Statistiek tegen het lot

Dat vrouwen gemiddeld de voorkeur geven aan iets oudere partners, schrijft een concrete vrouw geen keuze voor; een verhoogde echtscheidingsfrequentie bij een bepaalde gedragsstijl wijst niet aan elk paar een scheiding toe. Maar individualiteit heft de waarschijnlijkheid evenmin op. Groepsgegevens geven een uitgangsschatting die je daarna moet bijstellen met de geschiedenis van de concrete persoon.

In bayesiaanse taal, die gewoonlijk enger klinkt dan het idee zelf, is de algemene statistiek de uitgangsverwachting. Als van iemand maar een paar kenmerken bekend zijn, zijn basisfrequenties nuttig: ze beschermen tegen verhalen die te makkelijk blijven hangen en tegen zekerheid die op één bekend voorbeeld berust. Daarna komen de eigen waarnemingen. Een partner komt jarenlang beloftes na, kan een fout erkennen, gebruikt afhankelijkheid niet als hefboom en blijft betrouwbaar in een crisis — die gegevens moeten zwaarder wegen dan een algemeen onderzoek over zijn leeftijd, geslacht of beroep. En omgekeerd: een mooie zelfbeschrijving en het behoren tot een „goede” groep wegen niet op tegen herhaald concreet gedrag. Statistiek is er niet om de mens niet te zien, maar om de waarneming niet vanaf nul te beginnen en de algemene prognose op tijd door een bijzondere te vervangen. Samenvattende analyses van longitudinaal onderzoek stemmen daar maar deels mee overeen: individuele verschillen in relatietevredenheid blijven merkbaar bestaan in de tijd, en de sterkste kenmerken van de actuele relatiekwaliteit liggen vaak binnen het paar — in de waargenomen toewijding van de partner aan de relatie, dankbaarheid, conflict en seksuele tevredenheid. Veranderingen in kwaliteit in de loop van de tijd voorspellen dezelfde modellen aanzienlijk slechter.

Een gemiddelde is vooral nuttig bij een bijna volledig gebrek aan persoonlijke informatie. Naarmate persoonlijke informatie zich opstapelt, verlagen werkelijke daden, herhaalbaarheid en context het gewicht ervan. Een uitzondering heft de verdeling niet op, en een verdeling vervangt de waargenomen mens niet. De fout ontstaat wanneer een enkel gelukkig voorbeeld tot universele regel wordt uitgeroepen of een groepswaarschijnlijkheid tot vonnis over iemand van wie de geschiedenis al rechtstreeks te bestuderen valt.

Een beschrijvende frequentie schept geen norm. Het gemiddelde aantal seksuele contacten verplicht een paar niet zijn cijfer op te schroeven, het statistische verband tussen huwelijk en welbevinden maakt van elk huwelijk geen therapie, een wijdverbreide verdeling van het huishoudelijk werk maakt die verdeling niet rechtvaardig. Voor een normatieve beslissing zijn een doel en een verdelingsbeginsel nodig. Een variabele kan het gemiddelde resultaat verhogen en de positie van een concrete deelnemer verslechteren: specialisatie kan tegelijk het gezamenlijke inkomen en de afhankelijkheid vergroten; een hoge prijs van echtscheiding kan specifieke investeringen beschermen en iemand in geweld vasthouden; controle kan het ene risico verlagen en het andere voortbrengen.

Partnerrelaties bemoeilijken de prognose bovendien doordat het object op de prognose zelf reageert. Iemand die te horen krijgt dat zijn relatie gedoemd is, kan ophouden erin te investeren en de voorspelling helpen uitkomen; een paar dat het risico ziet, kan de regels veranderen en de afloop minder waarschijnlijk maken. Anders dan een planeetbaan bevat een verbintenis deelnemers die het model lezen, er beledigd door zijn, het als wapen gebruiken of hun gedrag ombouwen. De formule betreedt hier de omgeving die ze beschrijft. „Wie minder liefheeft, is sterker” kan een kilte scheppen die het vervolgens als bewijs van het eigen gelijk opvat; „echte liefde kost geen moeite” verandert gewoon coördinatiewerk in een teken van een verkeerde keuze. Een goed model moet rekening houden met de voorspelling en met de gevolgen van het feit dat mensen gaan leven alsof die een wet is.