လွန်ခဲ့တဲ့ လအနည်းငယ်က လူ့အဖွဲ့အစည်းအား
ကျုပ်တို့က စိန်ခေါ်ခဲ့ကြတယ်။
လူတိုင်းကို မေးခဲ့တာက ၀ ကနေ ၁၀၀ အထိ
ပေးထားတဲ့ ကိန်းပြည့် အစဉ်တစ်ခုမှာ
နံပါတ်အားလုံးရဲ ပျမ်းမျှရဲ့ ၂/၃ နဲ့
အနီးစပ်ဆုံး ကိန်းပြည့်ကို မှန်ကြည့်ပါ၊
မှန်းဆတာ အားလုံးရဲ့ ပျမ်းမျှဟာ ၆၀ ဆိုရင်၊
မှန်ကန်တဲ့ မှန်းဆချက်ဟာ ၄၀ ဖြစ်လိမ့်မယ်။
ပျမ်းမျှရဲ့ ၂/၃ မှာ မှန်ကန်တဲ့ မှန်းဆ
ချက်ဟာ ဘယ်နံပါတ်လဲ။
ဒီအဖြေအတွက် နည်းလမ်းကို ကြိုးစား
ဆင်ခြင်နိုင်မလားဆိုတာ ကြည့်ရအောင်။
ဒီကစားပွဲကို ဘုံအဖြစ် ဂိမ်း သီအိုရီသမား
တွေ သိကြတဲ့ အခြေအနေတွေမှာ ကစားတာပါ။
ကစားသမားတိုင်းဟာ တူညီတဲ့
သတင်းအချက်အလက် ရှိရုံတင်မက
အခြားလူတိုင်းလည်း သိတာကို သိကြပြီး
အခြားလူတိုင်းကလည်း လူတိုင်း လုပ်တာ
စသည်ဖြင့် အဆုံးစွန် သိကြတယ်။
ကဲ လူတိုင်း ၁၀၀ လို့ ခန့်မှန်းရင်
အမြင့်ဆုံး ဖြစ်နိုင်ခြေ ဖြစ်ပေါ်လိမ့်မယ်။
ဒီဖြစ်ရပ်မှာ ပျမ်းမျှရဲ့ ၂/၃ ဟာ
၆၆.၆၆ ဖြစ်လိမ့်မယ်။
လူတိုင်းက ဒါကို တွက်ချက်နိုင်တာကြောင့်
၆၇ ထက် ပိုမြင့်တာကို မှန်းဆဖို့က
အဓိပ္ပါယ်ရှိမှာ မဟုတ်တော့ဘူး။
ကစားနေတဲ့လူတိုင်း တူညီတဲ့
ကောက်ချက်တစ်ခု ရတယ်ဆိုရင်
ဘယ်သူမှ ၆၇ ထက် ပိုမြင့်တာ
မှန်းကြမှာ မဟုတ်ဘူး။
အခု ၆၇ က အမြင့်ဆုံး ပျမ်းမျှ
ဖြစ်နိုင်ခြေ အသစ်ဆိုတော့
၄၄ ဖြစ်တဲ့ ဒါရဲ့ ၂/၃ ထက်ပိုမြင့်တာ
ဖြစ်သင့်တယ်လို့ မှန်းဆဖို့ ယုတ္တိမရှိဘူး။
ယုတ္တိဗေဒက ကျယ်သထွက် ကျယ်အောင်
ဖြန့်ထုတ်နိုင်ပါတယ်။
အဆင့်တိုင်းမှာ အမြင့်ဆုံး ဖြစ်နိင်ခြေရှိ
တဲ့ အဖြေဟာ ငယ်သထက် ငယ်လာနေတယ်။
ဒီတော့ အနိမ့်ဆုံး ဖြစ်နိုင်ခြေ မှန်းဆဖို့
အဓိပ္ပါယ်ရှိမယ်လို့ ထင်ရတယ်။
တကယ်တမ်းက လူတိုင်းက သုညကို ရွေးရင်
ကစားပွဲဟာ Nash Equilibrium လို့
သိကြတဲ့ဆီကို ရောက်သွားလိမ့်မယ်။
ဒါက ကစားသူတိုင်း အကောင်းဆုံးဖြစ်နိုင်ခြေ
ရှိတဲ့ ဗျူဟာကို ရွေးထားတဲ့အခြေအနေတစ်ခုပါ။
ဘာလို့ဆိုတော့ လူတိုင်း ကစားနေပြီး
ဘယ်ကစားသမား တစ်ဦးချင်းမျှ
ခြားနားစွာ ရွေးချယ်တာကနေ အကျိုးမရှိနိုင်
ဘူးဆိုတာကို သူတို့ကိုယ်တိုင် ပေးထားလို့ပါ။
ဒါပေမဲ့ ဒါက လက်တွေ့လောကမှာ
ဖြစ်ပျက်တာတော့ မဟုတ်ဘူး။
ဖြစ်သွားတတ်တာက လူတွေဟာ
ပကတိ ဆင်ခြင်တုံတရား မရှိတာဖြစ်ဖြစ်၊
ပကတိ ဆင်ခြင်တုံတရား ရှိတယ်လို့
တစ်ဦးကိုတစ်ဦး မယုံကြည်တာဖြစ်ဖြစ်ပါ။
ဒါမှမဟုတ် နှစ်ခု ပေါင်းစပ်ထားတဲ့
တစ်ခုခုဖြစ်နိုင်လောက်တယ်။
ဒီကစားပွဲကို လက်တွေ့လောက
အခြေအနေထဲမှာ ကစားတဲ့အခါ
ပျမ်းမျှက ၂၀ နဲ့ ၃၅ ကြားက
တစ်နေရာရာ ဖြစ်နေတတ်ပါတယ်။
Danish သတင်းစာ Politiken က ဖတ်ရှုသူ
၁၉၀၀၀ ပါဝင်တဲ့ ကစားပွဲကို ကျင်းပပေးတယ်။
ပျမ်းမျှကိန်းက အကြမ်းဖျင်း ၂၂ ရပြီး
အဖြေမှန်ကို ၁၃ ဖြစ်သွားစေတယ်။
ကျွန်ုပ်တို့ရဲ့ ပရိသတ်အတွက်
ပျမ်းမျှက ၃၁.၃ ပါ။
ဒိတော့ ပျမ်းမျှရဲ့ ၂/၃ဟာ ၂၁ လို့
သင် ခန့်မှန်းထားရင်ချီးကျူးပါတယ်။
စီးပွားရေး ဂိမ်း သီအိုရီသမားတွေမှာ
ယုတ္တိတန်မှုနဲ့ လက်တွေ့ကျမှုကြားမှာရှိတဲ့
တစ်ပြေးညီ တွေးခေါ်ခြင်းခေါ်တဲ့ အပြန်အလှန်
ကစားပွဲကို ပုံစံထုတ်တဲ့နည်းတစ်ခုရှိတယ်။
K က တွေးခေါ်ခြင်း စက်ဝန်းတစ်ခု ထပ်ကျော့
တဲ့ အကြိမ် အရေအတွက်ကို ကိုယ်စားပြုတယ်။
k အဆင့်မှာ ကစားနေတဲ့ လူတစ်ယောက်ဟာ
အခြား ကစားသမာတွေအကြောင်း မစဉ်စားဘဲ
နံပါတ်တစ်ခုကို ကျပန်း ခန့်မှန်းရင်း
ဒီကစားပွဲကို ရိုးစင်းစွာ ချဉ်းကပ်လိမ့်မယ်။
k အဆင့် ၁ မှာ ကစားသမားတစ်ဦးဟာ
လူတိုင်းဟာ ၀ အဆင့်မှာ ကစားနေတယ်လို့ယူဆပြီး
၅၀ ရဲ့ ပျမ်းမျှကို ရပြီး
ဒီနည်းနဲ့ ၃၃ လို့ ခန့်မှန်းတယ်။
k အဆင့် ၂ မှာတော့ အခြားလူတိုင်းဟာ
အဆင့် ၁ မှာ ကစားနေတယ်လို့ သူတို့ယူဆပြီး
သူတို့ကို ၂၂ ကို မှန်းဆဖြစ်စေတယ်။
၀ ကို ရောက်ဖို့ k အဆင့်
၁၂ ဆင့်လိုလိမ့်မယ်။
လူအများစုဟာ k အဆင့် ၁ (သို့) မှာ
ရပ်သွားတယ်လို့ သာဓကက ညွှန်းတယ်။
ဒါက သိဖို့ အသုံးတည့်တာက
k အဆင့် စဉ်းစားခြင်းက လောင်းကြေး
မြင့်တဲ့ အခြေအနေတွေမှာအရေးပါလာလို့ပါ။
ဥပမာ၊ စတော့ ရောင်းဝယ်သူတွေဟာ စတော့တွေကို
ဝင်ငွေ အစီရင်ခံစာတွေမှာသာ အခြေခံတာမဟုတ်ဘဲ
ဒီကိန်းတွေမှာ အခြားသူတွေ နေရာယူတဲ့
တန်ဖိုးမှာလည်း
တန်ဖိုးဖြတ်တာကြောင့်ပါ။
ဘောလုံးပွဲမှာ ပြစ်ဒဏ်ဘော အချိန်အတွင်းမှာ
ကန်သွင်းသူနဲ့ ဂိုးသမားနှစ်ယောက်စလုံးဟာ
အခြားသူတွေးနေတာကို အခြေခံပြီး
ဘယ်လား၊ညာလား ဆိုတာကို ဆုံးဖြတ်ကြတယ်။
ဂိုးသမားတွေက မကြာခဏ သူတို့ ပြိုင်ဘက်ရဲ့
ပုံစံတွေကို ကြိုတင် ကျက်မှတ်ထားပေမဲ့
ပြစ်ဒဏ်ဘော ကန်သူတွေဟာ ဒါကို သိပြီး
သင့်တော်သလို စီစဉ်နိုင်ကြတယ်။
ဖြစ်ရပ်တစ်ခုစီမှာ ပါဝင်သူတွေဟာ
အခြေအနေကို နားလည်တဲ့ အခြားပါဝင်သူတွေ
ဘယ်လိုတွေးတယ်ဆိုတာကို ဆန့်ကျင်ပြီး
လုပ်ဆောင်မှုရဲ့ အကောင်းဆုံး လမ်းကြောင်းရဲ့
သူတို့ရဲ့ကိုယ်ပိုင်
နားလည်ခြင်းကို ချိန်ဆရမှာပါ။
ဒါပေမဲ့ k အဆင့် ၁ (သို့) ၂ က ဘယ်နည်းနဲ့
မဆို ခက်ခဲ၊ မြန်ဆန်တဲ့ စည်းမျဉ်းတစ်ခုပါ။
ဒီဖြစ်တတ်မှုကို သတိမူမိခြင်းက လူတွေကို
မျှော်မှန်းချက်တွေကို ချိန်ညှိစေပါတယ်။
ဥပမာ၊ ယုတ္တိအတန်ဆုံး ချဉ်းကပ်မှုနဲ့
အတွေအများဆုံးကြားက ခြားနားချက်ကို
နားလည်ပြီးနောက်မှာ
လူတွေ ၂/၃ ကစားပွဲကို
ကစားရင် ဘာဖြစ်လိမ့််မလဲ။
အောက်က ပုံစံကို အသုံးပြုရင်း ပျမ်းမျှ
အသစ်ရဲ့ ၂/၃ ဟာ ဘာဖြစ်မယ်ဆိုတာရဲ့
ကိုယ်ပိုင် မှန်းဆချက်ကို လျှောက်တင်ပါ။
ကျွန်ုပ်တို့ အဖြေရှာပေးပါမယ်။