Репрезентативность

Тема 8. Психологические аспекты принятия решений в условиях риска

Многие решения основаны на убеждениях о вероятности неопределенных событий. Эти убеждения обычно выражаются в заявлениях типа “я думаю, что…”, “вероятность такова…”, “маловероятно, что…” и т.д. возникает вопрос, как люди оценивают вероятность неопределенного события или значения неопределенной величины? Оказывается, что существует ограниченное число эвристических принципов, на основании которых лица, принимающие решения (ЛПР) сводят сложные задачи оценки вероятностей и прогнозирования значений величин к более простым операциям суждения. Вообще эти эвристики весьма полезны, но иногда они ведут к серьезным и систематическим ошибкам.

Обратим внимание на три типа эвристики, которые используются при оценках в условиях неопределенности: репрезентативность, которая обычно используется при оценке вероятности того, что объект или случай принадлежит определенному классу или процессу; доступность событий или сценариев, которая используется при оценке частоты класса или правдоподобия отдельно взятого варианта развития событий; и корректировка или “привязка”, которая находит свое применение при количественном прогнозировании, когда доступна соответствующая величина. 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, будет весьма полезным при оценке и принятии решений в условиях риска и неопределенности.

Как уже было описано выше, появление всевозможных эвристик обусловлено сложностью восприятия человеком многих законом случайности, которые не являются ни интуитивно очевидными, ни удобными для применения. Еще менее очевидным является тот факт, что отклонения субъективной оценки от объективной представляются надежными, систематическими и тяжело устранимыми. Говоря об эвристике репрезентативности, следует отметить, что репрезентативность, как подобие при восприятии, легче оценить, чем охарактеризовать. В обоих случаях отсутствует общее определение, хотя существуют случаи, в которых люди выражают свое согласие в том, какой из двух стимулов является более похожим на стандарт, или какое из двух событий более репрезентативно по отношению к данному процессу.

ЛПР свойственно рассматривать любую выборку, отобранную случайным образом из генеральной 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.

Так, например, суть ошибки игрока казино – неправильное представление о справедливости закона случайности. Игрок чувствует, что равнозначность сторон монеты дает ему право ожидать, что любое отклонение в одном направлении будет скоро компенсировано соответствующим отклонением в другую сторону.

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.

Объяснением возникновения эвристики репрезентативности может также служить и нечувствительность ЛПР, к надежности прогноза. Например, менеджер получает некоторую информацию описательного характера о состоянии, и его просят предсказать ее будущую прибыль. Если описание будет 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.

Еще одним объяснением возникновения эвристики репрезентативности может служить присутствие эвристики валидности – необоснованной уверенности, которая является следствием удачного совпадения предсказываемого результата и входных данных. Эта иллюзия сохраняется даже тогда, когда менеджер знает факторы, ограничивающие точность его прогнозов. внутренняя согласованность образца входных данных является основным показателем степени уверенности в прогнозе, основанном на этих входных данных. Например, менеджеры выражают больше уверенности в прогнозе средней стоимости акций, флуктуации цены которых ниже. Высоко согласованные образцы наиболее часто наблюдаются, когда входные переменные очень избыточны или взаимосвязаны. Однако элементарное правило в статистике корреляции утверждает, что, если у нас есть входные переменные определенной валидности, прогноз, основанный на нескольких таких входных данных, может достигать более высокой точности, когда переменные независимы друг от друга, чем, если они являются избыточными или взаимосвязанными. Таким образом, избыточность входных данных снижает точность, даже если она увеличивает уверенность.

Итак, детерминантами репрезентативности (характеристиками выборок или событий, которые делают выборки репрезентативными и демонстрируют влияние на субъективную вероятность) являются следующие свойства выборок и объективные особенности очевидной случайности:

· подобие выборки и совокупности - то есть сохранение в выборке свойств таких же, как в совокупности;

· отражение случайности – для того, чтобы 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.

Как мы уже предположили, эвристика репрезентативности имеет место, когда ЛПР, оценивает вероятность события таким образом, что более репрезентативным событиям соответствует более высокая вероятность, а одинаково репрезентативным событиям приписывается равная вероятность. Определенный интерес представляет исследование данной гипотезы для изучения субъективных распределений анализируемых выборок, то есть вероятность того, что испытуемые возьмут выборки данного размера из указанной совокупности.

Когда выборка описана в терминах единичной статистики (пропорции или среднего), то степень, в которой она репрезентативна совокупности, определяется подобием этой статистике соответствующему параметру совокупности. И поскольку размер выборки не отражает никакой специфической особенности исходной совокупности, он не ассоциируется с репрезентативностью. Так, например, событие, в котором обнаруживается больше чем 600 положительных изменений курсов валют за период в виде выборки из 1000 изменений, например, столь же репрезентативно, как обнаружение более чем 60 моментов положительной динамики в выборке из 100 изменений. Поэтому, два эти события были бы оценены как равновероятные, хотя последнее, на самом деле значительно более вероятно.

Доказательство низкой значимости объема выборки представляется весьма убедительным, в силу того, что исследования, результатом которых являлись построенные распределения субъективной вероятности, проводились по общей схеме: для этого выбирается оцениваемый критерий и обследуемым сообщается его среднее значение. Дальше респондентам предлагается оценить вероятность попадания значения данного критерия в интервалы, отстающие от среднего значения на определенные величины. В итоге получалось, что опрашиваемые приблизительно одинаково оценивали вероятность проявления значения критерия в интервалах, относительно одинаково отстоящих от среднего значения. Таким образом, можно было судить о том, что опрашиваемые не были чувствительны к объемам выборки.

Тип субъективного распределения скорее зависит от сути рассматриваемого явления. Понятие, что разнообразие элементов выборки уменьшается с увеличением количества элементов выборки, очевидно, не является частью интуитивных представлений человека. Действительно, неправильные представления о роли типового размера выборки часто проявляются в повседневной жизни. С одной стороны, люди часто принимают всерьез результат, выражены в процентах, не заботясь о количестве наблюдений, которое может быть на самом деле ничтожно малым. С другой стороны, люди часто остаются скептическими перед лицом неоспоримого свидетельства из большой выборки.

Прогнозирование репрезентативности также заслуживает внимание по части описания ошибок, связанных с этим способом интуитивного прогнозирования. Рассмотрим два вида прогнозов: прогнозирование категории и числовое прогнозирование. При прогнозировании категории, предсказание осуществляется в номинальной форме, при числовом прогнозировании – в числовой. 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.

При наличии определенных данных, соответствующие исходы можно определить степенью, в которой они репрезентативны по отношению к этим данным. Во многих ситуациях репрезентативные последствия действительно более вероятны, чем другие. Но это не всегда так, поскольку существует ряд факторов (априорные вероятности, 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 правила прогнозирования.

Для прогнозирования категории важны три типа информации:

· первичная или фоновая информация (например, объективные исходные статистики прогнозируемой величины);

· дополнительная информация для отдельно взятого случая (например, описание объекта);

· ожидаемая точность прогноза (априорная вероятность правильных ответов);

Фундаментальное правило статистического прогнозирования свидетельствует о том, 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.

Дата добавления: 2014-11-29