Войти в систему
Войти с помощью соц. сетей:
Ваша предположение, что завтра будет дождь, – это субъективная уверенность, но не следует позволять себе верить всему, что приходит в голову. Чтобы быть полезными, ваши убеждения должны ограничиваться логикой вероятности. Если вы считаете, что вероятность дождя завтра 40 %, также следует верить, что вероятность того, что дождя не будет, составляет 60 %, и не следует верить, что вероятность дождя завтра утром 50 %. А если вы верите, что кандидат Х. станет президентом с вероятностью 30 % и, в случае избрания, будет переизбран с вероятностью 80 %, то вы должны верить, что он будет избран дважды с вероятностью 24 %.
Правила, важные для случаев вроде задачи о Томе В., предлагаются байесовской статистикой. Этот важный современный подход к статистике назван в честь преподобного Томаса Байеса, английского священника XVIII века, сделавшего первый крупный вклад в решение серьезной задачи: логику того, как следует менять свое мнение в присутствии фактов. Правило Байеса определяет, как сочетать существующие убеждения (априорные вероятности) с диагностической ценностью информации, то есть насколько гипотезу следует предпочитать альтернативе. Например, если вы считаете, что 3 % студентов-магистров занимаются компьютерными науками (априорная вероятность), и также считаете, что, судя по описанию, Том В. в четыре раза вероятнее изучает именно их, чем другие науки, то по формуле Байеса следует считать, что вероятность того, что Том В. – компьютерщик, составляет 11 %. Если априорная вероятность составляла 80 %, то новая степень уверенности будет 94,1 %, и так далее.
Математические подробности в этой книге не важны. Необходимо помнить два важных положения о ходе байесовских рассуждений и о том, как мы его обычно нарушаем. Во-первых, априорные вероятности важны даже при наличии информации о рассматриваемом случае. Часто это интуитивно не очевидно. Во-вторых, интуитивные впечатления о диагностической ценности информации часто преувеличены. WYSIATI и ассоциативная когерентность заставляют нас верить в истории, которые мы сами для себя сочиняем. Ключевые правила упорядоченных байесовских рассуждений формулируются очень просто:
• Оценку вероятности результата следует основывать на достоверной априорной вероятности.
• Необходимо сомневаться в диагностической ценности вашей информации.
Оба правила просты и ясны. Как ни странно, меня никогда не учили, как ими пользоваться, и даже сейчас следование им кажется мне неестественным.
«Газон ухожен, секретарь в приемной выглядит профессионалом, мебель красива, но из этого не следует, что компанией хорошо управляют. Надеюсь, совет директоров не пойдет на поводу у репрезентативности».
«Эта новая компания выглядит многообещающе, но априорная вероятность успеха в этой отрасли очень низкая. Откуда мы знаем, что в данном случае все будет по-другому?»
«Они постоянно делают одну и ту же ошибку: предсказывают маловероятные события на основании недостаточных данных. При недостатке информации всегда лучше придерживаться априорных вероятностей».
«Я понимаю, что этот изобличительный отчет, возможно, основывается на веских доказательствах, но уверены ли мы в этом? При его рассмотрении следует учитывать сомнительность данных».
В нашем самом известном эксперименте, вызвавшем больше всего споров, речь шла о вымышленной женщине по имени Линда. Мы с Амосом придумали ее, чтобы убедительно показать роль эвристики в суждениях и несовместимость эвристических методов с логикой. Линду мы описывали так:
Линде 31 год, она не замужем, откровенная и очень умная. В университете изучала философию. Будучи студенткой, она уделяла много внимания вопросам дискриминации и социальной справедливости, а также участвовала в демонстрациях против использования ядерного оружия.
В 1980-е годы, услышав это описание, все смеялись, потому что немедленно понимали, что Линда училась в Калифорнийском университете в Беркли, который в то время славился своими радикальными, политически активными студентами. В одном из экспериментов мы предоставили испытуемым список из восьми сценариев развития событий, возможных для Линды. Как и в задаче про Тома В., некоторые располагали их по репрезентативности, другие – по вероятности. Задача про Линду напоминает задачу про Тома В., но с некоторыми важными изменениями.
Линда – учительница начальной школы.
Линда работает в книжном магазине и занимается йогой.
Линда – активистка феминистского движения.
Линда – социальный работник в психиатрии.
Линда – член Лиги женщин-избирательниц.
Линда – кассир в банке.
Линда – страховой агент.
Линда – кассир в банке и активистка феминистского движения.
По многим признакам видно, что это старое задание. Лига женщин-избирательниц уже не играет такой роли, как раньше, а мысль о феминистском «движении» кажется странной из-за изменений в статусе женщин, произошедших за последние тридцать лет. И все-таки даже в эпоху «Фейсбука» легко угадать почти единодушное мнение: Линда хорошо подходит на роль активной феминистки, неплохо – на роль сотрудницы книжного магазина, занимающейся йогой, и вряд ли подходит на роль страхового агента или банковского кассира.
Теперь обратите внимание на важный момент: похожа ли она больше на кассира или на кассира – активистку феминистического движения? Все сходятся во мнении, что Линда больше подходит под образ «кассира-феминистки», чем под стереотипное представление о кассирах. Обычные кассиры – не феминистки, добавление этой подробности делает историю более когерентной.
Важное изменение содержится в оценках вероятности, поскольку между этими двумя сценариями существует логическое отношение. Представьте себе диаграмму Венна. Множество кассиров-феминисток полностью включено во множество кассиров, поскольку каждая кассир-феминистка – кассир. Следовательно, вероятность того, что Линда – кассир-феминистка, обязана быть меньше вероятности того, что она – кассир. Чем больше подробностей возможного события вы упоминаете, тем меньше его вероятность. Таким образом, задание порождает конфликт между предчувствием репрезентативности и логикой вероятности.
Первый эксперимент был межкатегориальный (between-subject). Каждый участник знакомился с семью вариантами, среди которых был только один важный пункт («кассир» или «кассир-феминистка»). Некоторые располагали ответы по сходству, другие – по вероятности. Как и в случае с Томом В., «кассир-феминистка» в обоих случаях оказалась в среднем выше расположенной, чем просто «кассир».
Затем мы провели внутрикатегориальный (within-subject) эксперимент, представив испытуемым вышеприведенный список вопросов, где «кассир» располагался на шестом месте, а «кассир-феминистка» – на последнем. Мы были убеждены, что участники заметят отношение между двумя вариантами и поступят в соответствии с логикой, а потому не собирались проводить отдельный эксперимент. В лаборатории проходило еще одно исследование, и моя ассистентка попросила участников предыдущего эксперимента перед уходом заполнить анкету про Линду.
В лотке на столе собрался десяток опросников. Я мельком проглядел их и обнаружил, что все участники сочли «кассира-феминистку» более вероятной, чем просто «кассира». Я тогда так удивился, что до сих пор помню и серый металлический стол, и где кто стоял в тот миг, когда я сделал свое открытие. Я позвонил Амосу и в большом волнении рассказал ему, что в столкновении логики с репрезентативностью победила репрезентативность!
Выражаясь языком этой книги, наблюдается ошибка Системы 2: у испытуемых была возможность заметить, что уместно применить правила логики, поскольку в список были включены оба варианта. Они этой возможностью не воспользовались. Расширив эксперимент, мы обнаружили, что логику вероятности нарушили 89 % студентов из нашей выборки. Мы твердо считали, что респонденты, знающие статистику, справятся лучше, и потому задали те же вопросы аспирантам программы изучения принятия решений Стэнфордской высшей школы бизнеса, прослушавшим курсы по теории вероятностей, статистике и теории принятия решений. Мы снова удивились: 85 % этих респондентов также решили, что «кассир-феминистка» вероятнее, чем просто «кассир».
Потом мы предпринимали все более отчаянные попытки избавиться от ошибки, представляя Линду большим группам людей и задавая им простой вопрос:
Какой из вариантов вероятнее?
Линда – кассир.
Линда – кассир в банке и активистка феминистского движения.
Эта урезанная версия задания сделала Линду знаменитостью в определенных кругах и вызвала годы полемики. Примерно от 85 до 90 % студентов крупных университетов – вопреки логике – выбрали второй вариант. Что примечательно, они не слишком стыдились своей ошибки. Когда я с некоторым негодованием спросил у большой аудитории: «Вы понимаете, что нарушили элементарное логическое правило?!», кто-то из задних рядов прокричал мне в ответ: «И что?», а студентка старших курсов, допустившая ту же оплошность, объяснила ее так: «Я думала, вы просто интересуетесь моим мнением».
Выражения «ошибка умозаключения» или «ложный аргумент» обычно используют, когда люди не применяют необходимое и уместное логическое правило. Мы с Амосом ввели понятие ошибка конъюнкции, которую совершают, когда при непосредственном сравнении считают, что совпадение двух событий (в данном случае того, что Линда – кассир и феминистка) возможно с большей вероятностью, чем одно из них.
Как и иллюзия Мюллера-Лайера, ошибка конъюнкции кажется привлекательной, даже если вы ее распознаете. Натуралист Стивен Джей Гулд, зная правильный ответ, так описал свою борьбу с задачей про Линду: «В голове продолжал прыгать крошечный гомункулус, крича: „Она не может быть просто кассиром, почитай ее описание!“» «Крошечный гомункулус» Гулда – это, конечно же, настойчивая Система 1 (в то время терминологии двух систем еще не существовало).
Лишь в одном из наших экспериментов большинство испытуемых дали правильный ответ на сокращенную версию задачи про Линду: 64 % из группы студентов старших курсов на факультете социальных наук в Беркли правильно посчитали, что исход «кассир-феминистка» менее вероятен, чем просто «кассир». В версии с восемью вариантами ответа, приведенной в начале главы, только 15 % аналогичной группы студентов старших курсов сделали такой выбор. Разница поучительна. В более длинной версии два самых важных варианта разделены пунктом «страховой агент», и читатели оценивали их раздельно, не сравнивая. Более короткая версия, напротив, требовала прямого сравнения, которое мобилизовало Систему 2 и позволило большинству студентов, знающих статистику, избежать ошибки. К сожалению, мы не исследовали обоснование неверного выбора довольно значительного меньшинства (36 %) в этой группе.
Предложенные респондентами оценки вероятности и в задании про Тома В., и в списке вопросов про Линду в точности соответствовали оценкам по репрезентативности (сходству со стереотипами). Репрезентативность – это часть группы тесно связанных базовых оценок, которые с большой вероятностью генерируются совместно. Самые репрезентативные результаты в соединении с описанием личности дают самые когерентные истории – необязательно самые вероятные, зато правдоподобные, а опрометчивые люди легко путают понятия когерентности, правдоподобия и вероятности.
Некритическая замена вероятности правдоподобием пагубно влияет на оценки при использовании сценариев в качестве инструментов прогнозирования. Следующие два сценария представили разным группам с просьбой оценить их вероятность:
В будущем году в Северной Америке случится наводнение, в котором погибнет более 1000 человек.
В будущем году в Калифорнии произойдет землетрясение, которое вызовет наводнение, и погибнет более 1000 человек.
Сценарий о землетрясении в Калифорнии более правдоподобен, чем сценарий о наводнении в Северной Америке, хотя его вероятность, безусловно, ниже. Как и ожидалось, вопреки логике, сценарий с бо́льшим количеством подробностей посчитали более вероятным. Это – ловушка для прогнозистов и их клиентов: сценарии с дополнительными подробностями более убедительны, но сбываются с меньшей вероятностью.
Чтобы оценить роль правдоподобия, обдумайте следующие вопросы:
Что вероятнее?
У Марка есть волосы.
У Марка светлые волосы.
и
Что вероятнее?
Джейн – учительница.
Джейн – учительница и ходит на работу пешком.
У обоих вопросов та же логическая структура, что и у задачи про Линду, но ошибок в ответах на них не бывает, поскольку более подробный вариант не кажется более правдоподобным, более когерентным или лучшей историей. Оценка правдоподобия и когерентности не предлагает ответа на вопрос о вероятности. В отсутствие конфликта с интуицией логика торжествует.
Войти с помощью соц. сетей: