Априорные и индивидуализирующие данные
Следующий эксперимент послужил более строгой проверкой гипотезы о том, что интуитивные прогнозы основываются на репрезентативности и относительно нечувствительны к априорным вероятностям. Этот эксперимент был построен таким образом, чтобы априорные вероятности были совершенно очевидны и имели такой же формат, как ответ, который должны были дать испытуемые. Испытуемым была представлена следующая «легенда»:
Группа психологов проинтервьюировала 30 инженеров и 70 юристов; каждый из которых успешно работает в своей области деятельности, и провела их личностное тестирование. На основе полученной информации были составлены краткие описания этих 30 инженеров и 70 юристов. На выданной вам форме вы найдете пять описаний, которые были наугад выбраны из имеющихся 100 описаний. Для каждого из этих описаний укажите вероятность того, что описанный человек является инженером, пользуясь шкалой от 0 до 100.
Ту же задачу выполняла группа экспертов, которые исключительно точно присваивали вероятности различным описаниям. Вам будет выплачена премия, размер которой зависит от того, насколько ваши оценки будут близки к оценкам группы экспертов.
Эти указания были даны группе из 85 испытуемых (группа «меньше инженеров»). Испытуемые из другой группы (группа «больше инженеров»; N = 86) получили такие же указания, за исключением априорных вероятностей: им сказали, что в состав описанной группы входили 70 инженеров и 30 юристов. Всем испытуемым выдали один и тот же набор из пяти описаний. Приводим одно из этих описаний:
Джеку 45 лет. Он женат и у него четверо детей. Он консервативен, осторожен и старателен. Он не интересуется политическими и социальными проблемами и большую часть свободного времени посвящает своим многочисленным хобби, среди которых столярное дело, парусный спорт и решение математических головоломок. Вероятность того, что Джек является одним из 30 инженеров в выборке из 100 человек, равна____%.
Вслед за пятью описаниями испытуемые получали нулевое описание:
Предположим теперь, что вам вообще не дали никакой информации о человеке, которого выбрали наугад. Вероятность того, что этот человек является одним из 30 инженеров в выборке из 100 человек, равна____%.
В обеих группах (группе «меньше инженеров» и группе «больше инженеров») половину испытуемых просили для каждого из пяти описаний оценить вероятность того, что описанный человек является инженером (как в приведенном выше примере), а другая половина испытуемых оценивала вероятность того, что описанный человек является юристом. Эта манипуляция не оказала никакого влияния на результаты. Срединные значения вероятностей, приписанных исходам инженер и юрист испытуемыми из разных половин групп, в сумме давали примерно 100% для каждого описания. Поэтому данные, полученные с помощью деления групп пополам, были объединены, и результаты представлены для исхода инженер.
<...>
Явные манипуляции распределением априорных вероятностей оказали минимальное влияние на субъективные вероятности. ...Испытуемые пользовались своими априорными знаниями только тогда, когда у них не было специфических данных. Как следует из гипотезы репрезентативности, как только испытуемые получали индивидуализирующую информацию, они почти переставали обращать внимание на априорные вероятности. | Этот эффект был весьма силен, о чем свидетельствуют, например, реакции на следующее описание:
Дику 30 лет. Он женат, но у него нет детей. Имея прекрасные способности и высокую мотивацию, он подает большие надежды и, вероятно, добьется успеха в своей области. Он очень нравится своим коллегам.
Это описание было построено так, чтобы оно не давало никакой информации относительно профессии Дика. Наши испытуемые прореагировали одинаково: срединные значения оценок были равны 50% в обеих группах... Такой результат можно объяснить, рассмотрев различия между реакциями на это описание и на нулевое описание. Очевидно, когда люди не получают специфической информации и когда получают бесполезную информацию, они реагируют по-разному. Когда нет специфических данных, они правильно используют априорные вероятности; когда имеются бесполезные специфические данные, они пренебрегают априорными вероятностями.
Существуют ситуации, когда априорные вероятности, по-видимому, играют более существенную роль. Во всех рассмотренных до сих пор примерах с различными исходами ассоциировались четкие стереотипы, и мы полагаем, что суждения основывались на том, насколько описания казались репрезентативными для этих стереотипов. В других задачах естественнее рассматривать исходы в виде отрезков на оси, вдоль которой измеряется некая величина. Предположим, например, что некоего человека просят оценить вероятность того, что каждый из нескольких студентов получит стипендию. В этой задаче не существует четко определенных стереотипов студентов, получающих или не получающих стипендию. Естественнее было бы считать, что исход (например, получение стипендии) определяется положением конца отрезка на оси, вдоль которой измеряются академические достижения или способности. При предсказании исходов можно использовать априорную вероятность, то есть процентную долю студентов релевантной группы, получающих стипендию, для определения положения конца отрезка. Поэтому маловероятно, что ее проигнорируют. Кроме того, можно ожидать, что экстремальные априорные вероятности будут оказывать некоторое влияние даже в присутствии четких стереотипов исходов. Чтобы точно определить, при каких условиях априорная информация используется, а при каких ей пренебрегают, необходимы дальнейшие исследования.
Один из основных принципов статистического прогнозирования гласит, что априорная вероятность, в которой обобщены наши знания о проблеме до получения независимых специфических Данных, остается актуальной даже после получения таких данных... Однако наши испытуемые не 'сумели интегрировать априорную вероятность со специфическими данными. Получив описание, даже такое скупое И ненадежное, как описания Тома У. или Дика (инженер/юрист), они явно начинали считать, что процентное соотношение профессий в группе уже потеряло актуальность. Неумение признать актуальность априорной вероятности в присутствии специфических данных является, по-видимому, одним из самых существенных из характерных для интуитивных методов отступлений от статистической теории прогнозирования.