TTB - e-niversity.com

P3_Entscheiden in komplexen Situationen
Reasoning the Fast and Frugal Way:
Models of Bounded Rationality
Gerd Gigerenzer and Daniel G. Goldstein
Max Plank Institute for Psychological Research and University of Chicago
... präsentiert von Tim Tiefenbach
Übersicht
1.
Einführung
2.
Aufgabe
3.
Theorie
4.
Umgebung
5.
Konkurrenz
6.
Varianten
7.
Diskussion
Einführung
Übersicht
1. Einführung
Wie kann ein Organismus auf unbekannten
Größen in seinem Umfeld rückschließen?
2. Aufgabe
3. Theorie
4. Umgebung
Es gibt drei mögliche Erklärungsmodelle:
5. Konkurrenz
6. Varianten
7. Diskussion
• Klassisches Rationalitätsprinzip
• Heuristik- und Bias Programm
• Modelle der begrenzten Rationalität
Es präsentiert:
Tim Tiefenbach
5%
Einführung
Übersicht
Klassisches Rationalitätsprinzip
1. Einführung
• Die Gesetze der menschlichen Inferenz sind die
gleichen wie die Gesetze der Wahrscheinlichkeit
• Der Mensch als Computer
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Heuristik- und Bias Programm
• Die Gesetze der Inferenz sind schnelle, ungenaue
Heuristiken und nicht die Gesetze der Wahrscheinlichkeit
Beide Modelle sehen die Gesetze der Wahrscheinlichkeit als normativ, sind sich aber uneinig darüber
ob der Mensch diese Normen erfüllen kann.
Es präsentiert:
Tim Tiefenbach
9%
Einführung
Übersicht
Klassisches Rationalitätsprinzip
1. Einführung
• Die Gesetze der menschlichen Inferenz sind die
gleichen wie die Gesetze der Wahrscheinlichkeit
• Der Mensch als Computer
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Heuristik- und Bias Programm
• Die Gesetze der Inferenz sind schnelle, ungenaue
Heuristiken und nicht die Gesetze der Wahrscheinlichkeit
Beide Modelle sehen die Gesetze der Wahrscheinlichkeit als normativ, sind sich aber uneinig darüber
ob der Mensch diese Normen erfüllen kann.
Es präsentiert:
Tim Tiefenbach
9%
Einführung
Übersicht
Modelle der begrenzten Rationalität *
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Anmerkung :
* Begründer
der begrenzten
Rationalität ist
Herbert Simon
Es präsentiert:
Tim Tiefenbach
• Der Mensch ist begrenzt in seinen kognitiven
Fähigkeiten, so dass er nur zu einem gewissen Grad
rational Handeln kann
• Anders als bei den Heuristiken wird die Norm der
klassischen Rationalität hinterfragt
⇒ „Gutes Schlussfolgern“ liefert kein Optimales sondern
ein effizientes Ergebnis, in Bezug auf Grenzen in Zeit,
Wissen und rechnerischer Kapazität
⇒ Befriedigendes Ergebnis
13%
Die Aufgabe
Übersicht
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
Welche Stadt hat die größere Einwohnerzahl?
(a) Wiesbaden
271.076 / Rank 23
(b) Mönchengladbach
262.963 / Rank 25
5. Konkurrenz
6. Varianten
7. Diskussion
Gruppe der „two-alternative-choice tasks“
⇒ Schlussfolgerungen aus dem Gedächtnis
⇒ Schlussfolgerungen von Gegebenem
Die Präsentation beschränkt sich auf Ersteres
Quelle:
www.citypopulation.de
Stand: 01/01/2002
Es präsentiert:
Tim Tiefenbach
Wie kann man ohne das Ergebnis zu wissen,
auf die Einwohnerzahlen rückschließen?
18%
Die Theorie
Übersicht
Theorie der „Probabilistischen Mentalen Modelle“
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Besagt dass Schlussfolgerungen von unbekannten
Größen auf „Wahrscheinlichkeits-Hinweisen“ (probability
cues) beruhen
Diese Modelle benutzen begrenztes Wissen um schnelle
Schlussfolgerungen zu ziehen
Die Suche nach relevanten Kriterien ist auf ein Minimum
reduziert und es besteht keine Verflechtung (Integration)
der Informationen
Es präsentiert:
Tim Tiefenbach
23%
Begrenztes Wissen
Städte
Übersicht
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
Ist mir die Stadt bekannt?
Gibt es eine Universität
...
5. Konkurrenz
6. Varianten
7. Diskussion
Elemente (z.B Städte): a,b,c,d,e ...
Erkennungswert (Recognition):
bekannt, unbekannt
Hinweise (Cue 1, ...):
positiv, negativ, ? unbekannt
Es präsentiert:
Tim Tiefenbach
27%
Take The Best
Übersicht
Start: a, b
Flow-Diagram:
1. Einführung
Erkennung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
Raten
Nein
Wähle die
Alternative
mit +
Gibt es andere
Hinweise?
6. Varianten
7. Diskussion
Ja
Wähle den
Besten Hinweis
Angelehnt an
Figure 2 , p. 653
Es präsentiert:
Tim Tiefenbach
Nein
32%
oder
Ja
Take The Best
Übersicht
Beispiel:
1. Einführung
2. Aufgabe
3. Theorie
Welche Stadt ist
größer a oder b?
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Abfolge in einzelnen Schritten:
Noch ein Beispiel?
Es präsentiert:
Tim Tiefenbach
Schritt 1: Erkennung
Schritt 2: Nach „Hinweis-Werten“ schauen
Schritt 3: Diskriminierungsregel > Hinweis 1 diskriminiert
Schritt 4: Die Suche nach Hinweisen ist beendet
Schritt 5: Die Testperson zieht den Schluss a ist größer
36%
Die Umgebung
1. Einführung
• Alle 83 Städte mit über 100.000 Einwohner in
Deutschland
2. Aufgabe
• Zielvariable: Einwohnerzahl
Übersicht
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
• 9 binäre ökologische Hinweise zu den Städten
• Die Hinweise sind sortiert nach der ökologischen
Validität (vi) [Handout: Wahrheitswert !]
7. Diskussion
⇒ vi =
Alle Paare in denen Hinweis i richtig ist
Alle Paare die von Hin i diskriminiert werden
• Diskriminierungsrate (di) zeigt in wie viel Prozent der
Fälle ein Hinweis zwei Städte „erfolgreich
diskriminiert“, bezogen auf alle Vergleiche zweier
Städten innerhalb der 83 Gegebenen.
Es präsentiert:
Tim Tiefenbach
41%
Die Umgebung
Übersicht
Hinweis
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Mathematische
Erklärung
Siehe Handout
Es präsentiert:
Tim Tiefenbach
Bester Hinweis
vi
di
Bundeshauptstadt
1.00
0.02
Ausstellungsstätte
0.91
0.25
Fußball-Mannschaft in der 1. Liga
0.87
0.30
Anschluss an den Intercity
0.78
0.38
Landeshauptstadt
0.77
0.30
Ist das Nummernschild einstellig
0.75
0.34
Universitätsstadt
0.71
0.51
Ist die Stadt im Industrie-Ring
0.56
0.30
War die Stadt früher in Ostdeutschland
0.51
0.27
45%
Die Umgebung
Übersicht
Hinweis
vi
di
1. Einführung
Bundeshauptstadt
1.00
0.02
3. Theorie
Ausstellungsstätte
0.91
0.25
4. Umgebung
Fußball-Mannschaft in der 1. Liga
0.87
0.30
Anschluss an den Intercity
0.78
0.38
Landeshauptstadt
0.77
0.30
Ist das Nummernschild einstellig
0.75
0.34
Universitätsstadt
0.71
0.51
Ist die Stadt im Industrie-Ring
0.56
0.30
War die Stadt früher in Ostdeutschland
0.51
0.27
2. Aufgabe
5. Konkurrenz
6. Varianten
7. Diskussion
Es präsentiert:
Tim Tiefenbach
50%
Begrenztes Wissen simulieren
Übersicht
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
• 84 Personentypen die zwischen 0 und 83 Städten
erkennen.
• 6 Personentypen denen innerhalb der Städte die sie
erkennen 0%, 10%, 20%, 50%, 75% oder 100% der
Hinweiswerte bekannt waren
• 500 Personen von jedem Typ mit unterschiedlichen
Zufallswerten innerhalb der obengenannten Größen
Problem: In der Realität nicht jede Stadt gleich bekannt!
Korrelation zwischen Bekanntheit und Größe
wurde mit in das Experiment mit einberechnet
Pilot-Studie an
der Uni Chicago
N = 26
r = 0.8
Es präsentiert:
Tim Tiefenbach
Testpersonen wurden zu allen 3.403 Städtepaaren befragt
Insgesamt 84 x 6 x 500 x 3.403 = 858 Millionen Abfragen
54%
Übersicht
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Ergebnis:
Richtige geschlussfolgerte Fälle [%]
Erster Test
Anzahl der bekannten Städte
Quelle:
Figure 4 , p. 656
Es präsentiert:
Tim Tiefenbach
59%
Konkurrenz
Übersicht
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Auszählung (Tallying)
ai, bi = |1 wenn i-ter Hinweis positiv, sonst 0
Gewichtete Auszählung (Weighted Tallying)
ai, bi = |1 • vi wenn i-ter Hinweis positiv, sonst 0
Einheit-gewichtetes Linear Modell
ai, bi = |1 wenn i-ter Hinweis positiv, -1 wenn negativ,
sonst 0
Gewichtetes Linear Modell
ai, bi = |1 • vi wenn i-ter Hinweis positiv, -1 • vi wenn
negativ, sonst 0
Multiple
Regression
Siehe Handout
Es präsentiert:
Tim Tiefenbach
Multiple-Regression
64%
Ergebnis
Übersicht
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Quelle
Figure 6 , p. 659
Es präsentiert:
Tim Tiefenbach
69%
Auswertung
Übersicht
Schnelligkeit:
1. Einführung
Im Durchschnitt wurden von den möglichen 20
Hinweisen nur 5.9 tatsächlich vom TTB untersucht.
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
⇒ Damit ist er durchschnittlich dreimal schneller als
die Konkurrenten
Genauigkeit:
Großdarstellung
Table 2, p. 660
Es präsentiert:
Tim Tiefenbach
73%
Auswertung
Es präsentiert:
Tim Tiefenbach
78%
Varianten
Übersicht
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
„Take The Last“ Algorithmus
• Nimmt anstatt den „Besten Hinweis“, den Hinweis der
bei der letzten Frage diskriminiert hat
• Falls dieser nicht existiert, wird nach einem beliebigen
vorher festgelegten Verfahren vorgegangen
(z.B. Start wie „Take The Best“ Algorithmus)
7. Diskussion
„Minimalist“ Algorithmus
• Nimmt anstatt den „Besten Hinweis“, irgendeinen
zufällig gewählten Hinweis
Es präsentiert:
Tim Tiefenbach
82%
Auswertung II
Es präsentiert:
Tim Tiefenbach
87%
Diskussion
Übersicht
Merkmale der Algorithmen
1. Einführung
2. Aufgabe
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
•
•
•
•
•
Ein-Grund Entscheidung (One-Reason decision making)
Erkennungs-Prinzip
Begrenztes Wissen
Nichtlinearität
Intransitivität (Minimalist Algorithmus)
Durch die Algorithmen kann:
Schlussfolgern rational (normativ) und
psychologisch (deskriptiv) beschrieben werden!
Es präsentiert:
Tim Tiefenbach
91%
Diskussion
Übersicht
Fazit:
1. Einführung
Ist das klassische Rationalitätsprinzip veraltet:?
2. Aufgabe
Beschreibt der TTB den menschlichen Denkprozess?
3. Theorie
4. Umgebung
5. Konkurrenz
6. Varianten
7. Diskussion
Kritik:
Der „Take The Best“ Algorithmus schummelt!
Durch die Verwendung des Besten Hinweises greift er
auf eine zusammengefasste Form der Daten zurück!
Das menschliche Gehirn hat vielleicht nur eine vage
Vorstellung von dem „Besten Hinweis“ zu einer Frage
Dennoch erscheint das Modell der begrenzten Rationalität
plausibler als das klassische Rationalitätsprinzip !
Es präsentiert:
Tim Tiefenbach
94%
Endübersicht:
1.
Einführung
2.
Aufgabe
3.
Theorie
4.
Umgebung
5.
Konkurrenz
6.
Varianten
7.
Diskussion
Endübersicht
Worterklärung
Mathematische Erklärung
Multiregression
präsentiert von Tim Tiefenbach
100%