Einführung in die Psychologie Entscheidung unter Unsicherheit: Heuristiken Prof. Dr. Michael Siegrist

Transkript

1 Einführung in die Psychologie Entscheidung unter Unsicherheit: Heuristiken Prof. Dr. Michael Siegrist Institute for Environmental Decisions Consumer Behavior 1

2 Availability Heuristic There are altogether eight consonants that appear more frequently in the third than in the first position (e.g., K,L,N,R,V). People answer this question by comparing the availability of the two categories Typical Problem: Is R more likely to appear in - the first position? N=105 - the third position? N=47 The bias favoring the first position is significant Tversky & Kahneman,

3 Representativeness Heuristic All families of six children in a city were surveyed. In 72 families the exact order of births of boys and girls was G B G B B G What is your estimate of the number of families surveyed in which the exact order of birth was B G B B B B? 75 out of 92 participants judged this sequence to be less likely than the standard sequence. The median estimate was 30. Kahneman & Tversky,

4 Conjunction Fallacy Linda is 31 years old, single, outspoken and very bright. As a student, she was deeply concerned with issues of discrimination and social justice, and also participated in anti-nuclear demonstrations. (1) Linda is active in the feminist movement (2) Linda is a bank teller (3) Linda is a bank teller and active in the feminist movement Tversky & Kahneman,1982 4

5 Anchoring Heuristic Participants estimated, within 5 sec, a numerical expression Group 1: 8x7x6x5x4x3x2x1 Group 2: 1x2x3x4x5x6x7x8 Results Group 1: Median estimate Group 2: Median estimate 512 Correct answer Tversky & Kahneman,

6 Incidental Environmental Anchor What percentage of the Sony Ericsson P17 sold during the initial introduction period will be purchased in the United States, as opposed to Western Europe? Ø Two groups with different labels: P17 or P97 Participants estimated the percentage of cell phones sold in the US: Sony Ericsson P17: 51.9% Sony Ericsson P97: 58.1% Critcher & Gilovich,

7 Base Rate A cab was involved in a hit and run accident at night. Two cab companies, the Green and the Blue, operate in the city. You are given the following data: (a) 85% of the cabs in the city are Green and 15% are Blue (b) a witness identified the cab as Blue. The court tested the reliability of the witness under the same circumstances that existed on the night of the accident and concluded that the witness correctly identified each one of the two colors 80% of the time and failed 20% of the time. How likely is it, that the cab was blue? Median answer: 80% Correct answer: 41% In spite of the witness s report, the cab is more likely to be Green than Blue, because the base rate is more extreme than the witness is credible. Tversky & Kahnemann,

8 100% > 99.9% > 99% > 90% Best certainty estimates Sensitivity % Specifity 99.99% Prevalence 0.01% PPV 50% Gigerenzer, Hoffrage, & Ebert,

9 100% > 99.9% > 99% > 90% Best certainty estimates Sensitivity 5 (of 19) % Specifity 13 (of 19) % Prevalence 0.01% PPV 10 (of 18) % Gigerenzer, Hoffrage, & Ebert,

10 Mammographie Aufgabe : Wahrscheinlichkeiten Die Wahrscheinlichkeit von Brustkrebs beträgt bei einer 40 Jahre alten Frau 1%. Wenn eine Frau Brustkrebs hat, so beträgt die Wahrscheinlich 80%, dass die Mammographie positiv ausfällt. Wenn eine Frau keinen Brustkrebs hat, so beträgt die Wahrscheinlichkeit 10%, dass der Test dennoch positiv ist. Eine 40 Jahre alte Frau nahm an einem Routinetest teil und erhielt ein positives Resultat. Wie gross ist die Wahrscheinlichkeit, dass sie tatsächlich Brustkrebs hat? % Gigerenzer & Hoffrage,

11 Wahrscheinlichkeit von Brustkrebs bei positivem Testresultat: Das Theorem von Bayes p(h) =.01 Basisrate p(d H) =.80 Testsensitivität p(d -H) =.10 Falsch positives Resultat p(h D) = p(h D) = p(h) p(d H) p(h)p(d H) + p( H)p(D H) (.01)(.80) (.01)(.80) + (.99)(.10) =.07 11

12 Wahrscheinlichkeit von Brustkrebs bei positivem Testresultat: Information in Form von Häufigkeiten 1. Basisrate Kein Brustkrebs Brustkrebs 2. Richtig und falsch positive Tests Kein Brustkrebs 99 von 990 Test positiv 8 von 10 Test positiv 3. Vergleich p(brustkrebs positives Testresultat) = =.07 12

13 Mammographie Aufgabe : Häufigkeiten 10 von Frauen im Alter von 40 Jahren, welche an einem Routinetest teilnehmen, haben Brustkrebs. 8 von 10 Frauen mit Brustkrebs werden eine positive Mammographie erhalten. 99 von 990 Frauen ohne Brustkrebs werden ebenfalls ein positives Resultat erhalten. Wir haben nun eine neue Stichprobe von 40-jährigen Frauen mit einem positiven Resultat. Wie viele dieser Frauen haben tatsächlich Brustkrebs? von Gigerenzer & Hoffrage,

14 Hoffrage et al.,

15 Hoffrage et al.,

16 O. J. Simpson Alan Dershowitz, ein Berater von Simpsons Verteidigern, behauptete mehrfach, frühere Misshandlungen und Schläge dürften in einem Mordprozess nicht als Beweismittel zugelassen werden: In Wirklichkeit werden die meisten getöteten Frauen von einem Mann getötet, mit dem sie eine Beziehung hatten - gleichgültig, ob ihr Partner sie vorher verprügelt hatte oder nicht. Das Schlagen an sich erlaubt keine Prognose für einen Mord. Gigerenzer,

17 O. J. Simpson (In den USA werden) jährlich ungefähr 4 Millionen Frauen vom Ehemann oder Freund verprügelt...dagegen wurden im Jahr 1992 gemäss einer Statistik des FBI insgesamt 913 Frauen von ihrem Ehemann und 519 von ihrem Freund getötet. Mit anderen Worten: Während sich 2,5 bis 4 Millionen Gewalttaten ereigneten, wurden nur Frauen getötet. Einige dieser Verbrechen sind womöglich nach einer Zeit der Misshandlung verübt worden, doch offensichtlich enden die meisten Gewalttaten nicht mit einem Mord, vermutlich nicht einmal die meisten schweren Gewalttaten. Gigerenzer,

18 Misshandelte Frauen 45 Ermordet Nicht ermordet 40 Partner 5 Andere 18

19 Mord in Wuppertal Das Blut unter den Fingernägeln der ermordeten Frau entsprach der Blutgruppe des Angeklagten. 17.3% der Deutschen haben diese Blutgruppe Das Blut auf den Stiefeln des Schornsteinfegers entsprach der Blutgruppe des Opfers 15.7% der Deutschen haben diese Blutgruppe Die Multiplikation dieser beiden Wahrscheinlichkeiten ergibt eine Wahrscheinlichkeit von 2.7%, dass diese beiden Übereinstimmungen zufällig auftreten. Folgerung des Sachverständigen: Der Schornsteinfeger ist mit einer Wahrscheinlichkeit von 97.3 der Mörder. 19

20 Mord in Wuppertal Annahme: Jeder der ca Männer in Wuppertal hätte das Verbrechen begehen können Beim Mörder werden sich die Übereinstimmungen praktisch mit Sicherheit finden (ausser im Labor wurden die Proben verwechselt oder andere Fehler wurden gemacht) Von den restlichen Männer werden 2.7%, also rund 2 700, ebenfalls diese zwei Übereinstimmungen zeigen. Die Wahrscheinlichkeit, dass der Angeklagte der Mörder ist, beträgt also nicht 97.3%, sondern 1 zu Also weniger als 0.1%. 20

21 Recognition heuristic Consider the task of inferring which of two objects has a higher value on some criterion (e.g., which is faster, higher, stronger). If one of two objects is recognized and the other is not, then infer that the recognized object has the higher value. Example: A person who has never heard of Dortmund but has heard of Munich would infer that Munich has the higher population, which happens to be correct. The recognition heuristic can only be applied when one of the two objects is not recognized, that is, under partial ignorance. The recognition heuristic is domain-specific in that it only works in environments where recognition is correlated with the criterion. Goldstein & Gigerenzer,

22 22

23 Inferences based on recognition heuristic Which city has more inhabitants? San Diego or San Antonio. 62% of the University of Chicago students chose the correct answer. 100% of the German students chose correctly. All of the German students had heard of San Diego, but only a few had heard of San Antonio. The American students, recognizing both cities, were not ignorant enough to be able to apply the recognition heuristic. Lack of recognition must be systematic and not random. Recognition heuristic works best when the participant is operating under half ignorance, that is, when half of the objects are recognized. Less-is-more effect: The recognition heuristic can lead to a paradoxical situation where those who know more exhibit lower inferential accuracy than those who know less. Goldstein & Gigerenzer,

24 Borges, Goldstein, Ortmann & Gigerenzer,

25 Fast and Frugal Heuristics Task: Which of the two cities has a larger population? (a) Hannover (b) Bielefeld A person has heard of both cities, he cannot use the recognition heuristic This person needs to search for cues that indicate larger population Simple stopping rules are used. They do not follow the classical prescription to search as long as the perceived marginal benefits of acquiring additional information exceed the perceived marginal costs. Gigerenzer & Goldstein,

26 Heuristic: The Minimalist Step 0. If applicable, use the recognition heuristic; that is, if only one object is recognized, predict that it has the higher value on the criterion. If neither is recognized, then guess. If both are recognized, go on to Step 1. Step 1. Random search: Draw a cue randomly (without replacement) and look up the cue values of the two objects. Step 2. Stopping rule: If one object has a positive cue value ( 1 ) and the other does not (i.e., either 0 or unknown value) the stop search and go on to Step 3. Otherwise go back to Step 1 and search for another cue. If no further cue is found, then guess. Step 3. Decision rule: Predict that the object with the positive cue value has the higher value on the criterion. Gigerenzer & Goldstein,

27 Heuristic: Take The Best Step 1: Ordered Search: Choose the cue with the highest validity that has not yet been tried for this choice task. Look up the cue values of the two objects. Gigerenzer & Goldstein,

28 Gigerenzer & Goldstein,

29 Czerlinski, Gigerenzer, & Goldstein,

30 Czerlinski, Gigerenzer, & Goldstein,