Как не ошибаться. Сила математического мышления

Но это не значит, что Стиглер неправ; это просто переводит компромисс в другое место. Вы могли бы сократить вероятность опоздания на самолет еще больше, приехав в аэропорт за три часа до вылета. Тем не менее такой шаг, даже если он сократит вероятность опоздания до нуля, неизбежно обойдется вам в 3 ютиля, а это хуже варианта 1. Если отобразить на графике количество часов, которые вы проводите в аэропорту, вместе с ожидаемой ценностью каждого варианта, получится такая картина.

Но это снова кривая Лаффера! Прибытие в аэропорт за пятнадцать минут до вылета сопряжено с высокой вероятностью опоздания со всей отрицательной полезностью, которую это подразумевает. С другой стороны, прибытие в аэропорт за много часов до вылета также обойдется вам во много ютилей. Оптимальный образ действий находится где-то посередине, но где именно – зависит от вашего восприятия относительных преимуществ опоздания на самолет и напрасной потери времени. Если вы никогда не опаздываете на самолет, значит, ваш выбор смещен влево от оптимальной стратегии. Как и говорит Стиглер, вам следует экономить свои ютили и чаще опаздывать на самолет.

Безусловно, такие расчеты носят сугубо субъективный характер: ваш дополнительный час в аэропорту может обойтись вам не во столько же ютилей, во сколько обходится мне. (Я на самом деле терпеть не могу куриные роллы «Цезарь».) Следовательно, от этой теории нельзя ожидать, что она выдаст вам точное время прибытия в аэропорт или точное количество самолетов, на которые следует опоздать. Результат этих расчетов носит качественный, а не количественный характер. Я не знаю, какова самая подходящая для вас вероятность опоздания на самолет; я знаю только, что она не равна нулю.

Одно предостережение: на практике вероятность, близкую к нулю, бывает трудно отличить от нулевой вероятности. Если вы экономист мирового уровня, часто летающий на самолетах, принятие риска опоздания на самолет в размере 1 % может означать, что вы будете опаздывать на самолет каждый год. Для большинства обычных людей такой низкий уровень риска мог бы означать, что они за всю свою жизнь не опоздают ни на один самолет. Следовательно, если 1 % – приемлемый для вас уровень риска, и если вы всегда успеваете на самолет, то это не значит, что вы делаете что-то неправильно. Точно так же не следует использовать аргумент Стиглера для обоснования следующего утверждения: «Если вы никогда не разбивали машину вдребезги, значит, вы ездите слишком медленно». Стиглер сказал бы: если вы вообще не рискуете

разбить свою машину вдребезги, значит, вы ездите слишком медленно, что совершенно верно: единственный способ полностью исключить риск состоит в том, чтобы вообще не ездить!

Аргументация в стиле Стиглера – это полезный инструмент для самых разных задач оптимизации. Рассмотрим хотя бы расточительство правительства: не проходит и месяца, чтобы вы не прочитали в газетах о государственном служащем, который обошел правила системы, чтобы получить завышенную пенсию, или о военном подрядчике, заключившем контракт с Министерством обороны по абсурдно высоким ценам, или о городском агентстве, которое уже давно исчерпало свои функции, но по-прежнему существует за счет населения города благодаря инертности городских властей и влиятельным покровителям. Вот фрагмент из типичной статьи такого рода, опубликованной в Wall Street Journal:

В понедельник генеральный инспектор управления социальной защиты США заявил, что агентство ошибочно выплатило социальных пособий на сумму 31 миллион долларов 1546 американцам, которые предположительно уже скончались.

Генеральный инспектор сказал, что еще больше усугубляет ситуацию тот факт, что информация о смерти каждого из этих людей была подана управлением социальной защиты в государственную базу данных, а это значит, что в агентстве должны были знать о смерти этих американцев и остановить платежи{178}.