Принятие решений в неопределенности стр.37

Числовое прогнозирование

Фундаментальное правило нормативной теории прогнозирования гласит, что изменчивость предсказаний на основании ряда случаев, должна отражать точность прогноза. Когда точность прогноза совершенна, человек предсказывает то значение критерия, которое фактически будет получено. Когда неопределенность максимальна, во всех случаях прогнозируется фиксированное значение величины. (При прогнозировании категории, предсказывается наиболее частая категория. При числовом прогнозировании предсказывается среднее значение, мода, медиана или некоторая другая величина в зависимости от функции потерь.) Таким образом, изменчивость прогнозов равна изменчивости критерия, когда точность прогноза совершенна, и изменчивость прогноза равна нулю, когда точность прогноза нулевая. При средней точности прогноза, изменчивость прогноза принимает промежуточное значение, то есть прогнозы регрессивны относительно критерия. Таким образом, чем больше неопределенность, тем меньше изменчивость прогнозов. Прогнозы, сделанные на основании репрезентативности, не следуют этому правилу. В предыдущей главе мы продемонстрировали, что люди не делали регресс в сторону более частых категорий при уменьшении ожидаемой точности предсказаний. Эта глава демонстрирует аналогичную неспособность в контексте числового прогнозирования.

Прогнозирование исходов либо оценка исходных данных

Предположим, Вам сообщают, что консультант-психолог описал студента первого курса как умного, уверенного в себе, начитанного, трудолюбивого и любознательного. Рассмотрим два типа вопросов, которые можно было бы задать по этому описанию:

(А) Оценка: Какое мнение складывается у Вас относительно способностей к учебе после этого описания? Какой процент описаний первокурсников, по Вашему мнению, произвел бы на Вас большее впечатление? (Б) Прогнозирование: Как Вы думаете, какие средние оценки получит этот студент? Какой процент первокурсников получит более высокую среднюю оценку?

Между этими двумя вопросами имеется важное различие. В первом случае Вы оцениваете исходные данные; а во втором, Вы прогнозируете исход. Так как во втором вопросе существует большая неопределенность, чем в йервом, ваше прогнозирование должно быть более регрессивным, чем ваша оценка. То есть процент, который Вы даете в качестве прогноза, должен быть ближе к 50%, чем тот процент, который Вы даете в качестве оценки. Чтобы подчеркнуть различие между этими вопросами, предположим, что описание является неточным. Это никак не должно повлиять на вашу оценку: оценка описаний относительно того, какое они производят впечатление, не зависит от их точности. С другой стороны, в прогнозировании вы должны быть регрессивны настолько, чтобы, предположить, что описание неточно или ваше прогнозирование недостоверно.

Как бы там ни было, гипотеза репрезентативности гласит, что прогнозирование и оценка должны совпадать. Оценивая данное описание, люди выбирают число, которое является наиболее репрезентативным по отношению к описанию. Если люди предсказывают на основе репрезентативности, то в качестве прогноза они также выберут самое репрезентативное число. Следовательно, оценка и прогнозирование - это, по сути, одно и то же. Чтобы проверить эту гипотезу, было проведено несколько исследований. В каждом из этих исследований испытуемым давали описательную информацию касательно некоего набора случаев. Группа оценки определяла качество каждого описания относительно данной совокупности, а группа прогнозирования предсказывала будущее развитие событий. Суждения этих двух групп сравнивались, чтобы проверить, являются ли прогнозы более регрессивными, чем оценки.


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