Канеман Д., Словик П., Тверски А. Принятие решений в неопределенности: Правила и предубеждения

Глава 2. Вера в закон малых чисел Предположим, что вы провели эксперимент с 20 испытуемыми, и получили значимый результат. Вы теперь имеете основание для проведения эксперимента с дополнительной группой из 10 испытуемых. Как вы думаете, какова вероятность того, что результаты будут значимыми, если будет проводиться испытание отдельно для этой группы? Большинство психологов преувеличенно верят в вероятность успешного повтора полученных результатов. Вопросы, которых касается эта часть книги – это источники такой уверенности, и их последствия для проведения научного исследования. Наш тезис состоит в том, что люди обладают сильными предубеждениями относительно случайной выборки; что эти предубеждения ошибочны фундаментально; что эти предубеждения характерны как для простых испытуемых, так и для подготовленных ученых; и что ее применение в ходе научного исследования имеет неудачные последствия. Мы представляем на обсуждение тезис о том, что люди рассматривают выборку, отобранную случайным образом из совокупности, как высоко репрезентативную, то есть подобную всей совокупности во всех существенных характеристиках. Следовательно, они ожидают, что любые две выборки, взятые из ограниченной совокупности, будут более подобны друг другу и совокупности, чем предполагает теория выборок, по крайней мере, для малых выборок. Суть ошибки игрока казино – неправильное представление о справедливости закона случайности. Эта ошибка свойственна не только игрокам. Рассмотрим следующий пример. Средний IQ среди восьмиклассников – 100. Вы выбрали случайную выборку из 50 детей для изучения достижений в учебе. Первый протестированный ребенок имеет IQ 150. Каким, как вы ожидаете, будет средний показатель интеллекта для всей выборки? Правильный ответ – 101. Неожиданно большое количество людей полагают, что ожидаемый IQ для выборки все равно 100. Это может быть оправдано только мнением, что случайный процесс самокорректируется. Высказывания типа «ошибки компенсируют друг друга» отражают представление людей об активном процессе самокоррекции случайных процессов. Некоторые распространенные процессы в природе подчиняются таким законам: отклонение от устойчивого равновесия порождает силу, которая восстанавливает равновесие. Законы вероятности, напротив, не работают подобным образом: отклонения не отменяются по мере перебора элементов выборки, они ослабляются. До сих пор, мы пытались описать два взаимосвязанных вида предубеждений для определения шансов. Мы предложили гипотезу репрезентативности, согласно которой люди полагают, что выборки будут очень подобными друг другу и совокупностям, из которых они отобраны. Мы также предположили, что люди считают, что процессы в выборке являются самокорректирующимися. Эти два мнения ведут к одним и тем же последствиям. Закон больших чисел гарантирует, что очень большие выборки будут действительно высоко репрезентативны по отношению к совокупности, из которой они взяты. Интуиция людей относительно случайных выборок, кажется, соответствует закону малых чисел, который утверждает, что закон больших чисел применяется также и к малым числам. Сторонник закона малых чисел ведет свою научную деятельность следующим образом: Он подвергает риску свои исследовательские гипотезы на небольших выборках, не осознавая, что шансы в его пользу чрезвычайно низки. Он переоценивает мощность. Он редко объясняет отклонение от ожидаемых результатов выборки изменчивостью выборок, потому что он находит «объяснение» любому несоответствию. Эдвардс обосновал, что люди терпят неудачу в извлечении достаточного количества информации или определенности из вероятностных данных. Наши респонденты в соответствии с гипотезой репрезентативности, имеют тенденцию извлекать из данных большее количество определенности, чем данные, фактически, содержат. Что же, в таком случае, можно сделать? Можно ли искоренить веру в закон малых чисел или, по крайней мере, контролировать ее? Очевидная мера предосторожности это вычисление. Сторонник закона малых чисел имеет ошибочные убеждения относительно уровня достоверности, мощности и интервалов доверительности. Уровни значимости обычно вычисляются, и о них сообщается, а мощность и интервалы доверительности – нет. Явное вычисление мощности, относящееся к некоторой обоснованной гипотезе, должно быть выполнено до того, как проведено исследование. Такие вычисления ведут к осознанию того, что нет никакого смысла проводить исследование, если, например, размер выборки не увеличить в 4 раза. Мы отказываемся от убеждения, что серьезный исследователь сознательно пойдет на риск 0,5 того, что его обоснованная гипотеза исследования так и не будет подтверждена. Глава 3. Субъективная вероятность: оценка репрезентативности Мы используем термин «субъективная вероятность» для обозначения любой оценки вероятности события, которую дает испытуемый, или которая выводится из его поведения. Не предполагается, что эти оценки, должны удовлетворять каким-либо аксиомам или требованиям последовательности. Мы используем термин «объективная вероятность» для обозначения числовых значений, подсчитанных на основе установленных допущений, согласно законам вычисления вероятности. Разумеется, эта терминология не совпадает с каким-либо философским представлением вероятности. Субъективная вероятность играет важную роль в нашей жизни. Возможно наиболее общий вывод, полученный из многочисленных исследований, заключается в том, что люди не следуют принципам теории вероятности в оценке вероятности неопределенных событий. Вряд ли это заключение можно считать удивительным, потому что многие из законов случайности не являются ни интуитивно очевидными, ни удобными для применения. Менее очевидным, однако, является тот факт, что отклонения субъективной от объективной вероятности представляются надежными, систематическими, и кажется, что их тяжело устранить. Очевидно, люди заменяют законы случайности эвристикой, оценки которой иногда бывают разумными, но очень часто — нет. В настоящей книге мы подробно исследуем одну из таких эвристик, называемую репрезентативностью. Событие А оценивается как более вероятное, чем событие В всякий раз, когда оно кажется более репрезентативным, чем В. Другими словами, упорядочивание событий по их субъективной вероятности совпадает с упорядочиванием их по репрезентативности. Подобие выборки и совокупности. Понятие репрезентативности лучше объяснять на примерах. Были обследованы все семьи в городе, в которых было шестеро детей. В 72 семьях мальчики и девочки рождались в таком порядке Д М Д М М Д. Как вы думаете, в скольких рассмотренных семьях порядок рождения детей был М Д М М М М? Две последовательности рождений приблизительно одинаково вероятны, но большинство людей, конечно, согласятся, что они не одинаково репрезентативны. Описанная детерминанта репрезентативности заключается в сохранении в выборке соотношения меньшинства или большинства такого же, как и в совокупности. Мы ожидаем, что выборка, которая сохраняет это соотношение, будет оценена как более вероятная, чем выборка, появление которой (объективно) столь же вероятно, но где это отношение нарушено. Отражение случайности. Для того чтобы неопределенное событие было репрезентативным, не достаточно, чтобы оно было подобно своей исходной совокупности. Событие также должно отражать свойства неопределенного процесса, породившего его, то есть оно должно казаться случайным. Главная характеристика очевидной случайности – отсутствие систематических образцов. Например, упорядоченная последовательность выпадений монеты – не репрезентативна. Люди рассматривают шанс как непредсказуемый, но по сути справедливый. Они ожидают, что даже короткие последовательности подбрасываний монеты, будут содержать относительно одинаковое количество «орлов» и «решек». Вообще, репрезентативная выборка – эта та, в которой существенные характеристики исходной совокупности представлены в целом не только в полной выборке, но также и локально в каждой из ее частей. Эта убеждение, как мы предполагаем, лежит в основе ошибок интуиции относительно случайности, которая представлена в широком разнообразии контекстов. Распределение выборок. Когда выборка описана в терминах единичной статистики, например, среднего, то степень, в которой она репрезентативна совокупности, определяется подобием этой статистики соответствующему параметру совокупности. Так как размер выборки не отражает никакой специфической особенности исходной совокупности, он не ассоциируется с репрезентативностью. Таким образом, событие, в котором обнаруживается больше чем 600 мальчиков в выборке из 1000 младенцев, например, столь же репрезентативно, как обнаружение больше чем 60 мальчиков в выборке из 100 младенцев. Поэтому, два эти события, были бы оценены как равновероятные, хотя последнее, на самом деле, значительно более вероятно. Неправильные представления о роли типового размера часто проявляются в ежедневной жизни. С одной стороны, люди часто принимают всерьез результат, выраженный в процентах, не заботясь о количестве наблюдений, которое может быть смехотворно маленьким. С другой стороны, люди часто остаются скептическими перед лицом неоспоримого свидетельства из большой выборки. Влияние размера выборки не исчезает, несмотря на знание верного правила и обширного обучения в области статистики. Существует мнение, что человек, вообще говоря, следует правилу Байеса, но не в состоянии оценить полное воздействие очевидности, и поэтому – консервативен. Мы считаем, что нормативный подход Байеса к анализу и моделированию субъективной вероятности способен принести значительную пользу. Мы считаем, что в своей оценке очевидности человек – вероятно не консервативный последователь Байеса: он – не последователь Байеса вовсе. Глава 4. О психологии прогнозирования При прогнозировании и принятии решений в условиях неопределенности, людям не свойственно определять вероятность исхода или прибегать к статистической теории прогнозирования. Вместо этого, они полагаются на ограниченное число эвристик, что иногда приводит к верным суждениям, а иногда влечет за собой серьезные и систематические ошибки. Мы рассматриваем роль в интуитивных прогнозах одной из таких эвристик – репрезентативности. При наличии определенных данных (например, краткого описания личности), соответствующие исходы (например, род занятий или уровень достижений) можно определить степенью, в которой они репрезентативны по отношению к этим данным. Мы утверждаем, что люди прогнозируют на основе репрезентативности, то есть выбирают или предсказывают последствия, анализируя степень, в которой исходы отражают существенные особенности исходных данных. Во многих ситуациях репрезентативные последствия действительно более вероятны, чем другие. Однако это не всегда так, потому что существует ряд факторов (например, априорные вероятности исходов и надежность первичных данных), которые влияют на вероятность исходов, а не на их репрезентативность. Поскольку эти факторы люди не принимают во внимание, то их интуитивные предсказания систематически и существенно нарушают статистические правила прогнозирования. Прогнозирование категории. Базовое значение, подобие и вероятность Для статистического прогнозирования важны три типа информации: (а) первичная или фоновая информация (например, базовые значения областей специализации выпускников ВУЗов); (б) дополнительная информация для отдельного взятого случая (например, описание личности Тома В.); (в) ожидаемая точность прогноза (например, априорная вероятность правильных ответов). Фундаментальное правило статистического прогнозирования гласит, что ожидаемая точность влияет на удельный вес, приписываемый дополнительной и первичной информации. При уменьшении ожидаемой точности, предсказания должны становиться более регрессивными, то есть близкими к прогнозам, основанным на первичной информации. В случае Тома В., ожидаемая точность была низкой, и испытуемым следовало опираться на априорную вероятность. Вместо этого, они делали прогнозы, на основе репрезентативности, то есть они прогнозировали исходы по их подобию дополнительной информации, не принимая во внимание априорную вероятность. Доказательства, основывающиеся на априорной вероятности либо на информации об индивидууме. Следующее исследование представляет собой более тщательную проверку гипотезы, что интуитивные предсказания зависят от репрезентативности и относительно независимы от априорной вероятности. Испытуемым зачитали следующий рассказ: группа психологов проинтервьюировала и провела личностный тест для 30 инженеров и 70 адвокатов, причем все они добились успеха в своих областях. На основе этой информации, были написаны краткие описания личности 30 инженеров и 70 адвокатов. В ваших анкетах вы найдете пять описаний, выбранные наугад из 100 имеющихся в наличии описаний. Для каждого описания, пожалуйста, укажите вероятность (от 0 до 100) того, что описанный человек является инженером. Испытуемые в другой группе 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. После пяти описаний, испытуемые столкнулись с пустым описанием: предположим, что у вас нет никакой информации относительно человека, выбранного наугад из совокупности. Был построен график (рис. 2). Каждая точка соответствует одному описанию личности. По оси Х указана вероятность отнесения описания личности к профессии инженера, если в условии было сказано, что инженеров в выборке 30%; по оси Y – вероятность отнесения описания к профессии инженера, если в условии было сказано, что инженеров в выборке 70%. Все точки должны лежать на кривой Байеса (выпуклой, сплошной). 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 диагонали квадрата (равных вероятностей). Например, для описания, соответствующего точке А на рис. 1, независимо от условий задачи (и при 30%, и при 70% априорной вероятности), испытуемые оценили вероятность профессии инженера в 5%. Рис. 2. Оцененная средняя вероятность (для инженеров) для пяти описаний (одна точка – одно описание) и для «пустого» описания (квадратный символ) при высоких и низких априорных вероятностях (изогнутая сплошная линия показывает, как должно выглядеть распределение согласно правилу Байеса) Итак, априорная вероятность не принималась во внимание, когда информация об индивидууме была доступна. Испытуемые применили свои знания о априорной вероятности только тогда, когда им не дали никакого описания. Сила этого эффекта демонстрируется ответами на следующее описание: Дик – 30-летний мужчина. Женат, еще не имеет детей. Очень способный и мотивированный сотрудник, подает большие надежды. Пользуется признанием коллег. Это описание было построено таким образом, чтобы быть полностью неинформативным в отношении профессии Дика. Испытуемые обеих групп пришли к согласию: средние оценки составили 50% (точка Б). Разница между ответами на это описание и на «пустое» описание разъясняет ситуацию. Очевидно, люди реагируют по-разному, когда не получают никакого описания, и когда дано бесполезное описание. В первом случае, априорная вероятность принимается во внимание; во втором, априорная вероятность игнорируется. Один из основных принципов статистического прогнозирования гласит, что априорная вероятность, которая суммирует наши знания относительно проблемы до того, как мы получили определенное описание, остается уместной даже после того, как такое описание получено. Правило Байеса переводит этот качественный принцип в мультипликативное соотношение между априорной вероятностью и отношением вероятности. Нашим испытуемым не удалось объединить априорную вероятность и дополнительную информацию. Когда им было предоставлено описание, каким бы неинформативным или недостоверным оно ни было. Неспособность оценить роль априорной вероятности, если дано определенное описание – это, возможно, одно из наиболее существенных отклонений интуиции от нормативной теории прогнозирования. Числовое прогнозирование. 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? (В) 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 первом, 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. С другой стороны, гипотеза репрезентативности гласит, что прогнозирование и оценка должны совпадать. Чтобы проверить эту гипотезу, было проведено несколько исследований. Сравнение не дало значительной разницы изменчивости между группами оценки и прогнозирования. Прогнозирование или трансляция. Люди прогнозируют, выбирая исход, который является наиболее репрезентативным. Главный показатель репрезентативности в контексте предсказания чисел это упорядоченность или взаимосвязанность исходных данных. Чем более упорядочены исходные данные, тем более репрезентативной будет казаться предсказанная величина и тем большей будет достоверность этого прогноза. Было обнаружено, что внутренняя изменчивость или несогласованность исходных данных уменьшает достоверность прогнозов. Невозможно преодолеть заблуждение, для которого упорядоченные профили позволяют большую прогнозируемость, чем неупорядоченные. Стоит отметить, однако, что это убеждение несовместимо с обычно применяемой многовариантной моделью прогнозирования (то есть, нормальной линейной моделью), в которой ожидаемая точность прогноза не зависит от изменчивости в пределах профиля. Представления относительно регресса. Последствия регресса окружают нас повсюду. В жизни у самых выдающихся отцов бывают посредственные сыновья, у замечательных жен заурядные мужья, неадаптированные имеют тенденцию приспосабливаться, а от счастливчиков, в конечном счете, удача отворачивается. Несмотря на эти факторы, люди не приобретают надлежащее понимание регресса. Во-первых, они не ожидают проявления регресса во многих ситуациях, где он должен произойти. Во-вторых, что подтвердит любой преподаватель статистики, чрезвычайно трудно приобрести надлежащее понятие регресса. В-третьих, когда люди наблюдают регресс, они обычно изобретают для этого явления ложные динамические объяснения. Что же делает понятие регресса противоречащим интуиции, который трудно приобрести и применить? Мы утверждаем, что главный источник трудностей – то, что эффекты регресса обычно нарушают интуицию, которая говорит нам, что спрогнозированный исход должен быть максимально репрезентативен по отношению к исходной информации. Ожидание того, что каждый значимый акт поведения высоко репрезентативен по отношению к исполнителю, может объяснить, почему как обыватели, так и психологи постоянно удивляются незначительным корреляциям среди, как кажется, взаимозаменяемых измерений честности, рискованности, агрессии и зависимости. Проблема тестирования. Человек, выбранный наугад, обладает коэффициентом интеллекта, равным 140. Предположим, что коэффициент интеллекта представляет собой сумму «истинного» количества очков и случайную ошибку измерения. Пожалуйста, назовите верхние и нижние пределы достоверности 95% для истинного коэффициента интеллекта этого человека. То есть, назовите такой верхний предел, при котором вы уверенны на 95%, что истинный коэффициент интеллекта, фактически, ниже, чем эта цифра, и такой низший предел, что Вы уверенны на 95%, что истинный коэффициент интеллекта фактически выше. В этой задаче, испытуемых попросили считать наблюдаемый коэффициент интеллекта суммой «истинного» показателя интеллекта и компонента ошибки. Так как наблюдаемый уровень интеллекта значительно выше среднего, более вероятно, что компонент ошибки положителен и что этот человек на последующих тестах получит более низкий результат. Когда эффект регресса обнаружен, он обычно рассматривается как систематическое изменение, которое требует независимого объяснения. Действительно, в социальных науках предлагалось много ложных объяснений эффектов регресса. Использовались динамические принципы, чтобы объяснить, почему бизнес, одно время очень успешный, имеет тенденцию к ухудшению впоследствии. Некоторые из этих объяснений не были бы предложены, если бы их авторы поняли, что если даны две переменные равной изменчивости, следующие два утверждения логически эквивалентны: (a) Y регрессивен относительно X; (б) корреляция между Y и X – меньше единицы. Поэтому объяснение регресса является равносильным объяснению того, почему корреляция меньше единицы. Инструкторы в летной школе использовали политику последовательного положительного поощрения, рекомендуемую психологами. Они устно поощряли каждое успешное выполнение маневра в полете. После некоторого времени применения этого подхода обучения, инструкторы заявили, что вопреки психологической доктрине, высокая похвала за хорошее выполнение сложных маневров, обычно приводит к ухудшению их выполнения при следующей попытке. Что должен ответить психолог? Регресс неизбежен в летных маневрах, потому что выполнение маневра не является абсолютно надежным, и прогресс при их последовательном выполнении идет медленно. Следовательно, пилоты, которые исключительно успешно проявили себя на одном испытании, вероятно, проявят себя хуже на следующем, независимо от реакции инструкторов на их изначальный успех. Опытные инструкторы летной школы фактически обнаружили регресс, но приписали это вредному влиянию поощрения.

Похожие:

	Тема. Принятие решений в условиях неопределенности Образовательная дать знания о Кибертерроризме, путях их распространения, об антивирусных программах и способах их использования на...		Тема: принятие решений в системе менеджменте Определения основных понятий, характеризующих функцию управления «принятие решения»
	2. Принятие решений по финансовым инвестициям 19 В состав практикума включены практические задания и задачи по таким разделам, как финансовый анализ деятельности компании, принятие...		Курсовой проект по дисциплине Методы принятия управленческих решений...
	Курсовой проект по дисциплине Методы принятия управленческих решений...		Курсовой проект по дисциплине Методы принятия управленческих решений...
	Лекция приемы разработки и выборов управленческих решений в условиях... Пособствовать формированию у учащихся навыков экономического соперничества, психологии успеха, умений работать в группе, выступать...		Темы семинарских занятий Функции решения в методологии и организации... Приемы разработки и выборов управленческих решений в условиях неопределенности и риска
	Программа дисциплины «Принятие индивидуальных и коллективных решений»... Предметом изучения курса является процесс разработки и принятия управленческих решений на базе системной концепции и экономико-математических...		Многокритериальный выбор и принятие решений на основе экспертных...
	Статья начинается с разбора примера задачи принятия решения выбора... Орлов А. И. Теория принятия решений с позиций менеджмента. – Журнал «Современное управление». 2000. No С. 23-42		Моей курсовой работы: методы принятия решений. Работа состоит из... ...
	Методические указания для студентов заочного факультета по специальности... Приемы разработки и выбора управленческих решений в условиях неопределенности и риска		Программа дисциплины «Принятие решений»  для направления 230401. 65 «Прикладная математика» Федеральное государственное автономное образовательное учреждение высшего профессионального образования
	Теории обнаружения сигнала Теоретическое положение искусственного интеллекта о том, что реальное поведение человека нельзя объяснить без учета не-факторов [2],...		Программа по формированию навыков безопасного поведения на дорогах... Целью освоения дисциплины является формирование способности принятия обоснованных и объективных решений при проектировании технических...