Автор работы: Пользователь скрыл имя, 13 Марта 2011 в 16:34, курсовая работа
Даниэль Канеман, сегодня имеющий израильское и американское гражданство, родился в Тель-Авиве в 1934 году. Он получил степень бакалавра психологии и математики в Еврейском университете Иерусалима, где он преподавал с 1961 по 1978 год. Далее, с 1978 по 1986 год, был период преподавания в Колумбийском университете. В период 1986-1994 г.г. Канеман занимал должность профессора в Беркли, где получил степень доктора, а также в университете Принстона.
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 библиотекарей и фермеров.
Эти эвристики высоко экономичны и обычно эффективны, но они приводят к систематическим ошибкам в прогнозе. Лучшее понимание этих эвристик и отклонений, к которым они приводят, могло внести вклад в оценку и .
Если люди оценивают вероятность посредством репрезентативности, следовательно, предшествующими вероятностями они будут пренебрегать. Эта гипотеза была проверена в эксперименте, в котором изменялись предшествующие вероятности [2]. 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.
Испытуемые правильно использовали предшествующие вероятности, когда они не обладали иной информацией. В отсутствии краткого описания личности, они оценивали вероятность того, что неизвестный человек является инженером, как 0.7 и 0.3, соответственно, в обоих случаях, при обоих условиях частоты базовых значений. Однако предшествующие вероятности полностью игнорировались, когда было представлено описание, даже если оно было полностью неинформативно. Реакции на нижеизложенное описание иллюстрируют это явление:
Дик - 30-летний мужчина. Женат, еще не имеет детей. Очень способный и мотивированный сотрудник, подает большие надежды. Пользуется признанием коллег.
Это описание было задумано таким образом, чтобы не предоставить информации о том, является ли Дик инженером или адвокатом. Следовательно, вероятность того, что Дик является инженером, должна равняться пропорции инженеров в группе, как если бы не было дано описания вовсе. Испытуемые, однако, оценили вероятность того, что Дик является инженером, как 5 независимо от того, какая дана пропорция инженеров в группе (7 к 3 или 3 к 7). Очевидно, что люди реагируют по-разному в ситуациях, когда описание отсутствует и когда дано бесполезное описание. В случае, когда описания отсутствуют, предшествующие вероятности используются должным образом; и предшествующие вероятности игнорируются, когда дается бесполезное описание (Kahneman и Tversky, 1973, 4).
Чтобы оценивать вероятность получения конкретного результата в выборке, отобранной из указанной совокупности, люди обычно применяют эвристику репрезентативности. То есть они оценивают вероятность результата в выборке, например, то, что средняя высота в случайной выборке из десяти человек будет б футов (180 сантиметров), в степени в какой этот результат подобен соответствующему параметру (то есть средней высоте людей среди всего населения). Подобие статистики в выборке типичному параметру у всего населения не зависит от размера выборки. Следовательно, если вероятность рассчитывается с помощью репрезентативности, то статистическая вероятность в выборке будет по существу независима от размера выборки. Действительно, когда тестируемые оценивали распределение средней высоты для выборок различных размеров, они производили идентичные распределения. Например, вероятность получения средней высоты более чем 6 футов (180 см) бы л а оценена подобной для выборок 1. ООО, 100 и 10 человек [1]. Кроме того, испытуемые не сумели оценить роль размера выборки даже, когда это было подчеркнуто в формулировке проблемы. Приведем пример, подтверждающий это.
Некоторый город обслуживается двумя больницами. В большей по размеру больнице рождаются приблизительно 45 младенцев каждый день, а в меньшей больнице, приблизительно 15 младенцев каждый день. Как Вы знаете, приблизительно 50% от всех младенцев - мальчики. Однако точный процент меняется со дня на день. Иногда он может быть выше, чем 50%, иногда ниже.
В течение одного года, каждая больница делала учет тех дней, когда больше чем 60% рожденных младенцев были мальчиками. Какая больница, по вашему мнению, сделала учет большего количества таких дней?
Большая по размеру больница (21)
Меньшая больница (21)
Примерно поровну (то есть в пределах разницы в 5%) (53)
Числа в круглых скобках указывают количество отвечавших студентов последних курсов.
Большинство тестируемых оценивало вероятность того, что будет более 60% мальчиков в равной степени и в маленькой, и в большой больнице, возможно, потому что эти события описаны одинаковой статистикой и, таким образом, одинаково репрезентативны по отношению ко всему населению. Напротив, согласно теории выборок, ожидаемое число дней, в которые больше чем 60% рожденных младенцев являются мальчиками, намного выше в маленькой больнице, чем в большой, потому что для большой выборки менее вероятно, отклонение от 50%. Это фундаментальное понятие статистики, очевидно, не является частью интуиции людей.
Подобная нечувствительность к размеру выборки была зафиксирована в оценках апостериорной (posteriori) вероятности, то есть вероятности, что выборка была отобрана скорее из одной совокупности, чем из другой. Рассмотрим следующий пример:
Вообразите корзину, наполненную шарами, из которых 2/3 одного цвета и 1/3 другого. Один человек вынимает из корзины 5 шаров и обнаруживает, что 4 из них красные, а 1 -белый. Другой человек вынимает 20 шаров и обнаруживает, что 12 из них красные, а 8 -белые. Который из этих двух людей должен с большей уверенностью сказать, что в корзине скорее 2/3 красных шаров и 1/3 белых шаров, чем наоборот? Каковы шансы у каждого из этих людей?
В этом примере, правильным ответом является оценка последующих шансов как 8 к 1 для выборки 4:1 и 16 к 1 для выборки 12:8, при условии, что предшествующие вероятности равны. Однако большинство людей думает, что первая выборка обеспечивает намного более серьезное подтверждение для гипотезы, что корзина наполнена в основном красными шарами, потому что процентное отношение красных шаров в первой выборке больше, чем во второй. Это снова показывает, что интуитивные оценки превалируют за счет пропорции выборки, а не ее размера, который играет решающую роль в определении реальных последующих шансов. (Kahneman и Tversky, 1972b). Кроме того, интуитивные оценки последующих шансов (posterior odds) гораздо менее радикальны, чем правильные значения. В проблемах этого типа неоднократно наблюдалась недооценка влияния очевидного (W. Edwards, 1968, 25; Slovic и Lichtenstein, 1971). Этот феномен назван « консерватизмом ».
Люди полагают, что последовательность событий, организованная как случайный процесс представляет существенную характеристику этого процесса даже, когда последовательность короткая. Например, относительно выпад ения монеты «орлом» или «решкой», люди считают, что последовательность О-Р-О-Р-Р-О, более вероятна, чем последовательность О-О-О-Р-Р-Р, которая не кажется случайной, а также более вероятна, чем последовательность О-О-О-О-Р-О, которая не отражает равнозначность сторон монеты [2]. Таким образом, люди ожидают, что существенные характеристики процесса будут представлены, не только глобально, т.е. в полной последовательности, но также и локально - в каждой из ее частей. Однако локально репрезентативная последовательность систематически отклоняется от ожидания шансов, на которые рассчитывали: в ней слишком много чередований и слишком мало повторений. Другое последствие убеждения по поводу репрезентативности — хорошо известная ошибка игрока в казино. Видя, что красные слишком долго выпадают на колесе рулетки, например большинство людей, ошибочно полагает, что, скорее всего, теперь должно выпасть черное, потому что выпадение черного завершит более репрезентативную последовательность, чем выпадение еще одного красного. Шанс обычно рассматривается как саморегулирующийся процесс, в котором отклонение в одном направлении приводит к отклонению в противоположном направлении с целью восстановления равновесия На самом деле отклонения не исправляются, а просто «растворяются» п< мере протекания случайного процесса.
Неправильные представления о шансе характерны не только для неопытных тестируемых. Изучение интуиции в статистических предположениях j опытных психологов-теоретиков (Tversky иKahneman, 1971, 2)показало устойчивое верование в то, что можно назвать законом малых чисел, согласие которому даже маленькие выборки являются высоко репрезентативными отношению к совокупностям, из которых они отобраны. Результаты этих исследователей отразили ожидание того, что гипотеза, достоверная относительно всей совокупности, будет представлена как статистически значимый результат в выборке, причем размер выборки не имеет значения. Как следствие, специалисты слишком верят в результаты, полученные на маленьких выборках, и слишком переоценивают повторяемость этих результатов. При проведении исследования, это предубеждение ведет к отбору выборок неадекватного размера и к преувеличенной интерпретации результатов.
Люди иногда вынуждены делать числовые предсказания, такие как будущий курс акции, спрос на товар или результат футбольной игры. Такие предсказания основываются на репрезентативности. Например, предположим, некто получил описание компании, и его просят предсказать ее будущую прибыль. Если описание компании очень благоприятно, то по этому описанию наиболее репрезентативной будет казаться очень высокая прибыль; если описание посредственно - то наиболее репрезентативным будет казаться заурядное развитие событий. То, насколько описание является благоприятным, не зависит от достоверности этого описания или степени, в которой оно позволяет проводить точное прогнозирование.
Следовательно, если люди делают прогноз, исходя исключительно из благоприятности описания, их предсказания будут нечувствительны к надежности описания и к ожидаемой точности предсказания.
Этот способ делать суждения нарушает нормативную статистическую теорию, в которой экстремум и диапазон предсказаний зависит от предсказуемости. Когда предсказуемость равна нулю, во всех случаях должно быть сделано одно и то же предсказание. Например, если описания компаний не содержат информации относительно прибыли, тогда для всех компаний должна быть спрогнозирована одна и та же величина (в размере среднего значения прибыли). Если прогнозируемость идеальна, конечно, предсказываемые величины будут соответствовать фактическим величинам, и диапазон прогнозов будет равняться диапазону результатов. Вообще, чем выше предсказуемость, тем шире диапазон предсказанных величин.
Некоторые исследования численного прогнозирования показали, что интуитивные предсказания нарушают это правило, и что испытуемые мало учитывают, если учитывают вообще, соображения прогнозируемости [1]. В одном из этих исследований, испытуемым было предоставлено несколько абзацев текста, каждый из которых описывал работу преподавателя ВУЗа в течение отдельно взятого практического занятия. Некоторых тестируемых попросили оценить качество урока, описанного в тексте с помощью процентной шкалы, относительно указанной совокупности. Других тестируемых просили спрогнозировать, также используя процентную шкалу, положение каждого преподавателя ВУЗа через 5 лет после этого практического занятия. Суждения, сделанные при обоих условиях были идентичными. То есть предсказание отдаленного во времени критерия (успех преподавателя через 5 лет) было идентично оценке информации, на основе которой это предсказание было сделано (качество практического занятия). Студенты, которые предположили это, несомненно, знали о том, насколько ограничена прогнозируемость компетентности преподавателя, основанная на единственном пробном уроке, проведенного 5 годами ранее; однако их прогнозы были столь же крайними, сколь и их оценки.
Как мы уже говорили, люди часто делгют прогнозы, выбирая исход (например, профессию), который является наиболее репрезентативным по отношению к входным данным (например, описание человека). То, насколько они уверены в своем прогнозе, зависит, прежде всего, от степени репрезентативности (то есть качества соответствия выбора входным данным) безотносительно факторов, которые ограничивают точность их прогноза. Таким образом, люди вполне уверены в прогнозе, что человек является библиотекарем, когда дано описание его личности, которое соответствует стереотипу библиотекаря, даже если оно скудно, ненадежно или устарело. Необоснованная уверенность, которая является следствием удачного совпадения предсказываемого результата и входных данных, может называться иллюзией валидности. Эта иллюзия сохраняется даже тогда, когда испытуемый знает факторы, которые ограничивают точность его прогнозов. Вполне распространенным является высказывание, что психологи, которые проводят выборочные интервью, часто обладают значительной уверенностью по поводу своих прогнозов, даже если они знакомы с обширной литературой, которая показывает что в выборочных интервью высока вероятность ошибок. Продолжительная уверенность в правильности результатов клинического выборочного интервью, несмотря на повторные свидетельства его неадекватности, является достаточным свидетельством силы этого эффекта.