක්ෂණ පවා බොහෝ දුරට ව්‍යාජ ධනාත්මක (false positives) ප්‍රතිඵල නිපදවයි.

HIV පරීක්ෂාව පිළිබඳ උදාහරණය:

• ජනගහනය: 0.01% ක HIV ව්‍යාප්තියක් සහිත 100,000 කි

• පරීක්ෂණය: 99.9% සංවේදීතාව (sensitivity), 99.9% විශේෂත්වය (specificity)

• සැබෑ ධනාත්මක: ~10 (ආසාදිත පුද්ගලයින් නිවැරදිව හඳුනාගෙන ඇත)

• ව්‍යාජ ධනාත්මක: ~100 (නිරෝගී පුද්ගලයින් වැරදි ලෙස හඳුනාගෙන ඇත)

• ප්‍රතිඵලය: ධනාත්මක පරීක්ෂණයක් යනු සැබෑ ආසාදනය වීමේ සම්භාවිතාව ~9% ක් පමණි.

• රෝග විනිශ්චය කිරීමේ දෝෂ: සාමාන්‍ය තත්වයන්හි මූලික අනුපාතය නොසලකා හරිමින්, නාටකාකාර රෝග විනිශ්චයකට ගැලපෙන ඉදිරිපත් කරන රෝග ලක්ෂණ මත වෛද්‍යවරු නැංගුරම් ලා සිටිති.

• ඖෂධවල සඵලතාවය: රෝගීන් සංඛ්‍යානමය ප්‍රතිකාර සාර්ථකත්ව අනුපාතයන්ට වඩා නිශ්චිත ප්‍රකෘතිමත් වීමේ කථා කෙරෙහි අවධානය යොමු කරයි.

• පරීක්ෂා කිරීමේ තීරණ: ව්‍යාජ ධනාත්මක (false positives) වල මූලික අනුපාත තේරුම් නොගෙන රෝගීන් ධනාත්මක පරීක්ෂණ ප්‍රතිඵල වැරදි ලෙස අර්ථකථනය කරයි.

• ප්‍රතිකාර පිළිපැදීම: සජීවී අතුරු ආබාධ කථා සංඛ්‍යානමය ආරක්ෂක පැතිකඩයන් යටපත් කරයි.

• COVID-19 එන්නත පිළිබඳ වැරදි වැටහීම: අවදානමට ලක්විය හැකි ජනගහනයෙන් 95%+ කට එන්නත් කර ඇති බව නොසලකා හරිමින්, "රෝහල්ගත වූ රෝගීන්ගෙන් 70% ක් එන්නත් කර ඇත" යන්න එන්නත අසාර්ථක වීමක් ලෙස වැරදි ලෙස අර්ථකථනය කරන ලදී (හරයේ ගැටළුව).

4.6. මූල්‍ය සහ ආයෝජන වලදී

• "මේ වතාව වෙනස්" (This time is different): වෙළඳපල නිවැරදි කිරීම්වල ඓතිහාසික මූලික අනුපාත නොසලකා හරිමින් ආයෝජකයින් විශේෂිත ආඛ්‍යාන (නව ආර්ථිකය, AI විප්ලවය) කෙරෙහි අවධානය යොමු කිරීමෙන් ආන්තික තක්සේරු කිරීම් සාධාරණීකරණය කරයි.
• Dot-Com බුබුල (Dot-Com Bubble): ~15x සාමාන්‍ය තක්සේරු කිරීම්වල ඓතිහාසික මූලික අනුපාතය නොසලකා හරිමින්, අන්තර්ජාල හැකියාවන් මගින් 100x+ හි P/E අනුපාත සාධාරණීකරණය කරන ලදී.
• තනි කොටස් තේරීම: දර්ශකවලට සාපේක්ෂව කොටස්වල දුර්වල ක්‍රියාකාරිත්වයේ මූලික අනුපාත නොසලකා හරිමින්, සමාගම්-විශේෂිත තොරතුරු නිශ්චිත ලෙස සැලකීම.
• ව්‍යාපාර ප්‍රාග්ධන සුභවාදී බව (Venture capital optimism): ස්ටාර්ට්අප් අසාර්ථක වීමේ මූලික අනුපාතවලට වඩා ආරම්භකයාගේ ආකර්ෂණය මත පදනම් වූ අරමුදල් තීරණ ගැනීම.
• LTCM බිඳවැටීම: නොබෙල් සම්මානලාභීන්ගේ ආකෘති මෑත කාලීන අඩු අස්ථාවරත්වය මූලික අනුපාතය ලෙස සැලකූ අතර, වෙළඳපල භීතියේ ඓතිහාසික සංඛ්‍යාතය ("fat tails") නොසලකා හරින ලදී.
• නිශ්චල දේපල සමපේක්ෂනය: "මෙම වෙළඳපොල වෙනස්" යන විශ්වාසයන් නිවාස චක්‍රවල ඓතිහාසික මූලික අනුපාත නොසලකා හරියි.

5. සැබෑ ලෝකයේ සිද්ධි අධ්‍යයන

සිද්ධි අධ්‍යයනය 1: සැලී ක්ලාක්-වැරදි ලෙස සිරගත වූ මවක්

• සන්දර්භය: 1999 දී, බ්‍රිතාන්‍ය නීතීඥ සැලී ක්ලාක්ට ඇගේ ළදරු පුතුන් දෙදෙනෙකු අහිමි විය - පළමුවැන්නා සති 11 දී සහ දෙවැන්නා සති 8 දී. ඇයට ද්විත්ව ළදරු ඝාතනය පිළිබඳ චෝදනා එල්ල විය.

• සිදුවූයේ කුමක්ද: ධනවත් පවුලක SIDS (Sudden Infant Death Syndrome) මරණ දෙකක් සිදුවීමේ සම්භාවිතාව දළ වශයෙන් මිලියන 73 කින් 1 ක් බව (එය (1/8543)² ලෙස ගණනය කර ඇත) විශේෂඥ සාක්ෂිකරුවෙකු වන ශ්‍රීමත් රෝයි මීඩෝ සාක්ෂි දුන්නේය. ඔහු මෙය "දිගු-පරතරයක්" (long shot) සහිත ඔට්ටු ඇල්ලීමේ සම්භාවිතාවට සමාන කළේය.

• ක්‍රියාත්මක වූ මුලාව: විවේචනාත්මක දෝෂ දෙකක් එකතු විය:

  1. ස්වාධීනත්වය උල්ලංඝනය කිරීම: SIDS මරණ ස්වාධීන සිදුවීම් යැයි මීඩෝ උපකල්පනය කළේය. එක් මරණයක් සිදුවී ඇත්නම්, ජානමය සහ පාරිසරික සාධක නිසා දෙවන මරණයක් සිදුවීමට බොහෝ සෙයින් ඉඩ ඇත—සිදුවීම් කොන්දේසි සහිතව රඳා පවතී.
  2. මූලික අනුපාතය නොසලකා හැරීම: මිලියන 73 කින් 1 ක් යන අගය පිළිගත්තද, ජූරි සභාව එය ද්විත්ව ළදරු ඝාතනයේ මූලික අනුපාතය සමඟ සංසන්දනය කිරීමට අවශ්‍ය විය. මවක් විසින් කරන ලද ද්විත්ව ඝාතනය ද අතිශයින් දුර්ලභ ය (සමහරවිට මිලියන 100 කින් 1 ක්). අතිශයින් දුර්ලභ සිදුවීම් දෙකක් සංසන්දනය කරන විට, අනුපාතය වැදගත් වේ. ද්විත්ව SIDS 73M කින් 1 ක් නම් සහ ද්විත්ව ඝාතනය 100M කින් 1 ක් නම්, SIDS යනු ඇත්ත වශයෙන්ම වඩාත් සම්භාවිතාවක් ඇති දෙයකි. "මිලියන 73 කින් 1 ක්" හුදකලාව ඉදිරිපත් කිරීමෙන් පැමිණිල්ල ඝාතනය පෙරනිමිය බව ගම්‍ය කළේය.

• ප්‍රතිවිපාක: සැලී ක්ලාක් වරදකාරිය වී ජීවිතාන්තය දක්වා සිරදඬුවම් නියම විය. රාජකීය සංඛ්‍යාන සංගමය (Royal Statistical Society) විසින් භාවිතා කරන ලද සංඛ්‍යානමය තර්කනය ප්‍රසිද්ධියේ තරවටු කිරීමේ අසාමාන්‍ය පියවරක් ගන්නා ලදී. ඇයගේ දෙවන අභියාචනයෙන් පසු ක්ලාක් 2003 දී නිදහස් කරන ලදී. වැරදි ලෙස සිරගත කිරීමේ සහ දරුවන් අහිමි වීමේ කම්පනයෙන් මිදීමට නොහැකි වූ ඇය 2007 දී උග්‍ර මත්පැන් විෂ වීමකින් මිය ගියාය.

• උගත් පාඩම්: සංඛ්‍යානමය සාක්ෂි සඳහා නිසි බේසියානු රාමුගත කිරීමක් අවශ්‍ය වේ. අධිකරණ විසින් එක් කල්පිතයක් හුදකලාව ඇගයීමට ලක් නොකර තරඟකාරී කල්පිත යටතේ සාක්ෂිවල සම්භාවිතාව සංසන්දනය කළ යුතුය. විශේෂඥ සාක්ෂිකරුවන්ට සංඛ්‍යාන සාක්ෂරතා පුහුණුව අවශ්‍ය වේ.

සිද්ධි අධ්‍යයනය 2: ලුසියා ඩි බර්ක්—ලන්දේසි හෙදිය

• සන්දර්භය: ඇයගේ වැඩමුර තුළදී රෝගීන් මියයාම පිළිබඳ සංඛ්‍යානමය විශ්ලේෂණයන් මත පදනම්ව, ලන්දේසි හෙදියක් වන ලුසියා ඩි බර්ක් මිනීමැරුම් හතකට සහ මිනීමැරුම් තැත් කිරීම් තුනකට 2003 දී වරදකාරිය විය.

• සිදුවූයේ කුමක්ද: අහඹු ලෙස ඇයගේ වැඩමුර තුළ මෙතරම් මරණ සංඛ්‍යාවක් සිදුවීමේ සම්භාවිතාව මිලියන 342 කින් 1 ක් බව රෝහල් සංඛ්‍යානවේදියෙක් සාක්ෂි දුන්නේය.

• ක්‍රියාත්මක වූ මුලාව:

  1. පසු-හොක් (Post-hoc) තෝරා ගැනීම: මරණ "සැක සහිත" ලෙස වර්ගීකරණය කරන ලද්දේ ලුසියා රාජකාරියේ යෙදී සිටි බව දැනගැනීමෙන් පසුව පමණි—මූලික අනුපාතය නොසලකා හැරීම සමඟ ඒකාබද්ධ වූ සම්භාව්‍ය තහවුරු කිරීමේ නැඹුරුව (confirmation bias).
  2. පොකුරු වල මූලික අනුපාතය නොසලකා හරින ලදී: ඕනෑම විශාල රෝහල් පද්ධතියක, විශාල සංඛ්‍යා නියමය (law of large numbers) මඟින් සමහර හෙදියන්ට අවසානයේ අහඹු ලෙස පමණක් අතිශයින්ම අපහසු යැයි පෙනෙන වැඩමුර රටාවක් ඇති බව සහතික කරයි (ටෙක්සාස් ෂාප්ෂූටර් මුලාව).
  3. නොසලකා හරින ලද විකල්ප කල්පිත: රාත්‍රී සේවා මුරවලදී (රෝගාතුර වූ රෝගීන් වඩාත් සමීපව නිරීක්ෂණය කරන විට) රෝගීන් මියයාමේ මූලික අනුපාතය නිසි ලෙස සලකා බලා නොමැත.

• ප්‍රතිවිපාක: ලුසියා වසර හයකට වැඩි කාලයක් සිරදඬුවම් වින්දාය. සිරගතව සිටියදී ඇය ආඝාතයකට ලක් වූවාය. ස්වාධීන සංඛ්‍යානවේදීන් විසින් කරන ලද ගණිතමය විශ්ලේෂණයකින් පසුව නිවැරදිකරුවෙකු වීමේ සම්භාවිතාව ඇත්ත වශයෙන්ම ඉහළ බව පෙන්වා දෙන ලදී. රටේ ඉතිහාසයේ සිදු වූ දරුණුතම යුක්තිය පසිඳලීමේ වැරදීමක් බව ලන්දේසි බලධාරීන් පිළිගත් අතර, ඇය 2010 දී නිදහස් කරන ලදී.

• උගත් පාඩම්: විශාල දත්ත කට්ටලවල සංඛ්‍යානමය අහඹු සිදුවීම් හේතුඵලයට සාක්ෂියක් නොවේ. පශ්චාත් (Post-hoc) විශ්ලේෂණය සඳහා දැඩි අවධානයක් අවශ්‍ය වේ. අධිකරණවලට සම්භාවිතා සාක්ෂි පිළිබඳ ස්වාධීන සංඛ්‍යාන සමාලෝචනයක් අවශ්‍ය වේ.

සිද්ධි අධ්‍යයනය 3: රොබට් විලියම්ස් - මුහුණු හඳුනාගැනීමේ අසාර්ථකත්වය

• සන්දර්භය: 2020 ජනවාරි මාසයේදී, ඩෙට්‍රොයිට් හි කළු ජාතික මිනිසෙකු වන රොබට් විලියම්ස්, මුහුණු හඳුනාගැනීමේ ඇල්ගොරිතමයක් මගින් සාප්පුවකින් භාණ්ඩ සොරකම් කිරීමේ සිද්ධියක නිරීක්ෂණ දර්ශන සමඟ ඔහුගේ රියදුරු බලපත්‍ර ඡායාරූපය ගැළපීමෙන් පසු ඔහුගේ පවුලේ අය ඉදිරිපිටදී ඔහුගේ නිවසේදී අත්අඩංගුවට ගනු ලැබීය.

• සිදුවූයේ කුමක්ද: රහස් පරීක්ෂකයන් විසින් විලියම්ස්ට නිරීක්ෂණ රූපය පෙන්වූ අතර "පරිගණකය පවසන්නේ එය ඔබ බවයි" කියා පැවසුවා. නිදහස් කිරීමට පෙර ඔහු පැය 30 ක් රඳවා තබා ගන්නා ලදී.

• ක්‍රියාත්මක වූ මුලාව:

  1. ව්‍යාජ ධනාත්මක විරුද්ධාභාසය (The false positive paradox): 99% නිවැරදි මුහුණු හඳුනාගැනීමේ පද්ධතියක් වුවද, මිලියන ගණනකගේ මුහුණු දත්ත සමුදායන් සෙවීමේදී, දහස් ගණනක් ව්‍යාජ ගැළපීම් ජනනය කරයි.
  2. ස්වයංක්‍රීයකරණ නැඹුරුව: විමර්ශකයින් විසින් ඇල්ගොරිතමයේ "ගැළපීම" සනාථ කිරීම අවශ්‍ය වන සම්භාවිතා යෝජනාවක් ලෙස සලකනවා වෙනුවට නිශ්චිත සාක්ෂියක් ලෙස සලකන ලදී.
  3. අහඹු ගැලපීම් වල මූලික අනුපාතය: ටැක්සිරථ ගැටලුව මෙන්, "සාක්ෂිකරු" (ඇල්ගොරිතමය) දෝෂ අනුපාතයක් ඇති අතර "අහිංසක ජනගහනය" විශාල වේ - බොහෝ ව්‍යාජ ධනාත්මක (false positives) නිපදවයි.

• ප්‍රතිවිපාක: විලියම්ස් අයුක්ති සහගත ලෙස අත්අඩංගුවට ගෙන, රඳවා තබා ගෙන ඇති අතර, ඔහුගේ DNA, ඇඟිලි සලකුණු සහ mugshot අපරාධ දත්ත ගබඩාවලට ඇතුළත් කරන ලදී. ඔහු ඩෙට්‍රොයිට් පොලිස් දෙපාර්තමේන්තුවට එරෙහිව නඩු පැවරීය. මෙම නඩුව නීතිය ක්‍රියාත්මක කිරීමේදී ඇල්ගොරිතම නැඹුරුව පිළිබඳ සන්ධිස්ථානයක් බවට පත් විය.

• උගත් පාඩම්: ඇල්ගොරිතම සාක්ෂි සම්භාවිතාමය ලෙස ඇගයීමට ලක් කළ යුතු අතර අතපසු නොවන ලෙස නොසැලකිය යුතුය. ව්‍යාජ ගැළපීම්වල මූලික අනුපාත තීරණ ගන්නන්ට දැනුම් දිය යුතුය. ඇල්ගොරිතම ගැලපීම් මත පදනම්ව අත්අඩංගුවට ගැනීමට පෙර තහවුරු කරන සාක්ෂි අවශ්‍ය විය යුතුය.

ඓතිහාසික උදාහරණය: ලෝන්ග්-ටර්ම් කැපිටල් මැනේජ්මන්ට් (Long-Term Capital Management) හි බිඳවැටීම

1998 දී, නොබෙල් සම්මානලාභීන් වන මයිරන් ස්කොල්ස් සහ රොබට් මර්ටන් විසින් පවත්වාගෙන යනු ලැබූ ලෝන්ග්-ටර්ම් කැපිටල් මැනේජ්මන්ට් (LTCM) නම් හෙජ් අරමුදල (hedge fund) අතිවිශාල ලෙස බිඳ වැටී ගෝලීය මූල්‍ය පද්ධතිය මුළුමනින්ම පාහේ අස්ථාවර විය.

LTCM හි නවීන අවදානම් වටිනාකම් (Value-at-Risk - VaR) ආකෘති අඩු වෙළඳපල අස්ථාවරත්වය පෙන්වන මෑත කාලීන ඓතිහාසික දත්ත මත රඳා පැවතුනි. විශාල පාඩු "දස-සිග්මා සිදුවීම්" (10-sigma events)—සංඛ්‍යානමය වශයෙන් කළ නොහැකි බව ඔවුන් ගණනය කළහ. මෙම ආකෘති මූල්‍ය භීතියේ ඓතිහාසික මූලික අනුපාතය—වෙළඳපල ව්‍යාප්තිවල "ෆැට් ටේල්ස්" (fat tails) නොසලකා හැරියේය. ඔවුන් පද්ධතිමය සහසම්බන්ධතාවයේ මූලික අනුපාතය ද නොසලකා හැරියේය: අර්බුදවලදී, භීතිය පැතිරෙන විට සියලු සහසම්බන්ධතා 1 දක්වා යයි.

1998 අගෝස්තු මාසයේදී රුසියාව සිය ණය පැහැර හැරීමත් සමඟ "නොහැකි" දේ සිදු විය. පුළුල් මූල්‍ය ව්‍යාප්තිය වැළැක්වීම සඳහා ෆෙඩරල් සංචිත-සම්බන්ධීකරණය කළ ඇපදීමක් (bailout) අවශ්‍ය කරමින් මාස හතරකට අඩු කාලයකදී LTCM හට ඩොලර් බිලියන 4.6 ක් අහිමි විය.

පාඩම: දුර්ලභ සිදුවීම්වල ඓතිහාසික මූලික අනුපාත නොසලකා හරින නවීන ආකෘති ව්‍යසනකාරී අන්ධ ස්ථාන නිර්මාණය කරයි. මෑත අතීතයේ නිශ්චිත තත්වයන් ටේල් අවදානම් (tail risks) සඳහා විශ්වාසදායක මාර්ගෝපදේශ නොවේ.

6. මෙම නැඹුරුවේ පිරිවැය

6.1. පුද්ගලික පිරිවැය

• භීතිය සහ කාංසාව: වඩාත් විය හැකි අවදානම් නොසලකා හරිමින් දුර්ලභ තර්ජන (ගුවන් අනතුරු, ප්‍රචණ්ඩකාරී අපරාධ, රෝග) අධිතක්සේරු කිරීම නිදන්ගත ආතතිය ඇති කරයි.
• සම්බන්ධතා හානි: මිනිසුන්ගේ ස්ථාවර චර්යාත්මක මූලික අනුපාතයට වඩා සජීවී තනි සිදුවීම් මත මිනිසුන් විනිශ්චය කිරීම අසාධාරණ විනිශ්චයන් සහ විශ්වාසය බිඳවැටීමට මග පාදයි.
• මග හැරුණු අවස්ථා: සාර්ථකත්වයේ මූලික අනුපාත නොසලකා හරිමින්, සජීවී අසාර්ථක කථා හේතුවෙන් ප්‍රයෝජනවත් ක්‍රියාකාරකම් (පියාසර කිරීම, ශල්‍යකර්ම, වෘත්තීය වෙනස්කම්) මග හැරීම.
• මූල්‍ය පාඩු: සංඛ්‍යානමය සාක්ෂිවලට වඩා බලගතු ආඛ්‍යාන මත පදනම්ව ආයෝජන තීරණ ගැනීම.
• වෛද්‍යමය කාංසාව: ව්‍යාජ ධනාත්මක මූලික අනුපාත තේරුම් නොගෙන පරීක්ෂණ ප්‍රතිඵල වැරදි ලෙස අර්ථකථනය කිරීම.

6.2. වෘත්තීය පිරිවැය

• වෘත්තීය විනිශ්චයන්හි වැරදීම්: සංඛ්‍යානමය වෘත්තීය ගමන් පථයන්ට වඩා විශේෂිත නාටකාකාර ප්‍රතිඵල මත රැකියා තීරණ පදනම් කිරීම.
• ව්‍යාපෘති අසාර්ථක වීම්: "මෙම ව්‍යාපෘතිය වෙනස්" යන චින්තනය පිරිවැය සහ කාලසටහන් නැවත නැවතත් අවතක්සේරු කිරීමට හේතු වේ.
• බඳවා ගැනීමේ දෝෂ: පුරෝකථන මූලික අනුපාතවලට වඩා සම්මුඛ පරීක්ෂණ කාර්ය සාධන ඒකාකෘති මත පදනම්ව අපේක්ෂකයින් තෝරා ගැනීම.
• උපාය මාර්ගික වැරදි: කර්මාන්ත සංඛ්‍යාලේඛනවලට වඩා තරඟකරුවන්ගේ කතාන්දර මගින් මෙහෙයවන ව්‍යාපාරික තීරණ.
• පුරෝකථනය කිරීමේ අසාර්ථකත්වයන්: සමාන අවස්ථා වල ඓතිහාසික මූලික අනුපාත නොසලකා හරින වර්තමාන ආඛ්‍යාන මත පදනම් වූ අනාවැකි.

6.3. සමාජ පිරිවැය

• වැරදි ලෙස වරදකරුවන් කිරීම: සැලී ක්ලාක් සහ ලුසියා ඩි බර්ක් යන නඩු වලදී දක්නට ලැබෙන පරිදි, නීතිමය ක්‍රියාදාමයන්හිදී මූලික අනුපාතය නොසලකා හැරීම අහිංසක ජීවිත විනාශ කරයි.
• ප්‍රතිපත්ති වැරදි ලෙස බෙදා හැරීම: වඩාත් සම්භාවිතාව ඇති හානි (රථවාහන මරණ, රෝග) නොසලකා හරින අතරම, සජීවී නමුත් දුර්ලභ තර්ජන (ත්‍රස්තවාදය) වෙත සම්පත් යොමු කිරීම.
• ඇල්ගොරිතම අසාධාරණය: පක්ෂග්‍රාහී දත්ත මත පුහුණු කරන ලද AI පද්ධති මූලික අනුපාත දෝෂ පවත්වාගෙන යාම සහ වැඩි කිරීම, වෙනස්කම් සහිත පොලිස්කරණයට, ණය දීම සහ බඳවා ගැනීම් වලට මග පාදයි.
• මහජන සෞඛ්‍ය අසාර්ථකත්වයන්: තිරගත කිරීමේ සංඛ්‍යාලේඛන පිළිබඳ වැරදි අවබෝධය පරිමාණයෙන් නුසුදුසු පරීක්ෂණ සහ ප්‍රතිකාර තීරණ වලට මග පාදයි.
• මූල්‍ය අර්බුද: තක්සේරු කිරීමේ මූලික අනුපාත නොසලකා හරින වෙළඳපල නොවැළැක්විය හැකි ලෙස පුපුරා යන විට මිලියන ගණනකට හානි කරන බුබුලු නිර්මාණය කරයි.

6.4. සංඛ්‍යානමය බලපෑම

මූලික අනුපාත නොසලකා හැරීමේ මැනිය හැකි බලපෑම පිළිබඳ පර්යේෂණ සොයාගැනීම්:

• වෛද්‍ය තීරණ ගැනීම: රෝග වල මූලික අනුපාත අඩු වූ විට ධනාත්මක පරීක්ෂණ ප්‍රතිඵල නිවැරදිව අර්ථකථනය කරන්නේ වෛද්‍යවරුන්ගෙන් ~15% ක් පමණක් බව අධ්‍යයනයන් පෙන්වා දෙයි, එය දැවැන්ත අධි-රෝග විනිශ්චයකට (overdiagnosis) මග පාදයි.
• ජූරි තීරණ: සජීවී සාක්ෂි ඉදිරිපත් කරන විට මූලික අනුපාත තොරතුරු බොහෝ දුරට නොසලකා හරින බව ව්‍යාජ ජූරි අධ්‍යයන සොයා ගනී.
• පුරෝකථන නිරවද්‍යතාවය: පිලිප් ටෙට්ලොක්ගේ පර්යේෂණයෙන් සොයා ගත්තේ මූලික අනුපාතය නොසලකා හැරීම ජයගන්නා "සුපිරි පුරෝකථකයන්" (superforecasters) විශේෂඥයින් අභිබවා 30%+ කින් ඉදිරියෙන් සිටින බවයි.
• ඇල්ගොරිතම කාර්ය සාධනය: ProPublica විසින් COMPAS පුනරාවර්තන ඇල්ගොරිතම විශ්ලේෂණය කිරීමේදී එහි මූලික අනුපාත නැඹුරුව සුදු විත්තිකරුවන්ට වඩා දෙගුණයක් ඉහළ ව්‍යාජ ධනාත්මක (false positive) අනුපාත කළු විත්තිකරුවන් සඳහා නිපදවා ඇති බව සොයා ගන්නා ලදී.

7. සැඟවුණු ප්‍රතිලාභ

මූලික අනුපාත මුලාව තනිකරම සංජානන දෝෂයක් නොවේ - මූලික යාන්ත්‍රණ වැදගත් අනුවර්තන කාර්යයන් සඳහා සේවය කරයි.

වේගවත් තර්ජන හඳුනාගැනීම: විලෝපිකයෙකු මඟ හැරීම යනු මරණය අදහස් කරන පරිසරයක, ජනගහන සංඛ්‍යාලේඛන ප්‍රවේශමෙන් ගණනය කරනවාට වඩා විශේෂිත අන්තරායකර සංඥා වලට අධි-ප්‍රතිචාර දැක්වීම වඩා හොඳය. ව්‍යාජ ධනාත්මකයක (අනවශ්‍ය සුපරීක්ෂාකාරිත්වය) පිරිවැය ව්‍යාජ සෘණාත්මක (ආහාරයට ගැනීම) අගය හා සසඳන විට අඩුය.

සමාජ බුද්ධිය: මානව හැසිරීම් පිළිබඳ ජනගහන මට්ටමේ සංඛ්‍යාලේඛන දැනගැනීමට වඩා සමාජ සාර්ථකත්වය සඳහා නිශ්චිත පුද්ගලයින්ගේ අභිප්‍රායන් කියවීම වැදගත් වේ. ඔබ ඉදිරිපිට සිටින පුද්ගලයා සාමාන්‍ය මනුෂ්‍යයෙකු නොවේ - ඔවුන් ඔබට තේරුම් ගත යුතු විශේෂිත අභිප්‍රායන් ඇති නිශ්චිත පුද්ගලයෙකි.

ආඛ්‍යාන ඉගෙනීම: කතන්දර යනු මිනිසුන් පරම්පරා හරහා දැනුම සම්ප්‍රේෂණය කරන ආකාරයයි. සංඛ්‍යාලේඛනවලට වඩා සජීවී අවස්ථා කෙරෙහි ඇති "නැඹුරුව" අත්දැකීම්වලින් සහ අන් අයගේ අත්දැකීම්වලින් ඉගෙන ගැනීමට හැකි වේ.

බලශක්ති කාර්යක්ෂමතාව: පරිස්සමෙන් බේසියානු තර්කනය කිරීම පරිවෘත්තීය වශයෙන් මිල අධිකය. බොහෝ දෛනික තීරණ සඳහා, සංජානන පිරිවැයෙන් සුළු ප්‍රමාණයකින් ඉක්මන් රටා-ගැලපීම මගින් ප්‍රමාණවත් තරම් හොඳ ප්‍රතිඵල නිපදවයි.

හුවමාරුව (The trade-off): මූලික අනුපාතය නොසලකා හැරීම සම්පූර්ණයෙන්ම ඉවත් කිරීම සඳහා නිරන්තර පරිශ්‍රමයෙන් ගණනය කිරීම් අවශ්‍ය වන අතර එමඟින් තීරණ ගැනීම අඩාල වේ. ඉලක්කය වන්නේ හූරිස්ටික් ඉවත් කිරීම නොව සංඛ්‍යානමය චින්තනය අවශ්‍ය වන්නේ කවදාද යන්න හඳුනා ගැනීමයි - විශේෂයෙන් නීතිමය, වෛද්‍ය, මූල්‍ය සහ ප්‍රතිපත්ති වසම්වල මූලික අනුපාත වඩාත් වැදගත් වේ.

8. ස්වයං ඇගයීම: ඔබට මෙම නැඹුරුව තිබේද?

8.1. අනතුරු ඇඟවීමේ සංඥා පිරික්සුම් ලැයිස්තුව

• පසුගිය අවස්ථාවන්ට සංඛ්‍යානමය සමානකම් පරීක්ෂා නොකර "මෙම තත්වය වෙනස්" යැයි ඔබ බොහෝ විට සිතයි
• සංඛ්‍යානමය සාරාංශවලට වඩා විශේෂිත උදාහරණ වඩාත් ඒත්තු ගැන්වෙන බව ඔබට පෙනේ
• දත්ත විමසීම වෙනුවට මතක තබා ගත හැකි කථාන්දර මත ඔබ තීරණ ගෙන ඇත
• වෛද්‍ය පරීක්ෂණ ප්‍රතිඵලයක් ව්‍යාජ ධනාත්මක එකක් විය හැකි බව විශ්වාස කිරීමට ඔබ අරගල කරයි
• ප්‍රතිඵලයක් කෙතරම් පහසුවෙන් සිතාගත හැකිද යන්න මත ඔබ සම්භාවිතාවන් තක්සේරු කරයි
• පළමු හැඟීම් හෝ තනි හැසිරීම් මත ඔබ මිනිසුන් ඉක්මනින් විනිශ්චය කරයි
• ඔබ "පසුබිම් තොරතුරු" නොසලකා හැර ඇත්තේ ඒවා නිශ්චිත තොරතුරු වලට වඩා අඩු අදාළ බවක් පෙනුණු බැවිනි
• සාකච්ඡාවලදී මූලික අනුපාත සංඛ්‍යාලේඛන "සීතල" (cold) හෝ "ප්‍රධාන කරුණ මග හැරුණු" ඒවා ලෙස ඔබට පෙනේ
• සංඛ්‍යානමය අනාවැකි ඔබේ බුද්ධියට වඩා වෙනස් වූ විට ඔබ පුදුමයට පත් වී ඇත
• ඔබ ප්‍රතිශත වලින් සිතීමට විරුද්ධ වන අතර ඔව්/නැත යන විනිශ්චයන්ට කැමැත්තක් දක්වයි

ලකුණු ලබා දීම:

• 0-2 සලකුණු කර ඇත: අඩු නැඹුරුතාවයක්
• 3-5 සලකුණු කර ඇත: මධ්‍යම නැඹුරුතාවයක්
• 6-8 සලකුණු කර ඇත: ඉහළ නැඹුරුතාවයක්
• 9-10 සලකුණු කර ඇත: ඉතා ඉහළ නැඹුරුතාවයක්

8.2. ස්වයං ප්‍රතිබිම්භ ප්‍රශ්න

1. බලගතු කථාවකට හෝ උදාහරණයකට වඩා සංඛ්‍යානමය සාක්ෂි නිසා ඔබ අවසන් වරට අදහස වෙනස් කළේ කවදාද?
2. ඔබ මෑතකදී ගත් ප්‍රධාන තීරණයක් ගැන සිතන්න - ඒ හා සමාන තීරණ සඳහා සාර්ථකත්වයේ/අසාර්ථකත්වයේ මූලික අනුපාත ඔබ පර්යේෂණ කළාද?
3. අදාළ සංඛ්‍යාලේඛන ඔබේ නිශ්චිත තත්වයට අදාළ නොවන බවක් හැඟුණු නිසා ඔබ ඒවා කිසිදා බැහැර කර තිබේද?
4. යමෙක් ඔබට කථාවක් පවසන විට, එම අත්දැකීම කෙතරම් සාමාන්‍ය ද අසාමාන්‍ය ද කියා ඔබ සහජයෙන්ම කල්පනා කරනවාද?
5. ඔබ තනි උදාහරණ සඳහා වැඩි බරක් දෙන බවට හෝ දත්ත සඳහා ප්‍රමාණවත් බරක් ලබා නොදෙන බවට වෙනත් අය ඔබට කවදා හෝ පවසා තිබේද?

8.3. ඉක්මන් රෝග විනිශ්චය දර්ශනය

දර්ශනය: බරපතල රෝගාබාධයක් සඳහා නව වෛද්‍ය පරීක්ෂණයක් නිර්මාණය කර ඇත. පරීක්ෂණය 99% ක් නිවැරදියි (රෝගය පවතින විට හඳුනාගැනීමේදී සහ නිරෝගී පුද්ගලයින් නිවැරදිව නිශ්කාශනය කිරීමේදී යන දෙකෙහිදීම). සාමාන්‍ය ජනගහනයෙන්, 1,000 කින් 1 කට මෙම රෝගය ඇත. ඔබගේ පරීක්ෂණය ධනාත්මක ප්‍රතිඵලයක් ගෙන එයි. ඔබට ඇත්ත වශයෙන්ම රෝගය වැළඳීමේ සම්භාවිතාව කුමක්ද?

ඔබ ප්‍රතිචාර දක්වන්නේ කෙසේද?

• A) 99% ක් පමණ → ඉහළ නැඹුරුතාවයක් (ඔබ පිළිතුර පරීක්ෂණ නිරවද්‍යතාවයට ගලපයි, මූලික අනුපාතය නොසලකා හරියි)
• B) 50% ක් පමණ → මධ්‍යස්ථ නැඹුරුතාවයක් (යමක් වැරදි බව ඔබට හැඟෙන නමුත් සැබෑ සම්භාවිතාව ගණනය කළ නොහැක)
• C) 9% ක් පමණ → අඩු නැඹුරුතාවයක් (ඔබ මූලික අනුපාතය නිවැරදිව ඒකාබද්ධ කර ඇත; පරීක්ෂාවට ලක් කළ පුද්ගලයින් 1,000 දෙනෙකුගෙන් සත්‍ය ධනාත්මක ~10 ක් සහ ව්‍යාජ ධනාත්මක ~100 ක් පමණි)

9. අන් අය තුළ මෙම නැඹුරුව හඳුනා ගැනීම

9.1. චර්යාත්මක දර්ශක

• පුද්ගලික කථා වලට පක්ෂව සංඛ්‍යානමය තර්ක "සීතල" හෝ "ප්‍රධාන කරුණ මග හැරීම" ලෙස බැහැර කිරීම
• සාමාන්‍ය ප්‍රකාශ කරන විට "මගේ අත්දැකීම් අනුව" හෝ "මම දන්න කෙනෙක් ඉන්නවා..." වැනි වාක්‍ය ඛණ්ඩ නිතර භාවිතා කිරීම
• පුළුල් රටා සඳහා නිශ්චිත සාක්ෂි ලෙස තනි අවස්ථා වලට සැලකීම
• සංඛ්‍යානමය සාමාන්‍යකරණයන් ඔවුන්ගේ නිශ්චිත තත්වයට අදාළ වන බව පිළිගැනීමේ අපහසුතාව
• සම්භාවිතාවන් තක්සේරු කිරීමේදී මෑත හෝ මතක තබා ගත හැකි සිදුවීම් අධික ලෙස බර කිරීම
• මූලික අනුපාත දත්ත ඉදිරිපත් කළ විට අදහස් වෙනස් කිරීමට ඇති ප්‍රතිරෝධය

9.2. සංවාදාත්මක රතු කොඩි (Red Flags)

මෙම නැඹුරුව යටතේ මිනිසුන් පවසන වාක්‍ය ඛණ්ඩ:

• "නමුත් මෙම නඩුව වෙනස්..."
• "සංඛ්‍යාලේඛන මුළු කතාවම කියන්නේ නැහැ"
• "ඉලක්කම් කියන දේ මම දන්නවා, ඒත්..."
• "මම දන්න කෙනෙක් ගැන කියන්නම්..."
• "සංඛ්‍යාලේඛන මගින් ඔබට ඕනෑම දෙයක් ඔප්පු කළ හැකිය"

ඔවුන් ඉදිරිපත් කරන තර්ක වර්ග:

• සාමාන්‍ය උපාය මාර්ග සඳහා සාක්ෂි ලෙස තනි සාර්ථක/අසාර්ථක කථා උපුටා දැක්වීම
• සාමාන්‍ය ප්‍රතිඵල නියෝජනය කරන පරිදි සුවිශේෂී අවස්ථා වලට සැලකීම

ඔවුන් ඇසීමෙන් වළකින ප්‍රශ්න:

• "මෙය සාමාන්‍යයෙන් කොපමණ වාරයක් සිදුවේද?"
• "සමාන තත්වයන් සඳහා සාර්ථකත්ව අනුපාතය කුමක්ද?"

9.3. අවස්ථානුකූල ප්‍රේරක

• චිත්තවේගීය කොටස්: ප්‍රතිඵල ගැඹුරින් වැදගත් වන විට, විශේෂිත අවස්ථා තොරතුරු වඩාත් බලගතු වේ
• සජීවී උදාහරණ: මෑත කාලීන, නාටකාකාර හෝ පෞද්ගලිකව අත්විඳින ලද සිදුවීම් සංඛ්‍යානමය මූලික රේඛා යටපත් කරයි
• සංකීර්ණත්වය: සංඛ්‍යානමය විශ්ලේෂණය දුෂ්කර වූ විට, මිනිසුන් නියෝජිත උදාහරණ වෙත යොමු වේ
• කාල පීඩනය: ඉක්මන් තීරණ මගින් සම්භාවිතාව ගණනය කිරීමට වඩා රටා ගැලපීමට අනුග්‍රහය දක්වයි
• ආඛ්‍යානමය සන්දර්භය: තොරතුරු සංඛ්‍යාලේඛන වෙනුවට කථාන්දර ලෙස පැමිණෙන විට
• විශේෂඥ රාමුගත කිරීම: බලධාරීන් විසින් මූලික අනුපාත සන්දර්භය නොමැතිව නඩු තොරතුරු ඉදිරිපත් කරන විට

10. සංජානන නැඹුරුව ඉවත් කිරීමේ උපාය මාර්ග

10.1. ක්ෂණික ශිල්පීය ක්‍රම

• "කොපමණ වාරයක්?" යන්න අසන්න: පුද්ගලීකරණය කළ තොරතුරු පිළිගැනීමට පෙර, මූලික අනුපාතය ගැන පැහැදිලිව විමසන්න. "සාමාන්‍යයෙන් මෙම ප්‍රතිඵලය කොතරම් සුලභද?"
• "පුද්ගලයින් 100 දෙනා" නැවත රාමු කිරීම: සම්භාවිතාවක් ලබා දුන් විට, එම තත්වයේ සිටින පුද්ගලයින් 100 දෙනෙකු ගැන සිතන්න. එක් එක් ප්‍රතිඵලය කී දෙනෙකුට ලැබේවිද?
• විකල්පය සලකා බලන්න: තරඟකාරී කල්පිතයේ මූලික අනුපාතය කුමක්ද? (ද්විත්ව SIDS සහ ද්විත්ව මිනීමැරුම් අනුපාත සංසන්දනය කිරීම වැනි)
• යොමු පන්ති පුරෝකථනය (Reference class forecasting): ඔබේ තත්වයට අදාළ යොමු පන්තිය හඳුනාගෙන ඓතිහාසික ප්‍රතිඵල පරීක්ෂා කරන්න
• පුවත්පත් පරීක්ෂණය: මෙම විශේෂිත නඩුව අසාමාන්‍ය වන නිසාම එය ප්‍රවෘත්තියක් වේවිද? එසේ නම්, එය බොහෝ විට නියෝජනයක් නොවිය හැකිය

10.2. දිගුකාලීන උපාය මාර්ග

• බේසියානු චින්තනය පුහුණු වන්න: මූලික අනුපාතයන් ඒකාබද්ධ කිරීම අවශ්‍ය වන සම්භාවිතා ගැටළු නිතිපතා හරහා වැඩ කරන්න
• අනාවැකි ලොගයක් තබා ගන්න: ප්‍රකාශිත සම්භාවිතාවන් සහිත අනාවැකි වාර්තා කරන්න, ඉන්පසු ඔබේ බුද්ධිය ක්‍රමාංකනය කිරීම සඳහා ප්‍රතිඵල පරීක්ෂා කරන්න
• සංඛ්‍යානමය පුහුණුව ලබා ගන්න: සම්භාවිතාව සහ සංඛ්‍යාලේඛන පිළිබඳ විධිමත් අධ්‍යාපනය මුලාවට ඇති ප්‍රතිරෝධය වැඩි දියුණු කරයි
• මූලික අනුපාත පුස්තකාල සාදන්න: වැදගත් වසම් සඳහා (සෞඛ්‍යය, වෘත්තිය, මූල්‍ය), අදාළ මූලික අනුපාත පර්යේෂණ කර කටපාඩම් කරන්න
• සංඛ්‍යාන මිතුරන් වර්ධනය කරන්න: සම්භාවිතාමය වශයෙන් සිතන සහ ඔබේ තර්කනයට අභියෝග කරන පුද්ගලයින් සමඟ සබඳතා ගොඩනඟා ගන්න

10.3. පාරිසරික නිර්මාණය

• ස්වාභාවික සංඛ්‍යාත ආකෘති භාවිතා කරන්න: සම්භාවිතාවන් මොළයට වඩාත් බුද්ධිමත්ව සකසන "Y න් X" (X out of Y) ආකෘති බවට පරිවර්තනය කරන්න
• තීරණ පිරික්සුම් ලැයිස්තු සාදන්න: වැදගත් තීරණවල අනිවාර්ය පියවර ලෙස මූලික අනුපාත ප්‍රශ්න ඇතුළත් කරන්න
• අයිකන අරා භාවිතා කරන්න: සම්භාවිතාවන්හි දෘශ්‍ය නිරූපණයන් හරය (denominator) නොසලකා හැරීම අඩු කරයි
• සංඛ්‍යානමය නිර්ණායක සඳහා පූර්ව-කැපවීම: නිශ්චිත තොරතුරු හමුවීමට පෙර, ඔබේ අදහස වෙනස් කරන සංඛ්‍යාලේඛන මොනවාදැයි නිර්වචනය කරන්න
• තොරතුරු සංදර්ශක සැලසුම් කිරීම: මූලික අනුපාතයන් ප්‍රමුඛව සහ විශේෂිත තොරතුරු වලට පෙර ඉදිරිපත් කරන්න

10.4. බාහිර යෙදවුම් සොයන්නේ කවදාද

• ඉහළ අවදානම් සහිත තීරණ: වෛද්‍ය විනිශ්චය, නීතිමය විනිශ්චයන්, ප්‍රධාන ආයෝජන, බඳවා ගැනීමේ තීරණ
• ඔබට ප්‍රබල බුද්ධියක් ඇති විට: ප්‍රබල හැඟීම් පද්ධතිය 1 (System 1) යටපත් කිරීම පෙන්නුම් කළ හැක - සංඛ්‍යානමය පරීක්ෂාවක් ලබා ගන්න
• සංකීර්ණ සම්භාවිතා අවස්ථා: බහු කොන්දේසි සහිත සම්භාවිතාවන් අන්තර්ක්‍රියා කරන විට
• චිත්තවේගීය මැදිහත්වීම: පුද්ගලික අවදානම් අරමුණු සහගත තර්කනය දුෂ්කර කරන විට
• විශේෂඥතාව නොගැලපීම: ඔබ සතුව නොමැති සංඛ්‍යානමය විශේෂඥතාව තීරණයට අවශ්‍ය වූ විට

11. ප්‍රායෝගික අභ්‍යාස

අභ්‍යාසය 1: තිරගත කිරීමේ (Screening) පරීක්ෂණ කැල්කියුලේටරය

• අරමුණ: වෛද්‍ය පරීක්ෂණ අවස්ථා හරහා ක්‍රියා කිරීමෙන් බේසියානු තර්කනය සඳහා බුද්ධිය වර්ධනය කිරීම
• අවශ්‍ය කාලය: විනාඩි 20 යි
• අවශ්‍ය ද්‍රව්‍ය: කැල්කියුලේටරය, කඩදාසි
• දුෂ්කරතා මට්ටම: මධ්‍යම
• උපදෙස්:
  1. වෛද්‍ය තත්වයක් තෝරාගෙන ඔබේ ජනවිකාසයේ එහි ව්‍යාප්තිය (මූලික අනුපාතය) සොයා බලන්න
  2. එම තත්වය සඳහා වන පොදු පරීක්ෂණවල සංවේදීතාව (sensitivity) සහ විශේෂත්වය (specificity) සොයා බලන්න
  3. ධනාත්මක පුරෝකථන අගය ගණනය කරන්න: ධනාත්මක පරීක්ෂණවලින් කුමන ප්‍රතිශතයක් සත්‍ය ධනාත්මකද?
  4. සෘණාත්මක පුරෝකථන අගය ගණනය කරන්න: සෘණාත්මක පරීක්ෂණවලින් කුමන ප්‍රතිශතයක් සත්‍ය සෘණාත්මකද?
  5. 10,000 ක ජනගහනයක් සඳහා 2x2 වගුවක් සමඟ මෙය දෘශ්‍යමාන කරන්න
• ප්‍රතිබිම්භ ප්‍රශ්න:
  • ධනාත්මක පුරෝකථන අගය ගැන ඔබ පුදුමයට පත් වූවාද?
  • වෛද්‍ය පරීක්ෂණ ගැන ඔබ සිතන ආකාරය මෙයින් වෙනස් වන්නේ කෙසේද?
  • පරීක්ෂණ ප්‍රතිඵල ලැබීමෙන් පසු ඔබ ඔබේ වෛද්‍යවරයාගෙන් ඇසිය යුතු ප්‍රශ්න මොනවාද?
• සංඛ්‍යාතය: විවිධ වෛද්‍ය තත්වයන් භාවිතා කරමින් මාසිකව

අභ්‍යාසය 2: යොමු පන්ති පුරෝකථනය (Reference Class Forecasting)

• අරමුණ: අනාවැකි පළ කිරීමට පෙර අදාළ මූලික අනුපාත සොයා ගැනීමේ පුරුද්ද ගොඩනැගීම
• අවශ්‍ය කාලය: විනාඩි 30 යි
• අවශ්‍ය ද්‍රව්‍ය: අන්තර්ජාල ප්‍රවේශය, පැතුරුම්පත (spreadsheet)
• දුෂ්කරතා මට්ටම: මධ්‍යම
• උපදෙස්:
  1. ඔබට කිරීමට අවශ්‍ය ඉදිරි තීරණයක් හෝ අනාවැකියක් හඳුනා ගන්න
  2. යොමු පන්තිය (reference class) නිර්වචනය කරන්න: පවතින සමාන තත්වයන් මොනවාද?
  3. එම යොමු පන්තියේ ප්‍රතිඵලවල මූලික අනුපාතය පර්යේෂණ කරන්න
  4. ඔබේ තත්වය වෙනස් කරන විශේෂිත සාධක මත පදනම්ව මූලික අනුපාතය සකස් කරන්න
  5. ඔබගේ තර්කනය සහ අවසාන සම්භාවිතා ඇස්තමේන්තුව ලේඛනගත කරන්න
• ප්‍රතිබිම්භ ප්‍රශ්න:
  • මූලික අනුපාතය සොයා ගැනීම ඔබේ මූලික ඇස්තමේන්තුව වෙනස් කළේ කෙසේද?
  • මූලික අනුපාතයෙන් ගැලපීම සාධාරණීකරණය කළ විශේෂිත සාධක මොනවාද?
  • සාක්ෂි නොමැතිව ඔබේ තත්වය "වෙනස්" ලෙස සැලකීමට ඔබ පෙළඹුණාද?
• සංඛ්‍යාතය: ඕනෑම ප්‍රධාන තීරණයකට පෙර

අභ්‍යාසය 3: සංඛ්‍යාතය නැවත රාමු කිරීම (Frequency Reframing)

• අරමුණ: සම්භාවිතා ප්‍රකාශ ස්වභාවික සංඛ්‍යාත ආකෘති බවට පරිවර්තනය කිරීම පුහුණු වීම
• අවශ්‍ය කාලය: විනාඩි 15 යි
• අවශ්‍ය ද්‍රව්‍ය: සම්භාවිතා ප්‍රකාශ ලැයිස්තුව (පුවත් ලිපි, පර්යේෂණ පත්‍රිකා වලින්)
• දුෂ්කරතා මට්ටම: ආධුනික
• උපදෙස්:
  1. මෑත පුවත් වලින් සම්භාවිතා ප්‍රකාශ 5 ක් එකතු කරන්න (උදා: "5% සංකූලතා අවදානමක්")
  2. ස්වාභාවික සංඛ්‍යාතයක් ලෙස එක් එක් නැවත රාමු කරන්න (උදා: "රෝගීන් 100 කින් 5 ක්")
  3. එක් එක් සඳහා, අනෙකුත් 95 (හෝ අදාළ අංකය) සඳහා සිදු වන්නේ කුමක්දැයි ලියන්න
  4. මෙය සම්භාවිතාව පිළිබඳ ඔබගේ බුද්ධිමය හැඟීම වෙනස් කරන්නේ කෙසේදැයි සැලකිල්ලට ගන්න
  5. සංඛ්‍යාත අනුවාදය වෙනත් කෙනෙකුට පැහැදිලි කිරීමට පුහුණු වන්න
• ප්‍රතිබිම්භ ප්‍රශ්න:
  • සම්භාවිතාවන් තේරුම් ගැනීමට පහසු කළේ කුමන ආකෘතියද?
  • කිසියම් සම්භාවිතාවකට සංඛ්‍යාත ආකෘතියේදී වැඩි හෝ අඩු සැලකිල්ලක් දැක්වූවාද?
  • එදිනෙදා ජීවිතයේදී ඔබට මෙම නැවත රාමු කිරීම අදාළ කරගත හැක්කේ කෙසේද?
• සංඛ්‍යාතය: සතිපතා

දෛනික පුහුණුව

මූලික අනුපාත ප්‍රශ්නය: සෑම දිනකම, ඔබ මතයක් ප්‍රකාශ කරන විට හෝ අනාවැකියක් පවසන විට, නතර වී අසන්න: "මූලික අනුපාතය කුමක්ද?" ඔබ නොදන්නේ නම්, ඒ ගැන පර්යේෂණ කිරීමට තත්පර 60 ක් වැය කරන්න.

• යෝජිත කාලසීමාව: අවස්ථාවකට මිනිත්තු 1-2
• දවසේ හොඳම වේලාව: දවස පුරා තීරණ හෝ විනිශ්චයන් ගන්නා විට
• ප්‍රගතිය නිරීක්ෂණය කරන ආකාරය: ඔබ ඇසීමට මතක තබා ගත් විට සහ ඔබ ඉගෙන ගත් දේ ජර්නලයක සටහන් කරන්න

සතිපතා අභියෝගය

අනාවැකි විගණනය: සෑම සතියකම, ඔබ කළ අනාවැකි හෝ විනිශ්චයන් 3 ක් සමාලෝචනය කරන්න. එක් එක් සඳහා:

1. ඔබ මූලික අනුපාතය සලකා බැලුවාද යන්න හඳුනා ගන්න
2. ඇත්ත වශයෙන්ම මූලික අනුපාතය කුමක්දැයි පර්යේෂණ කරන්න
3. මූලික අනුපාත තොරතුරු ඔබගේ විනිශ්චය වෙනස් කරන්නේ දැයි තක්සේරු කරන්න

• සති 4 කට පසු අපේක්ෂිත ප්‍රතිඵල: ඔබේම චින්තනයේ මූලික අනුපාත නොසලකා හැරීම පිළිබඳ වැඩි දැනුවත්භාවය; මූලික අනුපාත පිළිබඳ වඩාත් ස්වයංක්‍රීය සලකා බැලීම
• පරාවර්තනය සඳහා ජර්නල් විමසීම්:
  • මට මූලික අනුපාත නොසලකා හැරීම බොහෝ විට අවුලුවාලන්නේ කුමන ආකාරයේ තීරණ ද?
  • මූලික අනුපාත පරීක්ෂා කිරීමට මතක තබා ගැනීමට මට උපකාර වන උපාය මාර්ග මොනවාද?
  • මා පුහුණු වන විට මගේ තීරණයේ ගුණාත්මකභාවය වෙනස් වී ඇත්තේ කෙසේද?

12. නිශ්චිත ප්‍රේක්ෂකයින් සඳහා

නායකයින් සහ කළමනාකරුවන් සඳහා

ක්‍රමානුකූල විශ්ලේෂණයට වඩා සජීවී සාර්ථකත්වයන් සහ අසාර්ථකත්වයන් උපාය මාර්ගය මෙහෙයවන ආයතනික සැකසුම් වලදී මූලික අනුපාත මුලාව විශේෂයෙන් භයානක ය.

ප්‍රධාන අවදානම්:

• අපේක්ෂක මූලික අනුපාත වෙනුවට සම්මුඛ පරීක්ෂණ හැඟීම් මත පදනම් වූ බඳවා ගැනීමේ තීරණ
• ස්ථාවර ප්‍රමිතිකවලට වඩා මතක තබා ගත හැකි සිදුවීම් මත පදනම් වූ කාර්ය සාධන සමාලෝචන
• කර්මාන්ත සංඛ්‍යාලේඛනවලට වඩා තරඟකරුවන්ගේ කතාන්දර මත පදනම් වූ උපායමාර්ගික සැලසුම්
• ඓතිහාසික සාර්ථකත්ව අනුපාත වෙනුවට මෑතකාලීන ව්‍යාපෘති ප්‍රතිඵල මත පදනම් වූ සම්පත් වෙන් කිරීම

උපාය මාර්ග:

• තනි පුද්ගල හැඟීම්වල බලපෑම අඩු කිරීම සඳහා ප්‍රමිතිගත ලකුණු කිරීම සහිත ව්‍යුහගත සම්මුඛ පරීක්ෂණ ක්‍රියාත්මක කරන්න
• ව්‍යාපෘති අසාර්ථක වීමේ මූලික අනුපාත පැහැදිලිව සලකා බලන "premortem" අභ්‍යාස සාදන්න
• ප්‍රධාන මුල පිරීම් සඳහා යොමු පන්ති පුරෝකථනය (reference class forecasting) අනිවාර්ය කරන්න
• තනි අවස්ථාවන් සමග මූලික අනුපාතයන් ඉදිරියට ගෙන එන උපකරණ පුවරු (dashboards) සාදන්න
• සජීවී-අවස්ථා තර්කනයට අභියෝග කිරීමට බලය ඇති "සංඛ්‍යාන සැකකරුවන්" වර්ධනය කරන්න

දෙමාපියන් සහ අධ්‍යාපනඥයින් සඳහා

දරුවන් ප්‍රධාන වශයෙන් උදාහරණ සහ කතන්දර හරහා ලෝකය ගැන ඉගෙන ගන්නා බැවින් මූලික අනුපාතය නොසලකා හැරීමට විශේෂයෙන් ගොදුරු වේ.

ඉගැන්වීමේ ප්‍රවේශයන්:

• මූලික අනුපාත සඳහා බුද්ධිය ගොඩනැගීමට සම්භාවිතාව (දාදු කැට, කාඩ්පත්) සම්බන්ධ ක්‍රීඩා භාවිතා කරන්න
• අවදානම් ගැන සාකච්ඡා කරන විට (ආගන්තුක අන්තරාය, රෝග, අනතුරු), ඒ සෑම එකක්ම කෙතරම් පොදුද යන්න පිළිබඳ සන්දර්භය ලබා දෙන්න
• ප්‍රවෘත්ති කථාවල දුර්ලභ නිසාම ප්‍රවෘත්තිමය වටිනාකමක් ඇති සිදුවීම් ඇතුළත් වන විට පෙන්වා දෙන්න
• සංඛ්‍යානමය චින්තනය ආදර්ශයට ගන්න: "එය සිත්ගන්නා උදාහරණයක්. එය කොතරම් සාමාන්‍යදැයි මම කල්පනා කරමි."
• "මෙය සිදු විය" සහ "මෙය සාමාන්‍යයෙන් සිදු වේ" අතර වෙනස උගන්වන්න

වයසට ගැළපෙන පැහැදිලි කිරීම්:

• වයස අවුරුදු 6-10: "සමහර දේවල් නිතර සිදුවන අතර සමහර දේවල් දුර්ලභය. කතන්දර බොහෝ විට දුර්ලභ දේවල් ගැන කියවෙන්නේ ඒවා පුදුම සහගත නිසයි."
• වයස අවුරුදු 11-14: "අපි කොපමණ වාරයක් අසනවාද යන්නට වඩා, දේවල් ඇත්ත වශයෙන්ම කොපමණ වාරයක් සිදු වේද යන්න සංඛ්‍යා අපට පැවසිය හැකිය."
• වයස අවුරුදු 15+: සම්භාවිතා සංකල්ප, බේස්ගේ ප්‍රමේයය සහ විධිමත් තර්කනය හැඳින්වීම

සෞඛ්‍ය සේවා වෘත්තිකයන් සඳහා

රෝග විනිශ්චය, තිරගත කිරීම (screening) සහ රෝගී සන්නිවේදනය සඳහා මූලික අනුපාතය නොසලකා හැරීම ගැඹුරු ඇඟවුම් ඇත.

සායනික ඇඟවුම්:

• රෝග ලක්ෂණ ගැළපීම මගින් ව්‍යාප්ති දත්ත අභිබවා යන විට දුර්ලභ රෝග අධි-රෝග විනිශ්චය (overdiagnosed) කෙරේ
• තිරගත කිරීමේ වැඩසටහනේ සඵලතාවය රඳා පවතින්නේ පරීක්ෂණ නිරවද්‍යතාවය මත පමණක් නොව ජනගහන මූලික අනුපාත මත ය
• ධනාත්මක තිරගත කිරීමේ ප්‍රතිඵල හේතුවෙන් රෝගීන්ගේ කාංසාව බොහෝ විට සුදුසු සැලකිල්ල ඉක්මවා යයි
• සායනික පරීක්ෂණ සංඛ්‍යාලේඛනවලට වඩා නාටකාකාර සිද්ධි අධ්‍යයනයන් සඳහා ප්‍රතිකාර තීරණවලදී වැඩි බරක් ලබා දිය හැකිය

උපාය මාර්ග:

• රෝගීන්ට පරීක්ෂණ ප්‍රතිඵල සන්නිවේදනය කිරීමේදී ස්වභාවික සංඛ්‍යාත ආකෘති භාවිතා කරන්න
• අදාළ මූලික අනුපාත මතුවන සායනික තීරණ ආධාරක ක්‍රියාත්මක කරන්න
• රෝග විනිශ්චය පිරික්සුම් ලැයිස්තුවල පැහැදිලිව මූලික අනුපාතය සලකා බැලීම අනිවාර්ය කරන්න
• ධනාත්මක පුරෝකථන අගය පැහැදිලි කිරීම සඳහා අයිකන අරා සහ දෘශ්‍ය ආධාරක භාවිතා කරන්න
• වෛද්‍ය අධ්‍යාපනයේ කොටසක් ලෙස බේසියානු තර්කනය පිළිබඳ පුහුණු කිරීම

මූල්‍ය වෘත්තිකයන් සඳහා

වෙළඳපල ආඛ්‍යාන මගින් මෙහෙයවනු ලබන අතර, ආයෝජන සාර්ථකත්වය සඳහා මූලික අනුපාත විනය අත්‍යවශ්‍ය වේ.

ප්‍රධාන අවදානම්:

• බුබුලු තක්සේරු කිරීම්වල "මේ වතාවේ වෙනස්" චින්තනය
• අවදානම් ආකෘතිවල මෑත කාලීන නැඹුරුව (මෑත අස්ථාවරත්වය මූලික අනුපාතය ලෙස සැලකීම)
• අංශයේ මූලික අනුපාතවලට වඩා විශේෂිත විශ්ලේෂක නිර්දේශ අධික ලෙස බර කිරීම
• සාර්ථක අරමුදල් කළමනාකරුගේ වාර්තා අවස්ථාවකට වඩා කුසලතාවක් ලෙස සැලකීම

උපාය මාර්ග:

• දිගු කාලීන තක්සේරු මූලික අනුපාත යොමු ප්‍රස්ථාර (P/E අනුපාත, පෙරනිමි අනුපාත, ආදිය) පවත්වා ගන්න
• මධ්‍යන්‍ය ප්‍රතිවර්තන උපකල්පන ක්‍රියාත්මක කරන ක්‍රමානුකූල සමතුලිත කිරීම් ක්‍රියාත්මක කරන්න
• ඓතිහාසිකව ක්‍රමාංකනය කළ ව්‍යාප්ති සමඟ මොන්ටේ කාලෝ සමාකරණ භාවිතා කරන්න
• ආයෝජන නිබන්ධන සඳහා පැහැදිලි මූලික අනුපාත ලියකියවිලි අවශ්‍ය කරන්න
• අපේක්ෂාවන් ක්‍රමාංකනය කිරීම සඳහා ඓතිහාසික බුබුලු සහ බිඳ වැටීම් අධ්‍යයනය කරන්න

13. අනෙකුත් නැඹුරුතා සමඟ අන්තර්ක්‍රියා

මෙම නැඹුරුව වැඩි කරන නැඹුරුතාවයන්

මෙම නැඹුරුව ප්‍රතික්‍රියා කරන නැඹුරුතාවයන්

පොදු නැඹුරු දාමයන්

දාමය 1: සජීවී උදාහරණය (ලබාගැනීම) → රටා ගැළපීම (නියෝජනය) → මූලික අනුපාතය නොසලකා හැරීම → විශ්වාසනීය වැරදි විනිශ්චය (අධිවිශ්වාසය) → දෝෂය තහවුරු කිරීම (තහවුරු කිරීමේ නැඹුරුව)

දාමය 2: නිශ්චිත අවස්ථාවකට නැංගුරම් දැමීම → ජනගහන දත්ත නොසලකා හැරීම → ආධාරක ආඛ්‍යානය ගොඩනැගීම (ආඛ්‍යාන මුලාව) → නිවැරදි කිරීමේ සාක්ෂි වලට ප්‍රතිරෝධය දැක්වීම

කඳුරැල්ලට (cascade) බාධා කිරීම: වඩාත් ඵලදායී මැදිහත්වීමේ ලක්ෂ්‍යය වන්නේ කල්තියා ය - සජීවී උදාහරණය අවධානය යොමු කිරීමට පෙර. මූලික අනුපාත තොරතුරු පෙර පූරණය කිරීම (pre-loading), සංඛ්‍යාත ආකෘති භාවිතා කිරීම සහ පැහැදිලි මූලික-අනුපාත-පරීක්ෂා කිරීමේ පුරුදු නිර්මාණය කිරීම කඳුරැල්ල ආරම්භ වීම වළක්වා ගත හැකිය.

14. සංස්කෘතික ඉදිරිදර්ශන

මූලික අනුපාත භාවිතයේ සංස්කෘතික විචලනය පිළිබඳ පර්යේෂණ මගින් සිත්ගන්නා රටා හෙළි කරයි, නමුත් නොසලකා හැරීමේ මූලික ප්‍රවණතාව විශ්වීය බව පෙනේ.

හරස් සංස්කෘතික සොයාගැනීම්:

• බටහිර, ආසියානු සහ අනෙකුත් සංස්කෘතික සන්දර්භයන් හරහා මූලික අනුපාත නොසලකා හැරීම අධ්‍යයනයන් නිරන්තරයෙන් සොයා ගනී
• සමහර සාක්ෂි වලින් පෙනී යන්නේ නැඟෙනහිර ආසියානු සහභාගිවන්නන් ඇතැම් සන්දර්භයන් තුළ මඳක් වඩා හොඳ මූලික අනුපාත භාවිතයක් පෙන්වන බවයි, සමහර විට සමස්ථ (holistic) සංජානන ශෛලීන් හා සම්බන්ධ වේ
• සම්භාවිතාව සහ සංඛ්‍යාලේඛන අවධාරණය කරන අධ්‍යාපන ක්‍රම සංස්කෘතික පසුබිම කුමක් වුවත් වඩා හොඳ මූලික අනුපාත ඒකාබද්ධ කිරීමක් නිපදවයි
• සංඛ්‍යානමය සාක්ෂි සඳහා නීති පද්ධතිවල ප්‍රතිකාර සංස්කෘතිය අනුව සැලකිය යුතු ලෙස වෙනස් වේ

විශ්වීය අංශ: වියුක්ත සංඛ්‍යානමය මූලික රේඛාවලට වඩා විශේෂිත සජීවී තොරතුරු වලට වැඩි කැමැත්තක් දැක්වීම යන මූලික සංසිද්ධිය - සංස්කෘතික අවකලනයට පෙර පැවති සංජානන ගෘහ නිර්මාණ ශිල්පය තුළ මුල් බැස ගත් මානව විශ්වීය බවක් පෙනේ.

හරස් සංස්කෘතික ඇඟවුම්: සංස්කෘතික සන්දර්භයන් හරහා සංඛ්‍යානමය සාක්ෂි ප්‍රවේශමෙන් රාමු කිරීම අවශ්‍ය වේ. එක් නීතිමය හෝ වෛද්‍ය පද්ධතියක ක්‍රියා කරන දේ තවත් එකකට සෘජුවම මාරු නොවිය හැක.

15. මිථ්‍යාවන් සහ දුර්මත

16. විශේෂඥ තීක්ෂ්ණ බුද්ධිය

"විශේෂිත කරුණු වලින් සාමාන්‍ය දේ නිගමනය කිරීමට විෂයයන් තුළ ඇති අකමැත්ත සමපාත වූයේ, විශේෂිත දේවලින් සාමාන්‍ය දේ අනුමාන කිරීමට ඔවුන් තුළ ඇති කැමැත්ත සමඟ පමණි." — ආමොස් ට්වර්ස්කි සහ ඩැනියෙල් කානමන්, 1973

"සමානකම් මූලික අනුපාත මගින් බලපෑමට ලක් නොවේ, නමුත් බුද්ධිමය සම්භාවිතා විනිශ්චයන් සමානතාවයෙන් ආධිපත්‍යය දරයි." — ඩැනියෙල් කානමන්, Thinking, Fast and Slow, 2011

"ගැටළුව වන්නේ මිනිසුන්ට සංඛ්‍යානමය වශයෙන් තර්ක කිරීමට නොහැකි වීම නොව, බොහෝ ගැටලු ඉදිරිපත් කර ඇති ආකෘතිය මිනිස් මනස තර්ක කිරීමට පරිණාමය වූ ආකෘතියට අනුරූප නොවීමයි." — ගර්ඩ් ගිගරෙන්සර්, 2002

"මනෝවිද්‍යාඥයින් තම විෂයයන්ගේ තාර්කිකත්වය ඇගයීමට ලක් කරන්නේ කාර්යයට සුදුසු නොවන ප්‍රමිතියකිනි." — එල්.ජේ. කොහෙන්, 1981

17. ප්‍රධාන ගතයුතු කරුණු

1. මූලික අනුපාතය නොසලකා හැරීම විශ්වීය වේ: නිශ්චිත තොරතුරු ලබා ගත හැකි විට සියලු මිනිසුන් සංඛ්‍යානමය මූලික අනුපාත අවතක්සේරු කිරීමට නැඹුරු වෙති - මෙය මිනිස් සංජානන ගෘහ නිර්මාණ ශිල්පයේ ලක්ෂණයක් මිස පුද්ගල අසාර්ථකත්වයක් නොවේ.
2. නියෝජනය පිළිබඳ හූරිස්ටික් යනු යාන්ත්‍රණයයි: අපි සම්භාවිතාව විනිශ්චය කරන්නේ ජනගහනයේ සංඛ්‍යාතයට වඩා මූලාකෘති වලට ඇති සමානකම් මගිනි.
3. ආකෘතිය බෙහෙවින් වැදගත් වේ: සම්භාවිතාවන් ලෙස නොව ස්වාභාවික සංඛ්‍යාත (Y න් X) ලෙස තොරතුරු ඉදිරිපත් කිරීම මෙම මුලාව නාටකාකාර ලෙස අඩු කරයි.
4. සන්දර්භය මූලික අනුපාත භාවිතය මෙහෙයවයි: හේතුඵල වශයෙන් අදාළ බව පෙනෙන විට මිනිසුන් මූලික අනුපාත භාවිතා කරයි; ඔවුන් හුදෙක් "සංඛ්‍යානමය" යැයි හැඟෙන විට ඒවා නොසලකා හරිති.
5. ප්‍රතිවිපාක ව්‍යසනකාරී ය: වැරදි ලෙස වරදකරුවන් කිරීමේ සිට (සැලී ක්ලාක්, ලුසියා ඩි බර්ක්) මූල්‍ය අර්බුද (LTCM, Dot-Com) සිට ඇල්ගොරිතම වෙනස්කම් කිරීම් දක්වා, මූලික අනුපාතය නොසලකා හැරීම ප්‍රධාන සමාජ අසාර්ථකත්වයන් හැඩගස්වයි.
6. නැඹුරුව ඉවත් කිරීම සඳහා සැලසුමක් අවශ්‍ය වේ: අපට හුදෙක් මූලික අනුපාතවලට ගරු කිරීමට "තීරණය" කළ නොහැක—අපට මූලික අනුපාත දෘශ්‍යමාන සහ අදාළ කරන තොරතුරු ගෘහනිර්මාණ, පිරික්සුම් ලැයිස්තු සහ තීරණ ක්‍රියාවලීන් අවශ්‍ය වේ.
7. මෙම නැඹුරුවට ප්‍රතිලාභ ඇත: බොහෝ එදිනෙදා සන්දර්භයන් තුළ, මූලික අනුපාත නොසලකා හරින ඉක්මන් රටා ගැලපීම අනුවර්තනය වන අතර කාර්යක්ෂම වේ - ඉලක්කය වන්නේ සංඛ්‍යානමය චින්තනය අව්‍යාජ ලෙස අවශ්‍ය වන්නේ කවදාදැයි හඳුනා ගැනීමයි.

18. වැඩිදුර සම්පත්

ශාස්ත්‍රීය පත්‍රිකා

• Tversky, A., & Kahneman, D. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251.
• Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684-704.
• Bar-Hillel, M. (1980). The base-rate fallacy in probability judgments. Acta Psychologica, 44(3), 211-233.
• Kahneman, D., & Frederick, S. (2002). Representativeness revisited: Attribute substitution in intuitive judgment. In Heuristics and Biases (pp. 49-81). Cambridge University Press.
• Koehler, J. J. (1996). The base rate fallacy reconsidered: Descriptive, normative, and methodological challenges. Behavioral and Brain Sciences, 19(1), 1-17.

පොත්

• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Gigerenzer, G. (2002). Calculated Risks: How to Know When Numbers Deceive You. Simon & Schuster.
• Gigerenzer, G., Todd, P. M., & ABC Research Group. (1999). Simple Heuristics That Make Us Smart. Oxford University Press.
• Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown.
• Meehl, P. E. (1954). Clinical vs. Statistical Prediction. University of Minnesota Press.

පොත් පරිච්ඡේද

• Meehl, P. E., & Rosen, A. (1955). Antecedent probability and the efficiency of psychometric signs, patterns, or cutting scores. Psychological Bulletin, 52(3), 194-216.
• Hattori, M., & Nishida, Y. (2009). Why does the base rate appear to be ignored? The equiprobability hypothesis. Psychonomic Bulletin & Review, 16(6), 1065-1070.

19. සාරාංශ කාඩ්පත

20. භාවිතා කරන ලද නියමයන්ගේ පාරිභාෂික ශබ්දකෝෂය

21. සාකච්ඡා ප්‍රශ්න

පොත් සමාජ, පන්ති කාමර, හෝ ස්වයං-ප්‍රතිබිම්භ සඳහා:

1. ඔබ මූලික අනුපාතය නොසලකා හැර ඇති බව පසුව වැටහුණු ඔබේ ජීවිතයේ ප්‍රධාන තීරණයක් ගැන ඔබට සිතිය හැකිද? ඔබ වෙනස් ආකාරයකට කරන්නේ කුමක්ද?
2. "තාර්කිකත්වයේ යුද්ධ" (Rationality Wars) මගින් මූලික අනුපාතය නොසලකා හැරීම මිනිස් සංජානනයේ "දෝෂයක්ද" (bug) නැතහොත් "විශේෂාංගයක්ද" (feature) කියා විමසයි. ඔබගේ අදහස කුමක්ද, සහ එහි ඇඟවුම් මොනවාද?
3. ජූරි සභා තුළ මූලික අනුපාත නොසලකා හැරීම පිළිබඳව අප දන්නා දේ අනුව අධිකරණ සංඛ්‍යානමය සාක්ෂි හසුරුවන්නේ කෙසේද? විශේෂ පුහුණුවක් හෝ විශේෂඥ අවශ්‍යතා තිබිය යුතුද?
4. තොරතුරු ස්වාභාවික සංඛ්‍යාතවලින් ඉදිරිපත් කිරීමෙන් මූලික අනුපාතය නොසලකා හැරීම බොහෝ දුරට "විසඳෙන" බව ගිගරෙන්සර් තර්ක කරයි. මෙය සත්‍ය නම්, නිවැරදි ආකෘතියෙන් තොරතුරු ඉදිරිපත් කිරීමේ වගකීම කාගේද - පුද්ගලයින්, ආයතන, හෝ අධ්‍යාපනඥයින්ගේද?
5. AI පද්ධති මිනිස් ජීවිතවලට බලපාන තීරණ වැඩි වැඩියෙන් ගන්නා විට, ඇල්ගොරිතමවල මූලික අනුපාත නැඹුරුව ආමන්ත්‍රණය කිරීමට පවතින බැඳීම් මොනවාද? ඇල්ගොරිතම සාධාරණත්වය නිර්වචනය කළ යුත්තේ කෙසේද?