Необъективность при оценке риска

Психологи и другие ученые, исследующие то, каким образом люди определяют степень рискованности различных ситуаций, знают, что при оценке «туманной смеси догадок» (Paulos, 1994, р. 34), на которых строится информация, нуждающаяся в нашей интерпретации, большинство из нас становится жертвой распространенных предубеждений. Вот некоторые из них (Wandersman & Hallman, 1993):

1. Когда люди рискуют добровольно, то они воспринимают риск менее серьезно по сравнению со случаями вынужденного риска. Например, многие считают, (337:) что косметические операции безопаснее, чем операции, от которых мы не можем отказаться. В конце концов, пациенты добровольно идут на косметическую операцию, поэтому им приходится убеждать себя, что эта операция «достаточно безопасна».

2. Естественные риски считаются менее опасными, чем искусственные. Например, многие люди считают, что природные токсины, имеющиеся в нашей пище, менее опасны, чем попавшие в нее пестициды или добавление консервантов.

3. Запоминающиеся события, в которых пострадало одновременно большое количество людей, воспринимаются как более рискованные по сравнению с обыденными и менее яркими событиями. Примером этого эффекта является большое количество людей, которые боятся попасть в авиакатастрофу, но почти не думают о безопасности при поездках на автомобиле.

4. События, которые люди считают подконтрольными человеку, воспринимаются как более безопасные по сравнению с теми событиями, которыми нельзя управлять. Многие люди склонны чувствовать себя в большей безопасности, сидя за рулем, а не в качестве пассажира, поскольку большинство из нас считает себя водителями выше среднего уровня.

5. Явления, которые невозможно наблюдать и которые связаны с эффектными и пугающими последствиями (генная инженерия, радиоактивные отходы, СПИД и ядерные реакторы), считаются более рискованными, чем явления, связанные с известной степенью риска или менее пугающими последствиями (курение, автокатастрофы, динамит и пистолеты; Slovic, 1987).

Очевидно, что личное восприятие риска отличается от его научной оценки. Эксперты по оценке риска судят о риске на основе данных о ежегодной смертности; события, вызывающие наибольшее количество смертей, расцениваются как самые рискованные. Например, эксперты сочли автотранспорт источником большего риска, чем использование ядерной энергии (поскольку в автокатастрофах погибает больше людей), в то время как выборки, составленные из студентов колледжей и членов Лиги женщин-избирателей, посчитали ядерную энергию источником большего риска (так как катастрофы, связанные с ее использованием, могут иметь ужасающие воображение последствия).

Главная трудность при интерпретации маловероятных рисков, таких как наводнения или ядерные аварии, состоит в том, что статистические данные о них трудны для осмысления. Трудно соотнести с собственной жизнью тот факт, что конкретное связанное с риском событие случается с одним из 10 000 человек. Нам необходимо так переформулировать эту информацию, чтобы она отвечала на вопрос: «Насколько вероятно, что это случится со мной?» Один из предлагаемых способов осмысления такого рода информации состоит в том, чтобы перевести все подобные риски в стандартные единицы «риска в час» (Slovic, Fischoff, & Lichtenstein, 1986). Предположим, например, вы узнаете, что риск, связанный с поездкой на мотоцикле, равен риску, который связан с пребыванием в 75-летнем возрасте в течение одного часа. Поможет ли подобная информация осмысленно интерпретировать риск, связанный с поездкой на мотоцикле? Хотя она может принести пользу при оценке сравнительного риска (поездка на мотоцикле по сравнению с полетом на дельтаплане), сама по себе такая информация бесполезна, поскольку понять, что подразумевается под риском пребывания в 75-летнем возрасте в течение одного часа, все равно трудно. (338:)

В качестве избирателей и потребителей мы постоянно сталкиваемся с необходимостью принятия решений по огромному количеству самых разных проблем, включающих в себя использование ядерной энергии, радиационное заражение пищевых продуктов, хирургические операции, качество воды и воздуха, применение лекарств. Для принятия обоснованного решения всегда необходимо тщательное рассмотрение информации, касающейся оценки риска, связанного с данным решением (например, исторические данные, аналогичные риски и риски, связанные с отдельными компонентами), а также понимание факторов, приводящих к тенденциозности при субъективной оценке риска.

Ниже приводятся ответы на заданные выше вопросы о вероятностях причин смерти, сопровождающиеся действительными частотностями каждой причины (количество смертей на 100 000 000 человек). Проверьте свои ответы и выясните, не сделали ли вы общих ошибок, переоценив события, которые касаются большого количества людей одновременно и лучше запоминаются (такие, как авиакатастрофы), и недооценив те риски, которые мы считаем управляемыми (такие, как вождение автомобиля).

Более вероятные	Количество	Менее вероятные	Количество
А.	Астма		Торнадо
Б.	Сифилис		Замерзание
В.	Диабет	19 000	Самоубийство	12 000
Г.	Болезни сердца	360 000	Рак легких	37 000
Д.	Убийства		Наводнение
Е.	Диабет	19 000	Сифилис
Ж.	Астма		Ботулизм
З.	Удар молнии		Отравление витаминами	0,5
И.	Убийство		Туберкулез
К.	Все несчастные случаи	55 000	Рак желудка	46 600

Использование статистики и возможные ошибки, возникающие при этом

Существует три вида лжи: просто ложь, гнусная ложь и статистика.

Дизраэли (1804-1881)

Когда мы хотим узнать что-нибудь о группе людей, часто бывает невозможно или неудобно спрашивать об этом всех членов группы. Предположим, что вы хотите выяснить, действительно ли доноры, сдающие кровь для Красного Креста, как правило, добрые и благородные люди. Поскольку вы не можете обследовать всех, кто сдает кровь, чтобы определить, насколько они добры и заботливы, вы обследуете только часть этого контингента, которая называется выборкой. Количественные показатели, рассчитанные на выборке людей, называется статистическими данными. (Статистикой также называется область математики, которая использует теорию вероятностей для принятия решений о контингентах.) (339:)

Статистические данные встречаются в любой сфере жизни — от средних результатов игроков в бейсбол до величины военных потерь. Многие люди вполне справедливо относятся к статистике подозрительно. Хафф (Huff, 1954) написал небольшую книжечку, в которой приводятся юмористические примеры статистических ошибок. Книга носит название «Как лгать с помощью статистики» (How to Lie With Statistics). В этой книге есть такая зарифмованная мысль: «Статистика умело грим наложит — немного пудры и немного краски — и факты на себя уж не похожи. Я отношусь к статистике с опаской» (р. 9).

О среднем

Если сказать, что в средней американской семье 2,1 ребенка, то что это будет означать? Это число было получено путем создания выборки из американских семей, подсчета общего количества детей в этих семьях и деления на количество семей в выборке. Это число может дать весьма точное представление о том, что в американских семьях примерно по два ребенка — в некоторых больше, а в некоторых меньше, а может и ввести нас в заблуждение. Возможно, что в половине семей совсем не было детей, а в другой половине было по четыре ребенка или даже больше, а читатель будет ошибочно считать, что в большинстве семей «примерно» два ребенка, в то время как на самом деле нет ни одной такой семьи. Эта ситуация напоминает человека, который держит голову в духовке, а ноги в холодильнике и говорит, что в среднем он чувствует себя вполне комфортно. Не исключено также, что выборка, использованная для получения этого статистического показателя, не репрезентативна для контингента — в данном случае для всех американских семей. Если выборка состояла из студентов колледжей или жителей Манхэттена, то полученный результат завышен. С другой стороны, если в выборку вошли жители сельских районов, то полученный результат занижен. Если выборки не отражают особенности контингента, то их называют нерепрезентативными выборками. Статистические данные, рассчитанные на таких выборках, не дают точной информации о контингенте.

Средние значения тоже могут вводить нас в заблуждение, поскольку существует три различных вида средних значений. Предположим, что у миссис Вонг пятеро детей. Старшая дочь сделала успешную карьеру и занимает пост управляющего большой корпорацией. Она зарабатывает $500 000 в год. Вторая дочь - учительница и зарабатывает $25 000 в год. Третий сын работает официантом и получает $15 000 в год. Оставшиеся дети — безработные артисты, получающие по $5000 в год. Если миссис Вонг хочет похвастаться, как хорошо живут ее дети, она может подсчитать среднее арифметическое их доходов, которое называют еще средним значением. Когда люди думают о средних показателях, они, как правило, имеют в виду среднее арифметическое. Это сумма всех значений, поделенная на число слагаемых. Средний доход детей миссис Вонг равен $550 000 : 5 = $110 000. Конечно, любой человек, услышав такую цифру, заключит, что у миссис Вонг очень успешные и состоятельные дети.

Средний доход детей миссис Вонг получился таким высоким из-за того, что в сумму входит одно очень большое слагаемое, в результате чего среднее значение (340:) возросло. Средние значения также называют оценками с тяготением к центру. Второй тип оценок с центральной тенденцией — это медиана, или срединное значение. На него не влияет наличие нескольких экстремальных значений величины. Чтобы найти медиану, значения выстраиваются в порядке возрастания или убывания. Значение, оказавшееся в середине ряда, и является медианой. Для примера с доходами детей миссис Вонг это будет выглядеть так:

$5000; $5000; $15 000, $25 000, $500 000

Средним значением, или медианой, будет третье значение, или $15 000. Таким образом, миссис Вонг могла бы также заявить, что ее дети зарабатывают в среднем по $15 000. (Когда число значений четное, медиана равна среднему арифметическому двух срединных значений.)

Миссис Вонг могла бы утверждать, что ее дети зарабатывают в среднем $ 110 000 или $15 000, и оба утверждения были бы правдивыми. Смысл приведенного примера в том, что следует осторожно относиться к средним показателям. Чтобы понять их смысл, необходимо знать, о каком типе значения идет речь — о среднем арифметическом или медиане, а также иметь представление об изменчивости данных и «форме» распределения (каким образом числа группируются).

Точность

Предположим, я сообщу вам, что проводилось научное исследование продолжительности рабочего дня у служащих. Более того, в результате этого исследования обнаружено, что средняя продолжительность рабочего дня равна 8,167 часа. Не правда ли, звучит наукообразно и внушительно? А если бы я сказала вам, что большинство служащих работает примерно по 8 часов в день? Большинство из вас ответило бы: «Я это и так знаю. Стоило ли проводить исследование?» Дело в том, что точные статистические данные часто производят на нас впечатление даже тогда, когда точность совсем не нужна.

Приведу пример из одного престижного еженедельного журнала новостей. Естественно, для журнала важно, чтобы читатели считали его статьи правдивыми и авторитетными. Несколько лет назад в нем была опубликована статья об угрозе здоровью жителей Нью-Йорка, которая возникает из-за собачьих экскрементов. Чтобы создать у читателей представление о масштабах проблемы, они подсчитали ежедневное количество собачьих экскрементов в Нью-Йорке с точностью до двух десятичных знаков (до одной сотой фунта!). Я понятия не имею, как они получили эту цифру, и мне даже думать не хочется о том, как они собирали данные. Я твердо уверена только в том, что они не могли точно измерить это количество. Зато, конечно, такие точные статистические данные произвели впечатление, что журнал публикует тщательно проверенную научную информацию, которой можно доверять.

Еще более смешной пример излишней точности связан с именем Марка Твена, одного из самых знаменитых писателей Америки. Однажды он заявил, что возраст реки Миссисипи — 100 миллионов и три года. Оказывается, за три года до этого Марк Твен узнал, что Миссисипи — 100 миллионов лет. (341:)

Значимые различия

Если вы хотите определить средний рост всех женщин, то вы можете создать выборку из 100 женщин, измерить их рост и вычислить среднее значение. Предположим, что вы взяли другую выборку из 100 женщин и снова определили их средний рост. Будете ли вы ожидать, что средние значения роста для этих двух выборок точно совпадут? Конечно, нет — очевидно, что будут наблюдаться некоторые отклонения. Эти средние значения рассчитаны на различных выборках, поэтому получены несколько отличающиеся результаты.

Допустим, кто-нибудь измерил рост женщин из выборки, состоящей из тех, кто живет в студенческом общежитии, и обнаружил, что их средний рост 5 футов и 5 дюймов. Затем он измерил рост женщин, которые не живут в общежитии, и обнаружил, что их средний рост 5 футов и 4½ дюйма. Можно ли на основании этих данных сделать вывод, что те, кто живет в общежитии, — выше ростом, чем те, кто там не живет? Надеюсь, что вы ответили «нет», потому что небольшие различия между группами могут носить случайный характер, особенно если размер выборки невелик, т. е. в нее входит малое количество людей. Существуют статистические методы для определения вероятности того, что различия между данными, полученными на двух или нескольких выборках, являются случайными. Если вероятность случайности очень мала, то такие различия называются значимыми различиями.

Вопрос о значимости изменений относится также и к контингентам. Если по списку численность студентов вашего колледжа увеличилась с 15 862 до 15 879 человек, то есть ли у администрации основания заключить, что подобное увеличение численности что-либо означает? Ответ на этот вопрос зависит от множества переменных. Если количество студентов в течение последних 5 лет ежегодно немного увеличивалось, то эти цифры могут отражать слабую, но постоянную тенденцию. С другой стороны, это сравнительно небольшое увеличение могло произойти из-за случайных колебаний, и тогда оно не отражает определенной тенденции. Из-за случайных факторов это число могло бы с таким же успехом уменьшиться. Точно так же изменение уровня безработицы с 10,0 % до 9,9% может или быть всего лишь случайным колебанием (флуктуацией), или указывать на конец экономического спада. Можно ожидать, что республиканцы и демократы по-разному будут интерпретировать такие цифры, в зависимости от того, кто в данный момент стоит у власти.

Экстраполяция

Экстраполяцией называется оценка значения величины путем продолжения ряда известных ее значений. Если число студентов, специализирующихся по психологии в Захолустном университете, за последние 5 лет составляло приблизительно 150, 175, 200, 225 и 250, соответственно, то большинство людей одобрительно отнесется к прогнозу, предсказывающему, что в следующем году количество студентов, специализирующихся по психологии, будет равно примерно 275.

Экстраполяция может приводить к ошибкам, которые иногда бывают смешными. Например, предположим, что нам надо исследовать уменьшение средней численности американской семьи с 1900 по 1950 г. С помощью экстраполяции мы мо-

жем получить прогноз, что вскоре средняя численность американской семьи будет равна нулю, а затем превратится в отрицательное число. Конечно, этого быть не может! Это все равно что сказать, что если время, за которое спринтеры пробегают стометровку, будет продолжать сокращаться, то в конце концов кто-нибудь пробежит ее за 0 секунд или за отрицательный промежуток времени.

Статистические мистификации

Как можно превратить чистый жир в смесь, которая на 96% не содержит жиров? Нет, тут нет никакого волшебства; на самом деле это очень просто. Если съесть два кусочка сливочного масла, то 100% калорийности будут составлять жиры. Но если положить те же два кусочка масла в стакан с водой и выпить эту тошнотворную смесь, то вы создадите на 96% свободный от жиров напиток (т. е. он будет содержать 96% воды). Вам достанется то же самое количество калорий, состоящих из одних жиров, но название «напиток, на 96% свободный от жиров» производит впечатление большей пользы для здоровья. Поэтому продукты с наклейкой «на столько-то процентов не содержит жиров» являются фальсификацией здорового питания, а этикетки наклеены с целью дезинформации (Nutrition Action Healthletter, 1991).

Многие из статистических данных, на которые мы по привычке ссылаемся, удручающе неправильны. Бозелл (Bozell, 1993) усомнился в точности сведений, которые мы получаем из средств массовой информации. Например, он цитирует репортера CBS, который предупреждал, что заболеваемость СПИДом среди гетеросексуалов только в 1992 г. увеличилась на 30%. Но по данным Центра контроля над заболеваемостью, количество заболевших СПИДом среди гетеросексуалов в 1992 г. увеличилось на 17%, что является снижением скорости роста заболеваемости по сравнению с ростом на 21% в 1991 г. Точно так же Бозелл цитирует ведущего программы новостей NBC, который сообщил, что в настоящее время в США 5 миллионов бездомных, хотя Бюро переписи населения в 1990 г. насчитало только 220 000 бездомных. Различия очень большие, но как нам определить, какие из этих статистических данных ближе к истине?

Во-первых, стоит выработать привычку подвергать сомнениям статистические данные, которые вам сообщают. Как они были собраны и кто их собирал? Например, трудно точно подсчитать количество бездомных — их нелегко отыскать, поскольку у них нет адресов и телефонов. Как были получены две различные оценки этого количества? Какая выборка использовалась — из центра Нью-Йорка или из Солт-Лэйк-Сити? Есть ли у вас причины считать, что данные преднамеренно искажены? Например, консервативная политическая группа «Женщины, волнующиеся за Америку» с очевидными целями поместила в общенациональных газетах призыв к запрещению мужского и женского гомосексуализма в армии. В поддержку своей позиции они цитировали научное исследование, обнаружившее, что «гомосексуальное поведение приводит к половой распущенности, связано с принуждением и не поддается контролю» (цит. по: Bozell, 1993, р. А18). Далее шло утверждение что «типичный гомосексуалист» каждый год имеет минимум 68 половых партнеров! Вы заинтересовались, где и как были получены подобные статистические данные? Надеюсь, что заинтересовались. Это «научное исследование» проводилось более 10 лет (343:) назад и специально было нацелено на изучение наиболее активных и неразборчивых в связях гомосексуалистов-мужчин, поэтому его результаты нельзя обобщать на всех гомосексуалистов. Если вы будете подвергать сомнению статистические данные, с которыми постоянно встречаетесь в жизни, у вас будет меньше шансов быть введенными в заблуждение искаженными данными.

Применение алгоритма

Рассмотрим этапы применения общей схемы мышления при осмыслении и использовании вероятностей.

1. Какова цель?Всякий раз, когда вы принимаете решения, касающиеся неопределенных событий, вам необходимо применять навыки, описанные в этой главе. Это особенно необходимо, когда вам сообщают вероятностные значения или когда подразумевается степень уверенности в чем-либо. Такие ситуации возникают при решении большинства проблем и принятии многих решений, потому что они часто относятся к событиям в будущем, о которых никогда нельзя судить с полной определенностью.

2. Что известно?При постановке задачи вам необходимо знать, как получены сообщаемые вам значения вероятностей — объективно или субъективно. Вам необходимо проверить, не могут ли эти значения оказаться тенденциозными. Не повлиял ли на значение вероятности, приписываемое данному исходу, тот факт, что данный исход желателен? Хотя тема учета степени надежности источников информации обсуждалась в главе 5, она касается и данного контекста. Перед тем как использовать значения вероятностей, вам надо оценить качество имеющейся у вас информации. Поскольку значения вероятностей часто используются для убеждения людей, необходимо проверить, соответствуют ли представленные числовые данные предлагаемой вам аргументации.

При выяснении того, что вам известно, ищите информацию, которую можно использовать для расчета вероятностных оценок. Например, если вам дана вероятность риска, то как она рассчитана — за год, за одно воздействие (например, рентгеновское облучение) или за всю жизнь? Имеется ли дополнительная информация, которую можно использовать в комбинации с базовыми уровнями, чтобы уточнить ваши прогнозы?

3. Какие навыки мышления позволят вам достичь поставленной цели?Для работы с вероятностными событиями было предложено большое количество методов мышления. Один из самых полезных — изображение полной древовидной диаграммы с указанием вероятностей для каждой ветви. Этот метод позволяет вам «увидеть» и объективно рассчитать вероятность различных исходов. Когда вы используете дополнительную информацию в сочетании с информацией о базовом уровне, важно правильно сформировать их отношения, чтобы обойти проблему игнорирования базового уровня. Требуется также умение узнавать типичные и часто встречающиеся ошибки (например, ошибка конъюнкции, неумение учитывать совокупные риски) и использовать правила «и» и «или» для повышения точности вероятностных решений. (344:)

Поскольку в жизни очень немногое известно с полной определенностью, методы осмысления и использования вероятностей приходится применять часто. После прочтения этой главы вы должны уметь:

• Рассчитывать ожидаемые значения в ситуациях с известными вероятностями.

• Узнавать случаи регрессии к среднему значению и вносить поправки в свои прогнозы с учетом этого явления.

• Использовать правило «и», избегая при этом ошибок конъюнкции.

• Использовать правило «или» для расчета совокупных вероятностей.

• Узнавать «ошибки игрока» и избегать их.

• При составлении прогнозов использовать базовые уровни.

• Использовать древовидные диаграммы для принятия решений в вероятностных ситуациях.

• Вносить поправки в оценки рисков с учетом совокупного характера вероятностных событий.

• Понимать сущность различий между средним арифметическим и срединным значениями (медианой).

• Избегать проявления чрезмерной уверенности в неопределенных ситуациях.

• Понимать ограничения, накладываемые на применение экстраполяции

• Использовать вероятностные суждения для совершенствования принятия решений.

• При оценке неизвестных рисков учитывать такие показатели, как исторические данные, степени риска, связанного с отдельными компонентами решения, и аналогии.

4. Достигнута ли поставленная цель?Вероятности учитываются для того, чтобы количественно оценить и снизить степень неопределенности. Вы достигнете своей цели, когда сможете приписать случайным событиям более точные значения вероятностей.

Краткий итог главы

1. Поскольку очень немногое в жизни известно наверняка, законы вероятностей играют решающую роль во многих аспектах нашей жизни

2. Согласно определению, вероятность — это отношение количества способов, которыми может произойти определенное событие (которое мы называем успехом), к общему числу возможных исходов (когда все возможные исходы равноправны). Этим термином также пользуются для выражения степени уверенности в появлении событий с неизвестной или известной из прошлого частотностью появления.

3. Обычно люди склонны испытывать по поводу неопределенных событий большую уверенность, чем позволяет объективная вероятность этих событий. (345:)

4. Существует несколько способов представления вероятностной информации, эквивалентных с точки зрения математики, но вызывающих резкие различия в человеческой интерпретации этой информации.

5. Для расчета вероятностей многократного появления события (например, при двух или более бросках монеты) можно использовать древовидные диаграммы. Если события независимы, то вероятность любого сочетания исходов можно найти путем перемножения значений вероятностей вдоль ветвей дерева.

6. Ожидаемое значение выигрыша или проигрыша пари можно рассчитать по формуле, в которую входят вероятности и величины выигрыша и проигрыша.

7. Субъективные вероятности — это наши личные оценки возможности появления событий, частотность которых неизвестна. Если люди считают, что они могут управлять случайными событиями, то величина субъективной вероятности содержит систематическую ошибку.

8. Большинство людей не учитывает совокупную природу вероятности событий, связанных с риском.

9. Люди оценивают вероятности драматичных и широко освещаемых в прессе событий выше, чем вероятности менее драматичных или менее известных событий. В целом люди переоценивают вероятности частых событий и недооценивают вероятности редких событий

10. Существует тенденция игнорировать информацию о базовых уровнях, особенно при составлении прогнозов на основе сочетания разной информации.

11. Лишь немногие люди понимают, что если человек получает исключительно высокие или низкие результаты при одном измерении, то при втором измерении его результаты, скорее всего, окажутся ближе к среднему значению.

12. Чаще всего используются две оценки с тяготением к центру — среднее арифметическое и срединное значение (или медиана). Каждое из них рассчитывается по особой математической формуле.

13. При оценке риска у большинства людей постоянно действуют некоторые предубеждения. Это занижение вероятности добровольного риска и риска в ситуациях, которые мы считаем находящимися под нашим контролем, и переоценка рисков в искусственно созданных ситуациях, которые хорошо запоминаются и не поддаются наблюдению.

14. Многие люди ошибочно верят, что статистические данные, выраженные точными числами (например, со многими десятичными знаками), заслуживают большего доверия.

15. Экстраполяцией называется метод оценки величины путем продолжения ряда известных ее значений.

Термины для запоминания

Проверьте, насколько хорошо вы разобрались в понятиях, представленных в этой главе, перечитав их определения. Если окажется, что какой-то термин вызывает у вас затруднения, обязательно перечитайте раздел, в котором он обсуждается. (346:)

Базовый уровень. Начальная или априорная вероятность появления события.

В достаточно протяженном интервале времени. Обозначает необходимость многократных испытаний для получения оценки доли «успешных» исходов.

Вероятность. Отношение количества способов, которыми может произойти определенное событие, к общему числу возможных исходов (когда все возможные исходы равноправны). Это характеристика того, насколько часто мы ожидаем появления события в достаточно протяженном интервале времени. Этим термином также пользуются для выражения степени уверенности и частоты появления события в прошлом.

Выборка. Подгруппа контингента, которую изучают, чтобы судить обо всем контингенте.

Древовидные диаграммы. Разветвляющиеся диаграммы, которые можно использовать при расчете вероятностей для учета всех возможных исходов последовательности событий.

Законы случая (или вероятности). Умение прогнозировать количество или процентную долю попыток, которые окончатся определенным исходом.

Значимые различия. Различия между двумя группами наблюдений, которые столь велики, что, вероятно, возникли не случайно.

Игнорирование базового уровня. Постоянная тенденция к игнорированию или недооценке начальных вероятностей (базовых уровней) и к преувеличению значений вторичной вероятности при принятии решения о вероятности данного исхода.

Медиана (срединное значение). Оценка с тяготением к центру, которая рассчитывается путем нахождения значения, стоящего в середине возрастающего или убывающего ряда значений.

Независимые события. Два или несколько событий являются независимыми, если появление любого из этих событий не влияет на появление остальных.

Нерепрезентативная выборка. Выборка, не отражающая особенности контингента, из которого она отобрана.

Объективная вероятность. Количественные суждения о вероятностях событий с известными частотностями, полученные математическим путем.

Ожидаемое значение выигрыша. Количество денег, которое вы ожидаете выиграть в конечном счете при повторных ставках. Согласно математической формуле ожидаемое значение выигрыша равно сумме вероятности выигрыша, умноженной на величину выигрыша, и вероятности проигрыша, умноженной на величину проигрыша.

Относительная частотность. То, как часто происходит событие по отношению к другим событиям, возможным в тот же момент времени.

Оценки с тяготением к центру. Рассчитанные на выборках или контингентах показатели, обобщающие все значения величины в виде одного числа. Две из таких оценок с тяготением к центру — это среднее арифметическое и медиана.

Ошибка игрока. Ошибочное представление о том, что случайные события самокорректируются. Многие люди неправильно считают, что если случайное событие давно не происходило, то вероятность его появления возрастает.

Ошибка конъюнкции. Ошибочное представление о том, что совместное появление одного или нескольких событий более вероятно, чем появление одного из этих событий. (347:)

Размер выборки. Количество человек, выбранных для эксперимента.

Регрессия к среднему значению. Обычно, когда человек получает исключительно высокие или низкие результаты при измерении какого-либо показателя, то при втором измерении его результаты, скорее всего, окажутся ближе к среднему значению.

События с несколькими возможными исходами. События, исход которых зависит от двух или нескольких испытаний: например, выпадение двух орлов при двух бросках монеты.

Совокупная вероятность. Вероятность появления события при проведении многократных испытаний.

Среднее арифметическое. Оценка с тяготением к центру, которая рассчитывается путем сложения всех имеющихся значений и деления полученной суммы на количество слагаемых.

Статистические данные. Показатели, которые рассчитываются для описания выборки. (Статистика — раздел математики, изучающий вероятности и математические характеристики распределений чисел.)

Субъективная вероятность. Личные оценки вероятности появления случайных событий.

Шансы. Математический способ указания вероятности, который часто применяется в области спорта.

Экстраполяция. Оценка величины путем продолжения ряда известных ее значений.

Явление чрезмерной уверенности. Тенденция людей испытывать большую уверенность в своих суждениях о вероятности, чем позволяют значения объективной вероятности. (348:)

Глава 8. Принятие решений

Принятие разумных решений Структура принятия решения

Дескриптивные и прескриптивные процессы

Ловушки, подстерегающие нас при принятии решений

Неспособность увидеть очевидное противоречие. Чрезмерная уверенность. Эвристика наглядности. Эвристика репрезентативности. Тенденция принимать желаемое за действительное. Капкан. Психологическая реактивность. Пристрастность. Эмоциональные состояния. Легкомыслие

Оценка последствий

Оценка желательных и нежелательных последствий

Метод исключения

Подготовка рабочего листа

Схематизация принятия решения. Выработка альтернативных вариантов Перечисление конкретных соображений. Взвешивание соображений. Взвешивание альтернативных вариантов. Расчет решения. Дилеммы в принятии решений

Обязательства и оценки после принятия решения

Когнитивный диссонанс. Оценка задним числом и предусмотрительность

Применение алгоритма

Краткий итог главы

Термины для запоминания

К вашей постели подходят шестеро врачей в белых халатах. Никто не улыбается. Результаты биопсии уже известны. Врач объясняет, что клетки имеют неправильную форму, это ненормально. Похоже, что опухоль не вполне злокачественная, но и доброкачественной ее назвать нельзя. Возможно, удалось удалить всю опухоль. Но в этом никогда нельзя быть полностью уверенными. Вам предоставляется свободный выбор. Вы можете сегодня же вечером покинуть больницу и забыть об этом неприятном эпизоде, разве что проходить осмотр раз в полгода. Тем не менее, существует вероятность, несколько выше средней, что какое-то количество злокачественных клеток осталось, и они могут начать размножаться. С другой стороны, можно хирургически удалить всю подозрительную область. Хотя операция достаточно серьезна, зато она совершенно снимает вероятность возникновения рака.

Как поступить? Как принять правильное решение? Ваша первая реакция, скорее всего, сведется к тому, что вы спросите совета у врачей. Но если вы так поступите, то велика вероятность того, что сами врачи не смогут прийти к общему мнению. Очень часто медики не могут договориться о том, каким образом лучше лечить то или иное заболевание. Особенно много противоположных мнений возникает при обсуждении лечения таких тяжелых болезней, как СПИД или рак. Возможно, одни будут полагать, что вероятность развития рака настолько мала, что вполне оправдана тактика выжидания. (Зачем торопиться с операцией?) Другие, напротив, будут придерживаться мнения, что немедленное хирургическое вмешательство будет наилучшим и безопасным решением. (Лучше перестраховаться, чем потом сожалеть...) В конце концов, окончательное решение останется за вами. (349:)

Разумеется, не от всех принимаемых решений зависят жизнь или смерть человека. Мы постоянно принимаем обыденные решения, не вдаваясь в особые размышления — что надеть, что съесть на завтрак, какую купить ручку, когда лечь спать. Всю жизнь перед нами встает необходимость принимать решения — причем многие из них оказываются жизненно важными и имеют далеко идущие последствия. В этой главе мы рассмотрим процесс принятия важнейших жизненных решений. Жизненно важные решения могут быть медицинскими (как в примере, с которого начинается глава), житейскими (Жениться или не жениться? И если жениться, то на ком? Рожать ли ребенка? Если рожать, то когда? Какую профессию выбрать? Как потратить заработанные нелегким трудом деньги?) и т.д. Все эти решения являются чисто личными, и каждый человек принимает их самостоятельно. Кроме того, мы должны принимать решения по множеству политических и деловых вопросов: бурить ли нефтяные скважины в шельфе? Вложить ли дополнительные средства в развитие компании? Какие акции лучше купить? Как провести переговоры по контракту? Какую партию поддержать? Как поднять прибыли? В этой главе вы освоите те навыки, которые необходимы для принятия разумных решений. Для этого мы рассмотрим, каким образом психологи и другие специалисты изучают процесс принятия решений, изучим наиболее распространенные ловушки и промахи, рассмотрим возможный риск и разработаем общую стратегию или план, которым вы сможете воспользоваться при принятии важного решения.

Принятие решения всегда подразумевает выбор из нескольких возможных альтернативных вариантов. Если вы уже прочитали предыдущие главы этой книги, то вам наверняка встретились некоторые разделы, посвященные разумному выбору. Например, в главе, посвященной анализу аргументации, мы рассматривали, каким образом те или иные доводы могут поддержать или