Принятие решений в неопределенности стр.35

Инструкции были даны группе из 85 испытуемых (группа с малым количеством инженеров, или L группа). Испытуемые в другой группе (группа с большим количеством инженеров, Н группа; N = 86) получили идентичные инструкции, за исключением априорной вероятности: им указали, что из 100 изученных человек, 70 являются инженерами и 30 адвокатами. Испытуемым обеих групп были выданы одни и те же описания. Вот одно из них:

Джек - 45-летний мужчина. Женат, имеет четверых детей. В общем, консервативен, осторожен и честолюбив. Не проявляет интереса к политическим и социальным проблемам, тратит большую часть свободного времени на свои многочисленные хобби, такие как столярное дело, плавание и решение математических загадок.

Вероятность того, что Джек является одним из 30 инженеров в выборке из 100 человек =_%.

После пяти описаний, испытуемые столкнулись с пустым описанием:

Предположим, что у Вас нет никакой информации относительно человека, выбранного наугад из совокупности.

Вероятность того, что этот человек является одним из 30 инженеров в выборке из 100 человек =_%

И в группе с большим количеством инженеров, и в группе с малым количеством инженеров половину испытуемых просили оценить, для каждого описания, вероятность того, что описанный человек - инженер (как в примере выше), в то время как другие испытуемые оценивали для каждого описания вероятность того, что описанный человек - адвокат. Эта манипуляция оказалась неэффективной. Средние вероятности, приписываемые исходам инженер и адвокат в двух различных формах, в сумме составляли приблизительно 100% для каждого описания. Следовательно, данные для обеих форм были объединены, и результаты представлены с точки зрения исхода инженер.

Структура данного эксперимента позволяет вычислить подходящий образец суждений. Вычисления основываются на формуле Байеса, в форме вероятностей. Пусть О обозначает вероятность того, что отдельно взятое описание принадлежит скорее инженеру, чем адвокату. Согласно правилу Байеса, О = Q х R, где Q обозначает априорную вероятность того, что наугад выбранное описание принадлежит скорее инженеру, чем адвокату; и R -отношение вероятности для отдельно взятого описания, то есть отношение вероятности того, что человек, наугад выбранный из совокупности инженеров, будет описан как инженер, к вероятности того, что человек, отобранный наугад из совокупности адвокатов, будет описан как адвокат.

Рис. 1. Оцененная средняя вероятность (для инженеров) для пяти описаний и для “пустого” описания (квадратный символ) при высоких и низких априорных вероятностях. (Изогнутая линия показывает правильное распределение согласно правилу Байеса.)

Так как соотношение вероятностей в этой формуле сокращается, то для всех описаний должно быть получено одинаковое значение 0H/0L. Следовательно, в данном случае, правильный эффект манипуляции априорной вероятности можно вычислить без знания соотношения вероятностей.

На Рисунке 1 можно увидеть средние оценки вероятности для каждого описания, как при высокой, так и при низкой априорной вероятности. Для каждого описания, средняя оценка вероятности, при высоком априорным соотношении вероятностей (QH = 70/30) соответствует на графике средней оценке, при низкой априорной вероятности (QL = 30/70). Согласно нормативному уравнению, полученному в предыдущем параграфе, все точки должны лежать на кривой Байеса. В действительности, только пустой квадрат, который соответствует “пустым” описаниям, лежит на этой линии: при отсутствии описания, испытуемые решили, что оценка вероятности будет 70% при высокой априорной вероятности и 30% при низкой априорной вероятности. В остальных же пяти случаях, точки лежат недалеко от линии идентификации.


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