Принятие решений в неопределенности стр.3

Субъективная оценка вероятности похожа на субъективную оценку физических величин, таких как расстояние или размер. Все эти оценки основаны на данных ограниченной достоверности, которые обработаны согласно правилам эвристики. Например, предположительное расстояние до объекта частично определяется его четкостью. Чем резче объект, тем ближе он кажется. Это правило имеет некоторое обоснование, потому что на любой местности более удаленные объекты кажутся менее четкими, чем более близкие объекты. Однако постоянное следование этому правилу ведет к систематическим ошибкам в оценке расстояния. Характерно, что при плохой видимости расстояния часто переоцениваются, потому что контуры объектов размыты. С другой стороны, расстояния часто недооцениваются, когда видимость хорошая, потому что объекты кажутся более четкими. Таким образом, использование четкости в качестве показателя расстояния ведет к распространенным предубеждениям. Такие предубеждения также можно обнаружить в интуитивной оценке вероятности. В этой книге описываются три вида эвристик, которые используются для оценки вероятности и прогнозирования значений величин. Приводятся предубеждения, к которым ведут эти эвристики, а также обсуждается практическое и теоретическое значение этих наблюдений.

Репрезентативность

Большинство вопросов о вероятности принадлежат к одному из следующих типов: Какова вероятность того, что объект А принадлежит классу В? Какова вероятность, что причиной события А является процесс В? Какова вероятность, что процесс В приведет к событию А? Отвечая на такие вопросы, люди обычно полагаются на эвристику репрезентативности, в которой вероятность определяется степенью, в которой А репрезентативно по отношению к В, то есть степенью, в которой А похоже на В. Например, когда А в высокой мере репрезентативно В, вероятность того, что событие А происходит из В, оценивается как высокая. С другой стороны, если А не похоже на В, то вероятность оценивается как низкая.

Для иллюстрации суждения репрезентативности, рассмотрим описание человека его бывшим соседом: “Стив очень замкнутый и застенчивый, всегда готов мне помочь, но слишком мало интересуется другими людьми и реальностью вообще. Он очень кроткий и опрятный, любит порядок и системати-зированность, а также склонен к детализации. ” Как люди оценивают вероятность того, кто Стив по профессии (например, фермер, продавец, пилот самолета, библиотекарь или врач)? Каким образом люди располагают эти профессии от наиболее до наименее вероятной? Вэвристике репрезентативности, вероятность того, что Стив - библиотекарь, например, определяется степенью, в которой он репрезентативен библиотекарю, или соответствует стереотипу библиотекаря. Действительно, исследование подобных проблем показало, что люди распределяют профессии точно таким же образом (Kahneman и Tversky, 1973,4). Этот подход к оценке вероятности приводит к серьезным ошибкам, потому что на подобие или репрезентативность не оказывают влияние отдельные факторы, которые должны влиять на оценку вероятности.

Нечувствительность к априорной вероятности результата

Одним из факторов, которые не оказывают влияния на репрезентативность, но значительно влияют на вероятность — является предшествующая вероятность, или частота базовых значений результатов (исходов). В случае Стива, например, тот факт, что среди населения намного больше фермеров, чем библиотекарей, обязательно принимается в расчет при любой разумной оценке вероятности того, что Стив скорее является библиотекарем, чем фермером. Принятие во внимание частоты базовых значений, однако, в действительности не влияет на соответствие Стива стереотипу библиотека рей и фермеров. Если люди оценивают вероятность посредством репрезентативности, следовательно, предшествующими вероятностями они будут пренебрегать. Эта гипотеза была проверена в эксперименте, в котором изменялись предшествующие вероятности (Kahneman и Tversky, 1973, 4). Испытуемым показывали краткие описания нескольких людей, выбранных наугад из группы 100 специалистов - инженеров и адвокатов. Тестируемых просили оценить, для каждого описания, вероятность того, что оно принадлежит скорее инженеру, чем адвокату. В одном экспериментальном случае, испытуемым сообщалось, что группа, описания из которой были даны, состоит из 70 инженеров и 30 адвокатов. В другом случае испытуемым сообщалось, что группа состоит из 30 инженеров и 70 адвокатов. Шансы того, что каждое отдельное описание принадлежит скорее инженеру, чем адвокату, должна быть выше в первом случае, где большинство инженеров, чем во втором, где большинство адвокатов. Это можно показать, применяя правило Байеса заключающееся в том, что пропорция этих шансов должна быть (0.7/0.3)2, или 5.44, для каждого описания. Грубо нарушая правило Байеса, испытуемые в обоих случаях, продемонстрировали, в сущности, одинаковые оценки вероятности. Очевидно, участники эксперимента оценили вероятность того, что конкретное описание принадлежит скорее инженеру, чем адвокату как степень, в которой это описание было репрезентативно этим двум стереотипам, мало учитывая, если учитывая вообще, предшествующие вероятности этих категорий.


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