Принятие решений в неопределенности стр.230

26. Гипотеза угадывания в многоступенчатом выводе*

Чарльз Ф.Джеттис, Клинтон Келли III и Камерон Р. Петерсон

Многоступенчатый вывод состоит из ряда одноступенчатых выводов, где результат каждой предыдущей стадии становится входными данными к следующей стадии. В выводах с единственной стадией рассуждают, исходя из данных или однозначно наблюдаемого свидетельства к набору гипотез. Многоступенчатый вывод начинается с тех же самых однозначных данных или свидетельства в первой стадии; однако, входные данные для следующей стадии - это результат предыдущей стадии. Следующая стадия вывода поэтому базируется на вероятностях событий, а не на определенном знании, что некоторый случай является верным (Gettys и Wilike, 1969).

Например, предположим, что Вы хотели предсказать успех или неудачу большой вечеринки в саду. Предположим, что вечеринка, менее вероятно, будет успешной, если собравшиеся будут толпиться в закрытом помещении из-за дождя. Ваша переменная - присутствие темного облака на горизонте. Первая стадия вывода связала бы темное облако с наличием или отсутствием дождя в течение вечеринки. Предположим, что Вы оценили, что вероятность дождя была 0.70. Эта оценка стала бы входными данными к следующей стадии вывода. Если бы Вы знали с уверенностью, что будет дождь, то Вы могли бы вывести вероятность того, что вечеринка будет иметь успех. Но Вы полностью не уверены, что будет дождь; данные, которые Вы имеете, указывают на дождь с вероятностью 0.70, так что, что вам теперь делать?

Модифицированная теорема Байеса (МТБ) обеспечивает оптимальную модель для таких многоступенчатых выводов (Dodson, 1961; Gettys и Wilike,

1969). Множество исследований показало, что интуитивная работа в многоступенчатой задаче заканчивается большей определенностью, извлекаемой из данных, чем предсказано моделью МТБ. Например, в задаче оценки шан сов шансы испытуемых типично больше, чем рассчитанные МТБ. Этот результат весьма удивителен, потому что свидетельство указывает, что поведение людей в задаче вывода единственной стадии почти всегда консервативно; то есть, люди извлекают меньше определенности, чем гарантируют данные (например, W. Edwards, 1966). Парадокс, конечно, в том, что многоступенчатый вывод является совокупностью выводов. Если люди извлекают меньше определенности, чем гарантируют данные в одноступенчатых выводах, то в многоступенчатой ситуации можно было ожидать, что они станут все более консервативными с каждой последующей стадией, так как их отклонения от не оптимальности должны накапливаться от стадии к стадии. Фактически это изменение верно; они более уверены в конце двух стадий вывода, чем гарантировано оптимальной моделью МТБ. Из этого следует, что некоторый процесс происходит в “интерфейсе” одноступенчатого вывода, который является настолько экстремумным, что любой консерватизм побежден.

Задача вывода единственной стадии всегда базируется на данных, которые известны. Однако, даже при том, что многоступенчатая задача начинается с определенных данных, апостериорные стадии вывода имеют дело с неопределенными данными. Несколько моделей были сформулированы для объяснения, как необходимость иметь дело с вероятностями данных, а не с определенными данными могла бы создать чрезмерную определенность в многоступенчатом выводе. Одна неопт. ;мальная модель, имеющая свойство предсказания чрезмерной определенности - модель “Как будто” (Gettys и Willke, 1969; Howell, Gettys, и Martin, 1971). Эта модель, разработанная для ситуаций, в которых люди имеют выбор, чтобы собрать больше данных, если они чувствуют, что они нужны, предполагает, что сбор данных продолжается в первой стадии вывода, пока человек принимающий решения не достаточно уверен в состоянии мира. Как только его уверенность превышает некоторое пороговое значение, он переходит к следующей стадии вывода, действуя “как будто” он полностью уверен относительно данных следующей стадии. Чтобы возвратиться к примеру вечеринки в саду, принимающий решение, увидев темное облако, мог бы получить текущее сообщение прогноза погоды. Предположим, в прогнозе погоды был предсказан серьезный шторм. Уверенность в вероятности дождя теперь превысила бы его пороговое значение, и он переходит ко второй стадии вывода, “как будто” он уверен в том, что будет дождь. Результат второй стадии вывода был бы его оценкой вероятности успеха или неудачи, основанной на его "как будто" предположении о дожде. Его оцененная вероятность для неудачи должна теперь превысить фактическую вероятность (МТБ) неудачи, потому что, делая "как будто" предположение о дожде, он игнорирует вероятность, что этого дождя может не быть. Если, фактически, его, "как будто" предположение неправильно, и дождь не идет, то вечеринка, вероятно, будет иметь успех. Оптимальная модель рассматривает обе возможности, дождь и отсутствие дождя, в приписывании вероятности к успеху или не удаче. Модель "как будто" рассматривает только возможность дождя, и по этой причине ведет к чрезмерной уверенности, что вечеринка не удастся.


⇐ назад к прежней странице | | перейти на следующую страницу ⇒