478 Глава 14. Мышление (I): формирование понятий, логика и принятие решений

480 Глава 14. Мышление (I): формирование понятий, логика и принятие решений

Рис. 14.5. Схематический анализ диалогов, представленных на рис. 14.4.

Источник: Rips, L J., Brem, S. К. & Bailenson, J. N. (1999). Reasoning dialogues. Current Directions in Psychological Science, 8,172-177

Принятие решений 481

490 Глава 14. Мышление (I): формирование понятий, логика и принятие решений

Если бы реальные ситуации можно было свести к таким вероятностным утверждениям, жизнь была бы простой и скучной. Вы могли бы сравнить вероятность нежелательной встречи с вероятностью получить удовольствие от посещения вечеринки, а затем принять решение. В нашем случае предположим, что вы решили пойти на вечеринку. Подъезжая к дому, вы замечаете припаркованный у подъезда желтый «Фольксваген». За несколько секунд вы вычисляете вероятность того, что этот автомобиль принадлежит вашей бывшей пассии (что означало бы также, что она тоже присутствует на этой вечеринке), и сравниваете эту новую информацию с прежней информацией о вероятности того, что хозяин пригласил вас обоих на одну вечеринку. Эта ситуация называется условной вероятностью — вероятностью, что новая информация верна, если верна конкретная гипотеза. В этом случае предположим, что вероятность того, что этот автомобиль принадлежит бывшей возлюбленной, составляет 90 % (другие 10 % можно приписать различным факторам, включая возможность того, что этот автомобиль был продан кому-то еще, дан кому-то взаймы или это просто похожий автомобиль). Согласно теореме Байеса, совместная вероятность (1/20 за то, что этого человека пригласили, плюс 9/10 за то, что наличие автомобиля говорит о его присутствии) может быть вычислена по следующей формуле:

где Р(Н|Е) — это вероятность того, что верна гипотеза (Я) при наличии условия Е; в нашем случае это вероятность того, что бывшая возлюбленная будет на вечеринке с учетом первоначальной низкой вероятности и новой полученной информации; Р(Е|Н) обозначает вероятность того, что Е истинно при условии H (например, вероятность того, что автомобиль принадлежит именно ей, равна 90%); Р(Н) — это вероятность первоначальной гипотезы (Р = 5 %), а переменные Р(Е|Н) и Р(Н) обозначают вероятность того, что событие не произойдет (10% и 95%). Подставив эти числа в формулу, мы можем решить уравнение для Р(Н|Е):

Так, согласно этой модели, шансы нежелательной встречи на вечеринке составляют примерно 1/3. При таком раскладе вы можете принять научно обоснованное решение о том, насколько тягостной может оказаться эта встреча и насколько приятной будет вечеринка. Пожалуй, вам стоит позвонить пригласившему вас другу.

Однако насколько хорошо теорема Байеса согласуется с реальной жизнью? Весьма маловероятно, что, находясь в вышеописанных обстоятельствах, вы достали бы из кармана калькулятор и начали вычислять величину Р(Н|Е). Некоторые данные, собранные Эдвардсом (Edwards, 1968), указывают на то, что мы оцениваем обстоятельства условной вероятности более консервативно, чем это предполагает теорема Байеса. Изучая влияние новой информации на оценки испытуемых, Эдвардc давал студентам колледжа два мешка по 100 покерных фишек в каждом. В одном мешке было 70 красных фишек и 30 синих, а в другом — 30 красных и 70 синих. Наугад выбирался один из мешков, и испытуемые должны были опреде-

491