Pourquoi pensons-nous qu'un événement aléatoire a plus ou moins de chances de se produire s'il s'est produit plusieurs fois dans le passé ?

L'erreur du joueur

a expliqué.
Bias

Qu'est-ce que le sophisme du joueur ?

L'erreur du joueur décrit notre croyance que la probabilité qu'un événement aléatoire se produise dans le futur est influencée par les cas précédents de ce type d'événement.

Gambler's fallacy illustration

Où ce biais se produit-il ?

Prenons l'hypothèse suivante : Jeanne adore jouer au Blackjack et elle est plutôt douée dans ce domaine. Mais depuis quelques jours, elle est en train de perdre. Jane a connu plusieurs séries de défaites au cours de ses nombreuses années de jeu, et elle a remarqué une tendance : elles se terminent généralement au cinquième voyage au casino, lorsqu'elle gagne gros.

Aujourd'hui, c'est le cinquième jour de la série de défaites dans laquelle elle se trouve actuellement. Elle entre dans le casino avec un sourire, sachant qu'aujourd'hui est son jour.

Plusieurs heures et plusieurs parties de Blackjack plus tard, Jane est vaincue. Elle a perdu une énorme somme d'argent. "Comment est-ce possible ?", se demande Jane. Le cinquième jour, elle gagne toujours !

La conviction de Jane qu'elle allait réussir au casino ce jour-là, et la consternation qui a suivi son échec imprévu, sont le résultat d'un sophisme du joueur. Les habitudes de jeu de Jeanne l'ont amenée à croire qu'il y avait une forte probabilité qu'elle gagne au blackjack. Le problème, c'est qu'il n'y a pas de lien de cause à effet entre les deux. La durée de ses séries de pertes antérieures n'a aucune incidence sur la probabilité qu'elle mette fin à cette série de pertes.

Related Biases

Références

  1. Stevenson and Mihnea C. Moldoveanu, H. (2014, August 01). The Power of Predictability. Retrieved July 08, 2020, from https://hbr.org/1995/07/the-power-of-predictability
  2. Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131. doi:10.1126/science.185.4157.1124
  3. Effectiviology. (n.d.). Retrieved July 05, 2020, from https://effectiviology.com/gamblers-fallacy/
  4. Effectiviology. (n.d.). Retrieved July 05, 2020, from https://effectiviology.com/gamblers-fallacy/
  5. Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131. doi:10.1126/science.185.4157.1124
  6. Effectiviology. (n.d.). Retrieved July 05, 2020, from https://effectiviology.com/gamblers-fallacy/
  7. Barron, G., & Leider, S. (2010). The role of experience in the Gambler's Fallacy. Journal of Behavioral Decision Making, 23(1), 117-129. doi:10.1002/bdm.676
  8. Croson, R., & Sundali, J. (2005). The Gambler’s Fallacy and the Hot Hand: Empirical Data from Casinos. Journal of Risk and Uncertainty, 30(3), 195-209. doi:10.1007/s11166-005-1153-2
  9. Owen, A. M. (2011). The Monte Carlo fallacy. Medical Journal of Australia, 195(7), 421-421. doi:10.5694/mja11.10937
  10. Constantinides, G. M. (1985). The Disposition to Sell Winners Too Early and Ride Losers Too Long: Theory and Evidence: Discussion. The Journal of Finance, 40(3), 791. doi:10.2307/2327803
  11. Croson, R., & Sundali, J. (2005). The Gambler’s Fallacy and the Hot Hand: Empirical Data from Casinos. Journal of Risk and Uncertainty, 30(3), 195-209. doi:10.1007/s11166-005-1153-2
Notes illustration

Vous souhaitez savoir comment les sciences du comportement peuvent aider votre organisation ?