Книга. Думай медленно, решай быстро.. Думай медленно решай быстро Даниэль Канеман аст Москва 2014 isbn 9785170800537
 Скачать 2.92 Mb.
|
|
надлежащих оценок. В большинстве исследований реальные значения оцениваемых величин или меньше, чем X , или больше, чем X , примерно для 30 % задач. То есть эксперты выбирают слишком узкие строгие интервалы, говорящие об уверенности большей, чем позволяют их знания об оцениваемой величине. Эта ошибка присуща и неискушенным испытуемым, и умудренным экспертам; ее нельзя снять введением четких правил оценки, которые обеспечивают стимулы для внешней калибровки. Этот эффект связан, по крайней мере частично, с эффектом привязки. Например, чтобы выбрать X для индекса Доу-Джонса , естественно начать с лучшей оценки и корректировать ее, двигаясь вверх. Если этой корректировки – как обычно и бывает – окажется недостаточно, то X окажется недостаточно экстремальным. Такой же эффект привязки возникнет при выборе числа X , которое будет получено корректировкой от лучшей оценки вниз. Следовательно, доверительный интервал между X и X получится слишком узким и граничное распределение вероятностей окажется слишком жестким. В поддержку этого объяснения можно показать, что субъективные вероятности систематически меняются с помощью процедуры, в которой наилучшая оценка не служи т привязкой. Распределения субъективных вероятностей для данной величины (индекс Доу-Джонса) можно получить двумя способами: (а) предложить эксперту выбрать значения индекса Доу-Джонса, соответствующие определенному процентилю его распределения вероятностей, или (б) предложить оценить вероятность того, что истинное значение индекса Доу-Джонса превзойдет некоторые указанные числа. Две процедуры формально эквивалентны и должны дать одинаковые распределения. Однако они подразумевают разные режимы корректировки от разных привязок. В процедуре (а) естественной точкой отсчета становится лучшая оценка величины. В процедуре (б), с другой стороны, эксперт может «привязаться» к величине, указанной в вопросе. Или же привязкой могут стать равные шансы – 50:50, что является естественной точкой отсчета при оценке вероятности. В любом случае процедура (б) даст менее экстремальные оценки, чем процедура (а). Чтобы выявить различия между этими процедурами, исп ытуемым предложили набор из 24 количественных измерений (например, расстояние по воздуху от Нью-Дели до Пекина). Участники эксперимента оценивали X и X для каждой величины. Другая группа испытуемых получила средние результаты первой группы по каждой из 24 величин. Их попросили оценить шансы на то, что каждое из представленных чисел превосходит истинное значение соответствующей величины. При отсутствии отклоняющих факторов вторая группа должна была принять шансы, указанные первой группой, то есть 9:1. Однако если привязкой послужат равные шансы или указанные величины, вторая группа должна указать шансы менее экстремальные, то есть ближе к 1:1. В самом деле, в среднем вторая группа указала по всем вопросам шансы 3:1. Когда результаты двух групп были проверены на внешнюю калибровку, оказало сь, что участники в первой группе были излишне экстремальны, в соответствии с предыдущими исследованиями. События, для которых была указана вероятность 0,10, в действительности происходили в 24 % случаев. Наоборот, участники во второй группе оказались излишне консервативны. События, для которых они называли вероятность 0,34, в реальности происходили в 26 % случаев. Результаты иллюстрируют, каким образом степень правильности оценки зависит от процедуры оценки. Обсуждение В данной статье рассматривались когнитивные искажения, вызванные излишним доверием к эвристическим методам и процедурам. Эти искажения не связаны с эффектами мотивации, такими как принятие желаемого за действительное или искажения, внесенные поощрениями и наказаниями. Некоторые из описанных ранее грубых ошибок в суждениях появляются, несмотря на призывы к точности и вознаграждение за правильный ответ [22]. Излишнее доверие к эвристическим методам и частые ошибки – удел не только дилетантов. Опытные исследователи подвержены тем же ошибкам, когда мыслят интуитивно. Например, тенденция прогнозировать результат, который наиболее соответствует входным данным, в сочетании с невниманием к априорной вероятности, наблюдается в интуитивных суждениях у людей, которые специально изучали статистику [23]. Хотя изучавшие статистику избегают элементарных ошибок, вроде «ошибки игрока», их интуитивные суждения подвержены сходным ошибкам в более запутанных и менее прозрачных ситуациях. Неудивительно, что полезные эвристические методы, такие как репрезентативность и доступность, используются, хотя и приводят иногда к ошибкам в прогнозах и оценках. Удивительно, пожалуй, то, что люди не усваивают таких фундаментальных статистических правил, как регрессия к среднему или влияние размера выборки на изменчивость выборки. Хотя в жизни каждый постоянно сталкивается с примерами, из которых можно вывести эти правила, очень немн огие самостоятельно открывают принципы выборки и регрессии. Статистические принципы не усваиваются из повседневного опыта, потому что соответствующие примеры не кодируются должным образом. Например, люди не осознают, что соседние строки в тексте больше отличаются по средней длине слов, чем соседние страницы, просто потому, что не обращают внимания на среднюю длину слов в строке или на странице. То есть связь между размером выборки и изменчивостью выборки не усваивается, хотя примеров вокруг – в изобилии. Недостаток правильных инструкций объясняет и то, почему люди обычно не замечают искажений в своих суждениях о вероятности. Возможно, человек узнал бы, прошли ли его суждения внешнюю калибровку, ведя строгий учет: какая доля событий произошла из тех, для которых он предсказал ту же вероятность. Однако для людей неестественно группировать события по их прогнозируемой вероятности. Без такого группирования человек не в состоянии узнать, например, что всего лишь 50 % с обытий, которым он приписал вероятность 0,9 и выше, произошли в действительности. Эмпирический анализ когнитивных искажений много дает для оценки прогноза вероятности в теории и на практике. Современная теория принятия решений [24] рассматривает субъективную вероятность как выраженное в цифрах мнение идеального человека. Конкретно субъективная вероятность данного события определяется набором ставок по поводу этого события, на которые согласен человек. Внутренне согласованную, или когерентную, оценку субъективной вероятности можно вывести, если выбор ставок человека удовлетворяет определенным принципам – аксиомам теории. Полученная вероятность будет субъективной в том смысле, что у разных людей может быть разная вероятность для одного и того же события. Главный плюс такого подхода – строгая субъективная интерпретация вероятности, применимая к уникальным событиям и включенная в общую теорию рационального принятия решений. Наверное, следует заме тить, что, хотя субъективную вероятность иногда можно вывести из предпочтений по ставкам, обычно вероятности так не формируются. Человек ставит на команду «А», а не на команду «Б», потому что верит, что у команды «А» больше шансов на победу; он не выводит свою веру из предпочтений по ставкам. В реальности субъективные вероятности определяют предпочтения по ставкам, а не выводятся из них, как в аксиоматической теории принятия рациональных решений [25]. Субъективная, по сути, природа вероятности привела многих исследователей к убеждению, что когерентность, или внутренняя согласованность, – единственный валидный критерий оценки заявленных вероятностей. С точки зрения формальной теории субъективной вероятности любой набор внутренне согласованных суждений о вероятности ничем не хуже других. Такой критерий не вполне удовлетворителен, поскольку внутренне согласованный набор субъективных вероятностей может быть несовместим с другими мнениями, которых придерживается челове к. Представьте человека, чьи субъективные вероятности для всех возможных исходов подбрасывания монеты отражают ошибку игрока. То есть его оценка вероятности решки для конкретного броска растет с ростом числа орлов, выпавших в предшествующих бросках. Суждения такого человека могут быть внутренне согласованны, а значит, должны быть признаны адекватными субъективными вероятностями – по критерию формальной теории. Эти вероятности, однако, несовместимы с общим убеждением, что у монеты нет памяти и, следовательно, результат броска не может зависеть от предыдущих выпадений. Чтобы признать заявленные вероятности адекватными или рациональными, внутренней согласованности недостаточно. Суждения должны быть совместимы со всей системой убеждений, которых придерживается человек. К сожалению, не может быть простой формальной процедуры для оценки совместимости набора суждений о вероятности с общей системой убеждений эксперта. Рациональный эксперт, тем не менее, будет стремиться к совместимости, хотя в нутренней согласованности проще добиться и ее легче оценивать. В частности, эксперт постарается, чтобы его суждения о вероятности были согласованы с его знаниями о предмете, с законами вероятности и его собственными эвристическими методами и искажениями. Summary В статье описаны три эвристических метода, используемых при выработке суждений в условиях неопределенности: (а) репрезентативность, обычно применяемая при оценке вероятности того, что объект или событие «А» принадлежит классу или процессу «Б»; (б) доступность примеров или сценариев, которая часто применяется, если нужно оценить частоту класса или вероятность конкретного развития событий; (в) корректировка от привязки, обычно применяемая при численном прогнозе, когда доступны релевантные величины. Эти эвристические методы очень экономичны и часто эффективны, но ведут к систематическим и предсказуемым ошибкам. Более полное понимание этих эвристических методов и связанных с ними ошибок может повысить качество суждений и решений в ситуации неопределенности. Примечания [1] D. Kahneman and A. Tversky. On the Psychology of Prediction // Psychological Review 80 (1973): 237–51. [2] Ibid. [3] Ibid. [4] D. Kahneman and A. Tversky. Subjective Probability: A Judgment of Representativeness // Cognitive Psychology 3 (1972): 430–54. [5] Ibid. [6] W. Edwards. Conservatism in Human Information Processing // Formal Representation of Human Judgment, ed. B. Kleinmuntz (New York: Wiley, 1968): 17–52. [7] D. Kahneman and A. Tversky. Subjective Probability. [8] A. Tversky and D. Kahneman. Belief in the Law of Small Numbers // Psychological Bulletin 76 (1971): 105–10. [9] D. Kahneman and A. Tversky. On the Psychology of Prediction. [10] Ibid. [11] Ibid. [12] Ibid. [13] A. Tversky and D. Kahneman. Availability: A Heuristic for Judging Frequency and Probability // Cognitive Psychology 5 (1973): 207–32. [14] Ibid. [15] C. Galbraith and B. J. Underwood. Perceived Frequency of Concrete and Abstract Words // Memory & Cognition 1 (1973): 56–60. [16] A. Tversky and D. Kahneman. Availability. [17] L. J. Chapman and J. P. Chapman. Genesis of Popular but Erroneous Psychodiagnostic Observations // Journal of Abnormal Psychology 73 (1967): 193–204; L. J. Chapman and J. P. Chapman. Illusory Correlation as an Obstacle to the Use of Valid Psychodiagnostic Signs // Journal of Abnormal Psychology 74 (1969): 271–80. [18] P. Slovic and S. Lichtenstein. Comparison of Bayesian and Regression Approaches to the Study of Information Processing in Judgme nt // Organizational Behavior & Human Performance 6 (1971): 649–744. [19] M. Bar-Hillel. On the Subjective Probability of Compound Events // Organizational Behavior & Human Performance 9 (1973): 396–406. [20] J. Cohen, E. I. Chesnick, and D. Haran. A Confirmation of the Inertial-Ψ Effect in Sequential Choice and Decision // British Journal of Psychology 63 (1972): 41–46. [21] M. Alpert and H. Raiffa, unpublished manuscript; C. A. Stael von Holstein. Two Techniques for Assessment of Subjective Probability Distributions: An Experimental Study // Acta Psychologica 35 (1971): 478–94; R. L. Winkler. The Assessment of Prior Distributions in Bayesian Analysis // Journal of the American Statistical Association 62 (1967): 776–800. [22] Kahneman and Tversky. Subjective Probability; Tversky and Kahneman. Availability. [23. Kahneman and Tversky. On the Psychology of Prediction; Tversk y and Kahneman. Belief in the Law of Small Numbers. [24] L. J. Savage. The Foundations of Statistics (New York: Wiley, 1954). [25] Ibid.; B. de Finetti. Probability: Interpretations // International Encyclopedia of the Social Sciences, ed. D. E. Sills, vol. 12 (New York: Macmillan, 1968): 496–505. Приложение В Выбор, ценности и фреймы [5 - Статья изначально представляла собой выступление на церемонии вручения наград за выдающиеся научные достижения на конференции Американской психологической ассоциации в августе 1983 г. Впервые опубликована в журнале American Psychologist (1984. Vol. 34). На русском языке впервые опубликована под названием «Рациональный выбор, ценности и фреймы» в «Психологическом журнале» (2003. Т. 24. № 4) (прим. перев.).] Даниэль Канеман и Амос Тверски АННОТАЦИЯ: Мы обсуждаем когнитивные и психофизические де терминанты выбора в ситуациях с риском или без риска. Психофизика ценности приводит к неприятию риска в области прибыли и вызывает стремление к риску в области потерь. Психофизика шанса вызывает чрезмерную переоценку гарантированных исходов и невероятных событий по сравнению с событиями средней вероятности. Задачи, связанные с выбором, можно сформулировать или представить разными способами, которые рождают разные предпочтения, что противоречит неизменяемым критериям рационального выбора. Процесс мысленного подсчета, в ходе которого люди упорядочивают результаты трансакций, объясняет некоторые аномалии в поведении потребителя. В частности, выбор варианта может зависеть от того, оценивается ли отрицательный результат как затраты или как невосполнимые потери. Обсуждается, как соотносятся выбираемая ценность и ощущаемая ценность. Принимать решения – как говорить прозой: люди делают это непрерывно, осознанно или неосознанно. Поэтому неудивительно, что процессом при нятия решения занимаются многие дисциплины – от математики и статистики, экономики и политики до социологии и психологии. Изучение процесса решения включает нормативный и дескриптивный анализ. Нормативный анализ связан с природой рационального и логикой принятия решений. Дескриптивный анализ, со своей стороны, рассматривает убеждения и предпочтения людей – реальные, а не идеальные. Конфликт между нормативными и дескриптивными соображениями во многом характеризует процесс изучения суждений и выбора. При анализе принятия решений обычно различают выбор в условиях риска и без риска. Классический пример решения в условиях риска – принятие пари, приносящего денежный выигрыш с определенной вероятностью. Типичное решение без риска касается сделки, в которой товар или услуга обменивается на деньги или труд. В первой части статьи мы предлагаем анализ когнитивных и психофизических факторов, влияющих на ценность перспектив в условиях риска. Во второй части мы распространим эт от анализ на сделки и обмены. Выбор в условиях риска Выбор в условиях риска (например, взять зонтик или нет, начать войну или нет) производится, когда результат неизвестен заранее. Поскольку последствия таких действий зависят от неопределенных событий, таких как погода или намерения противника, выбор действия можно представить как принятие пари, имеющего различные исходы с различными вероятностями. Тогда естественно сосредоточить исследования по изучению рискованных решений на простых пари с денежными выигрышами и определенными вероятностями, в надежде с помощью простых задач выявить основные закономерности в отношении риска и ценности. Обрисуем подход к выбору в условиях риска, который позаимствовал многие гипотезы из психофизического анализа реакций на деньги и вероятность. |