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%