Модель латентных классов.
Все модели латентных структур предполагают локальную независимость характеристик. То есть, для данной латентной характеристики наблюдаемые переменные независимы в смысле теории вероятностей.
В основе модели лежит формула Байеса (с учётом экспериментальных данных) их апостериорной плотности распределения. Априорно задаются две латентные характеристики: количество классов (K) и соответствующее им относительное число испытуемых в классе – P(k), а также параметр, позволяющий устанавливать степень вероятности определённого ответа на i-й вопрос при условии, что испытуемый относится к k-му классу – r(k). Априорное задание этих латентных характеристик соответствует гипотезе исследователя, либо задаётся стандартными способами.
Вероятность появления i-го
профиля
.
По формуле Байеса вычисляется апостериорная
(с учётом реальных профилей ответов на
вопросы теста) вероятность принадлежности
к классу k
при условии, что испытуемый имеет
i-паттерн
ответов:
.
Для каждого класса строится наиболее вероятный профиль ответов его представителей.
Данный метод полезен при адаптации существующих новых опросников и их разработке, а также для анализа результатов исследования. (J.Rost, 1988; Т.Савченко, 1995). При адаптации опросников метод латентно-структурного анализа (LSA) позволяет выделить вопросы теста, которые не соответствуют предложенной модели и подлежат замене или переформулированию. Метод LSA используется также для проведения типологизации по множественному критерию.
Модели научения.
Вероятностные модели представляют самый широкий класс моделей в психологии. Модели такого типа существуют почти во всех её разделах. Далее будут приведены лишь отдельные, наиболее характерные примеры.
Так, в моделях научения есть класс вероятностных моделей. Примером общей вероятностной модели процесса научения является модель, имеющая два подмножества гипотез. (K.Chow, J.Cotton, 1983; Ch.Brainerd, 1982). Согласно этим моделям, испытуемый выдвигает гипотезу из одного подмножества; в случае верного решения в следующем испытании гипотеза выдвигается из этого же множества, а в случае неудачи – с вероятностью p происходит выбор одного из двух подмножеств. Однако модели, имеющие три подмножества гипотез, более адекватно отражают процесс идентификации понятий.
В качестве примера адекватной вероятностной модели можно привести разработанную А.Дрынковым (1985) модель, описывающие кривые научения и представляющую собой автомат-подкрепление со счётным множеством расстояний.
Модели принятия решения.
Теория принятия решений представляет собой набор понятий и семантических методов, позволяющих всесторонне анализировать проблемы принятия решений в условиях неопределённости.
Можно выделить три основных подхода к построению моделей процесса принятия решений
теорию статистических решений;
теорию полезности;
теорию игр.
Эти теории нашли применение в психологической практике.
Теория принятия решений.
Теория принятия решений моделирует поведение людей, которые, принимая решения, действуют в соответствии с некоторыми аксиомами. В основе теории принятия решений лежит предположение о том, что выбор альтернатив должен определяться двумя факторами:
представлениями лица, принимающего решение о вероятностях различных возможных исходов, которые могут иметь место при выборе того или иного варианта решения;
предпочтениями, отдаваемыми различным исходам.
Первое – субъективная вероятность, второе – ожидаемая полезность.