1

• Normatief beslissen• Descriptieve modellen• Nieuw: Bounded rationality• Maar eerst: wat voorbeelden

Beslissen

Cilia WittemanDiagnostic Decision Making

Radboud Universiteit Nijmegen

2

Linda is 31 jaar oud, alleenstaand, heeft een uitgesproken mening, en is heel slim. Als studente was ze zeer begaan met zaken die te maken hadden met discriminatie en socialerechtvaardigheid, en ze liep mee in anti-kernwapen demon-straties. Wat is het meest waarschijnlijk:

A

B

Linda werkt bij een bank

Linda werkt bij een bank en is actief feministe

B: 90 %

Representativiteitsheuristiek

3

Zonder ‘t echt uit te rekenen, hoeveel ongeveer is

10 x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 2 x 2 ?

Zonder ‘t echt uit te rekenen, ongeveer hoeveel is

1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 x 10 ?

Mediaan = 2250

Mediaan = 512

(feitelijk: 40.320)

Verankeringsheuristiek

4

Vindt u dat het in Nederlandmakkelijkermoeilijkernoch makkelijker noch moeilijker

moet worden abortus te krijgen?

Vindt u dat het in Nederlandmakkelijkernoch makkelijker noch moeilijkermoeilijker

moet worden abortus te krijgen?

233641 %

262946 %

Volgorde effect

5

Stel dat een zuivere munt 3 keer gegooid is,en elke keer kwam kop boven.Als je moest wedden op de volgende worp,welke zou je kiezen:

1

2

3

Kop

Munt

Geen voorkeur

Gambler’s fallacy: een serie met dezelfde uitkomst zal gevolgd worden door een tegengestelde uitkomst.

6

Framing effect

Een nog onbekende ziekte zal naar verwachting 600 levenskosten. Twee alternatieve programma’s worden voorgesteld:

Programma A: 200 mensen worden geredProgramma B: 1/3 kans dat 600 mensen worden gered en

2/3 kans dat niemand wordt gered

Programma A: 400 mensen laten het levenProgramma B: 1/3 kans dat niemand het leven laat en

2/3 kans dat 600 mensen het leven laten

7228 %

2278 %

7

Framing van uitkomsten =psychological accounting

Stel je hebt besloten naar een voorstelling te gaan. Een kaartjekost € 10. Bij de ingang merk je dat je een biljet van € 10 bentverloren. Ga je toch?

Stel je hebt besloten naar een voorstelling te gaan en een kaartjegekocht hebt voor € 10. Bij de ingang merk je dat je je kaartjehebt verloren. Koop je een nieuw kaartje?

Ja: 88 %

Ja: 46 %

8

Stel dat elk van de onderstaande kaarten een getal aan deene kant heeft en een letter aan de andere. Iemand zegt tegen je:“Als een kaart een klinker heeft aan de ene kant, dan staat er eeneven getal op de andere kant”. Welk(e) van de volgende kaartenmoet je omdraaien om te beslissen of die persoon liegt?

E K 4 7

E

K

4

7

E en 4: 46 %E: 33 %E en 7: < 1 %

Confirmation bias

9

HERSENTUMOR

DUIZELIGHEID

Aanwezig Afwezig

Aanwezig

Afwezig

160 40

40 10

Welke cel(len) zijn nodig om in deze steekproef te bepalen of duizeligheid is geassocieerd met hersentumor?

Linksboven

Rechtsboven

Linksonder

Rechtsonder

Alle 4 nodig: moet ratio tumor aanwezig vs tumor afwezig bij duizelig(160:40) vergelijken met zelfde bij niet duizelig (40:10): beide 4:1 dus duizelig maakt niet uit dus geen associatie Covariatie beoordeling

(n = 250)

Is duizeligheid volgens deze data geassocieerd met hersentumor?

Ja Nee Weet niet

10

Normatief beslissenExpected UtilityDecision AnalysisMAUT

Descriptieve modellenBeslissingsstrategieënEmotiesProspect TheorieFramingOordelen over personenIllusoire correlatie

Nieuw: Bounded rationalityFast and frugalTake the Best/Last

11

normatief= de klassieke opvatting

Redeneren = volgen van regels van waarschijnlijkheidsleer en statistiek, gebaseerd op economische en statistische theorieën

Beslisser = rationeel persoon die een waarde functie probeert te maximaliseren

Vaak (vooral) toegepast op weddenschappen, bv:

Weddenschap A30 % kans op € 2,- verlies70 % kans op € 10,- winst

Weddenschap B30 % kans op € 200,- verlies70 % kans op € 1000,- winst

12

normatief: maximaliseren van waarde

kies weddenschap met hoogste verwachte opbrengst (EV)

EV = pi * v i i

(sommatie over alle i uitkomsten van de waarschijnlijkheid van elke i, maal de opbrengst van elke i)

A = 30 % kans op € 2,- verlies70 % kans op € 10,- winst

B= 30 % kans op € 200,- verlies70 % kans op € 1000,- winst

EV (A) = 0,3 x -2 + 0,7 x 10 = f 6,40EV (B) = 0,3 x -200 + 0,7 x 1000 = f 640,-

13

Door toenemende twijfel aan iets als “objectieve waarde”

U(tility) in plaats van V = subjectieve waarde, en ook p kan subjectief zijn

Subjective Expected Utility (SEU) model:

SEU = pi * u i i

Geeft een oordeel over wenselijkheid van uitkomsten, geveld (idealiter) als(of) beoordelaar alle relevante feiten weet;Wiskundig correct, intern consistent

SEU = wel subjectief, toch normatief model, niet descriptief: kunnen niet altijd overal expected utilities van

gaan uitrekenen

14

Decision analysis (beslissingsanalyse):poging normatieve beslistheorie toe te passen

op levensechte situaties;

beslissingsondersteuning

Berekent verwachte utiliteit, waarbij utiliteit = hoezeer behulpzaam bij bereiken van doelen

Opbrengst / doel van beslissingsanalyse = beslissen ondersteunen door tweede opinie

15

MAUT (Multi-Attribute Utility Theory) als beslissingsanalyse

Idee: beslissingsalternatieven beschrijven in termen van (psychologisch) onafhankelijke attributen;

MAUT toepassen garandeert dan dat de beslissing het bereiken van doelen maximaliseert

16

Vb: keuze vakantiebestemmingZeeland Parijs Spanje

afstand 10 5 1weer 2 4 9vermaak 7 7 2

Hoe: elk alternatief heeft waarden op attributen (nl. in hoeverre het het doel dichterbij brengt);

utiliteit van elk alternatief = optelling van die waarden

Kunt attributen ook relatief gewicht geven; dan (bv) utiliteit = waarde x gewicht; sommeren over alternatief

17

Descriptief= hoe het in feite gaat, welke beslissingsstrategie toegepast

Mens past normatieve regels niet toe, want/maar is

• overwegend Systeem 1 = intuïtief denker (met heuristieken en biases)• begrensd rationeel (maximise-t niet)• gestuurd door emoties en motivaties

Blijkt uit descriptief onderzoek naar informatieverwerkingsproces(bv bij selectie van vakantiebestemming)

18

lage waarden van attributen gecompenseerd

door hoge waarden van andere attributen

(per alternatief);

Twee soorten beslissingsstrategie onderscheiden: 1. compensatorisch:

2. non-compensatorisch:

Bestudeerd in "process tracing" benadering vanbeslissingsprocessen

met bv informatie-bord, waarin kaartjes om te draaien

Taak: kies meest aantrekkelijke alternatiefKan ook: oogbewegingen registreren

met bv drempelwaarde per attribuut

19

Voeg toe: emotie (droevig - neutraal - somber)

Hypothese: droevige mensen zitten te tobben + willen stemming veranderen → zijn uitputtender in strategievrolijke mensen vinden alles best + hebben geen zin veel cognitieve energie te besteden

→ zijn oppervlakkiger in strategie

Opzet: • emotie-inductie • MAU probleem voorleggen

Voorlopig resultaat:droevige mensen zoeken iets dieper, bij niet alle alternatieven

20

Overigens, belangrijkste descriptieve theorie voor beslissen onder onzekerheid = van Kahneman & Tversky ('79):

PROSPECT THEORIEBeschrijft hoe mensen beslissen, vooral gefixeerd op wat mensen allemaal fout doenBelangrijk element:

FRAMING vb: van eerder, over ziekte met 600 potentiele slachtoffers

Kan zowel aangeboden frame zijn als zelf aangenomen frame

21

Vragen: versie 1."Stelt u zich voor dat u van plan bent in een groot warenhuis een overhemd/blouse te kopen voor f 129,95 en een horloge voor f. 19,95. U staat bij de horloges te kijken en een andere klant zegt tegen u dat precies hetzelfde horloge dat u wilt kopen in een andere winkel, 15 min. fietsen verderop, voor 14,95 te koop is.Neemt u de moeite om te gaan fietsen?"versie 2.“Stelt u zich voor dat u van plan bent in een groot warenhuis een overhemd/blouse te kopen voor f 19,95 en een horloge voor f. 129,95. U staat bij de horloges te kijken en een andere klant zegt tegen u dat precies hetzelfde horloge dat u wilt kopen in een andere winkel, 15 min. fietsen verderop, voor 124,95 te koop is. Neemt u de moeite om te gaan fietsen?"

22

Voorspelling: omdat waardefunctie (bij winst) = concaaf, doet men minder voor winst als het om hoge dan als het

om kleine bedragen gaatoftewel: mensen zullen vraag 2 vaker negatief

beantwoorden dan vraag 1Klopt, dus mensen vinden vast kortingsbedrag op laag bedrag meer de moeite waard dan eenzelfde vast kortingsbedrag op een hoog bedragFenomeen van 'verminderde meeropbrengst' - utiliteit van 5 op 129,95 minder groot dan op 19,95

23

Vormen van indrukken (Asch)oordelen over persoonlijkheid van anderenExperiment:

versie 1persoon X = intelligent, vaardig,

hardwerkend, warm, beslist, praktisch, voorzichtig

versie 2persoon Y = intelligent, vaardig,

hardwerkend, koud, beslist, praktisch, voorzichtigUitkomst:

Mensen beoordeelden persoon X veel positiever dan persoon Y

24

Verklaring van Asch: je vormt indruk van persoon als geheel Termen 'warm' en 'koud' beinvloeden alle

andere. Synoniem voor intelligentie voor persoon X = slim en Y = berekenendAlternatief:

synoniem komt niet door indruk van persoon als geheel maar door intelligent + warm /koud te nemen

Overigens geheel te verklaren met eenvoudig algebraisch model

Bv warm heeft hoge waarde op schaal van vrijgevig - zelfzuchtig en koud lage waarde. Andere bijv. nmw hebben steeds zelfde gewicht. Dan komt X positiever uit.

25

Vergelijkbaar onderzoek naar beoordelen van medemensen, 'echter': met illusoire correlatie

= relatie waarvan algemeen wordt

aangenomen dat die bestaat maar die er eigenlijk niet isChapman & Chapman:

psychiaters kregen tekeningen van psychiatrische patiënten, met diagnose toevallig aan tekening gekoppeld.

Men "zag" dan relatie tekening - diagnose

Kritiek: ze hebben niet beoordeling onderzocht, maar

leren en onthouden van gebeurtenisparen. Leren een verband, veronderstellen dat het

er is (weten ook niet dat ze voor de gek gehouden worden)...

26

Onderzoek "kleren maken de man"vraag:"Woren oordelen over vrijetijdsbesteding en tv-kijkgedrag van personen beinvloed door kleding die mensen dragen?" Oftewel: veronderstelt men een relatie uiterlijk - gedrag (die er niet perse is)?

Ook: in hoeverre houden stereotypes illusoire correlaties in stand/werken die in de hand?Methode:

3 series foto's van 4 dezelfde personen, met keurige vs gewone vs ontspannings kleren

27

Bij elke foto een aantal vragen: De persoon op de foto brengt volgens mij de

vrije tijd graag door met:sportvriendenhobbiesuitgaanmuziekmuseumbezoek

Wanneer deze persoon tv kijkt, dan kijkt hij/zij volgens mij graag naar:

spelshowsfilmssportdocumentairesactualiteiten

(steeds te antwoorden op schaal van 1 = zeer waarschijnlijk wel tot 5 = zeer waarschijnlijk niet)

28

Resultaten:museumbezoek:

keurige mensen 'zou kunnen', slordige 'waarschijnlijk niet'

spelshows: keurige mensen 'zeer waarschijnlijk niet', slorige 'waarschijnlijk wel'.

actualiteiten: keurige mensen 'waarschijnlijk wel',

slordige 'zeer waarschijnlijk niet'.Conclusie:

Er zijn verschillen in beoordelingen per type kleding van dezelfde persoon, maar niet zo eenduidig als verwacht: mede afhankelijk van (gefotografeerde) persoon(Opm: verwachting was net zo goed gebaseerd op stereotype!)

29

bounded rationality: fast and frugal decision making(Gigerenzer e.a.)tegen klassieke opvatting en tegen heuristieken/biases, want:onenigheid over wat waarschijnlijkheidsleer isinhoud en context van wezenlijk belangzo is onze geest niet gebouwdMet snelle en zuinige heuristieken beslissen mensen in de echte wereld vaak minstens zo goed, is ‘ecologische rationaliteit’

30

Bv met Take the Best of Take the Last heuristiekGaat uit van herkenning als cue; eenvoudige, plausibele psychologische afleidingsmechanismen; intelligente gokMet Take the Best:less-is-more effect(hoe minder je weet hoe beter je gokt)beslissen gebaseerd op 1, goede reden+ houdt rekening met omgeving en met computationele vermogens van beslisser-alleen nog maar aangetoond bij beslissen -welke stad ‘t grootst is