Принятие решений в неопределенности стр.76

В другом наборе вопросов мы попросили испытуемых сравнить достоверность прогнозов с использованием двух непрерывных переменных: зависимость от одной была дана, а другую необходимо было спрогнозировать. Как и ранее, задачи построены таким образом, чтобы одна из переменных рассматривалась как причинная относительно другой. Если две переменные обладают подобными предельными распределениями, не существует надежной статистической причины ожидать различие в точности, с которой одна переменная может быть спрогнозирована исходя из другой. Однако мы выдвинули гипотезу, согласно которой многие испытуемые посчитают, что прогнозирование от причины к результату может быть сделано с большей достоверностью, чем предсказание от результата к причине.

Прогнозированная асимметрия между причинными и диагностическими выводами наблюдалась с двумя типами вопросов. Эффект проиллюстрирован следующими задачами, где числа в круглых скобках указывают количество студентов (Университета штата Орегон), которые выбрали каждый ответ.1

Задача 1: Какое из следующих событий является более вероятным?

(А), что у девочки голубые глаза, если у ее матери голубые глаза. (N = 69)

(В), что у матери голубые глаза, если у ее дочери голубые глаза. (N = 21)

(-) два события одинаково вероятны. (N =75)

Задача 2: При осмотре старшеклассников в некотором городе, рост мальчиков сравнили с ростом их отцов. Какой из прогнозов является более достоверным?

(A)    прогнозирование роста отца по росту сына. (N = 23)

(B)    предсказание роста сына по росту отца. (N = 68)

(-) равная достоверность. (N = 76)

Очевидно, что распределение роста или цвета глаз - по существу одно и то же в следующих друг за другом поколениях. Чтобы проверить восприятие этого факта, мы спросили другую группу из 91 испытуемых, является ли пропорция матерей с голубыми глазами в большой выборке матерей и дочерей большей (N = 15), равной (N = 64) или меньшей (N = 12), чем пропорция дочерей с голубыми глазами. Таким образом, хотя испытуемые оценили предполагаемые вероятности как равные, они оценили “причинную” условную вероятность выше, чем “диагностическую”.

Строго говоря, рост отца не обуславливает рост его сына. В обиходе, однако, весьма приемлемо говорить, что мальчик высок, потому что рост его отца -6 футов 4 дюйма, в то время как утверждение, что рост отца - 6 футов 4 дюйма, потому что его сын высок, совершенно аномально. В общем, мы ожидаем асимметрию вывода относительно двух переменных всякий раз, когда первая объясняет вторую лучше чем вторая объясняет первую. Для иллюстрации, рассмотрим следующие задачи, которые были представлены двум различным группам испытуемых:

Задача 3: Какое из следующих утверждений имеет больше смысла?

(A)    Том тяжелый, потому что он высокий. (N — 63)

(B)    Том высокий, потому что он тяжелый. (N — 7)

Задача 4: Какое из предсказаний более достоверно?

(A)    прогнозирование роста человека исходя из его веса. (N = 16)

(B)    прогнозирование веса человека исходя его роста. (N = 78)

Хотя рост и вес не считаются причинами друг друга, большинство испытуемых посчитало, что высокий рост человека лучше объясняет большой вес, чем наоборот, возможно, потому что прототипичный высокий человек обладает большим весом, в то время как прототипичный тяжелый человек не всегда высокий. Соответственно, большинство испытуемых выразило большую уверенность в прогнозировании веса человека исходя из его роста, чем в прогнозировании роста человека исходя из его веса. Такая асимметрия, безусловно, не может быть оправдана на статистических основаниях.


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