Думай медленно... решай быстро

Ошибки при оценке конъюнктивных и дизъюнктивных событий. В недавнем исследовании Бар-Хиллела [19] участникам предлагали сделать ставку на одно из двух событий. События были трех типов: (а) простые события – например, вытаскивание красного шарика из мешка, в котором содержится 50 % красных и 50 % белых шариков; (б) конъюнктивные события – например, выт аскивание красного шарика семь раз подряд (шарик каждый раз возвращается обратно) из мешка, содержащего 90 % красных и 10 % белых шариков; (в) дизъюнктивные события – например, вытаскивание красного шарика хотя бы один раз за семь попыток (шарик каждый раз возвращается) из мешка, содержащего 10 % красных и 90 % белых шариков. В этой задаче значительное большинство участников предпочли поставить на конъюнктивное событие (вероятность которого 0,48), а не на простое (вероятность – 0,50). Участники также охотнее ставили на простое событие, чем на дизъюнктивное (вероятность которого составляла 0,52). Таким образом, большинство ставили на менее вероятное событие в обеих сессиях. Такой характер выбора иллюстрирует общую тенденцию. Исследования выбора ставки и оценки вероятности показывают, что люди склонны переоценивать вероятность конъюнктивных событий [20] и недооценивать вероятность дизъюнктивных событий. Эти ошибки легко объясняются эффектом привязки. Вероятность элементарного события (ус пех в любой стадии) становится естественной точкой отсчета при оценке вероятности и конъюнктивных и дизъюнктивных событий. Поскольку корректировка от точки отсчета обычно является недостаточной, итоговые оценки остаются слишком близко к вероятности элементарного события в обоих случаях. Обратите внимание, что полная вероятность конъюнктивного события ниже вероятности каждого элементарного события, а полная вероятность дизъюнктивного события выше вероятности каждого элементарного события. Из-за эффекта привязки полная вероятность будет переоценена для конъюнктивных событий и недооценена – для дизъюнктивных.

Ошибки оценки сложных событий особенно важны в контексте планирования. Успешное выполнение задуманного – скажем, разработки нового продукта – обычно носит конъюнктивный характер: для успешного завершения проекта должны произойти все события в цепочке. Даже если каждое отдельное событие весьма вероятно, вероятность общего успеха может оказаться довольно низкой, е сли отдельных событий много. Общая тенденция к переоценке вероятности конъюнктивных событий ведет к неоправданному оптимизму при оценке вероятности того, что план принесет успех или проект будет закончен в срок. И наоборот, дизъюнктивные структуры часто оцениваются как рискованные. Работа сложных систем, вроде ядерного реактора или человеческого тела, нарушается при отказе любого из важнейших компонентов. Даже если вероятность отказа каждого компонента мала, вероятность отказа системы может оказаться высокой, если в работу вовлечено множество компонентов. Из-за эффекта привязки люди недооценивают вероятность отказа в сложных системах. Таким образом, направление ошибки, вызванной эффектом привязки, иногда можно определить по структуре события. Цепочечная структура конъюнктивных событий ведет к переоценке, воронкообразная структура дизъюнктивного события ведет к недооценке.

Эффект привязки при оценке распределения субъективных вероятностей. При принятии решений экспертам часто требуется высказать мнение о некоторой величине, например об индексе Доу-Джонса в определенный день, в форме распределения вероятностей. Обычно для построения такого распределения человека просят выбрать значения величины, которые соответствуют конкретным процентилям его распределения вероятностей. Например, эксперта просят выбрать число, X, таким образом, чтобы субъективная вероятность того, что это число будет больше значения индекса Доу-Джонса, составляла 0,90. То есть эксперт должен выбрать значение X так, чтобы принять ставки 9:1 на то, что индекс Доу-Джонса не превзойдет его. Распределение субъективных вероятностей для значения индекса Доу-Джонса можно построить на основе нескольких таких суждений для разных процентилей.

Собрав распределения су бъективных вероятностей для многих разных величин, можно проверить правильность оценок эксперта. Эксперт считается должным образом калиброванным в определенном наборе задач, если ровно П% верных значений оцененных величин оказываются ниже его заявленных значений XП. Например, истинные значения должны быть ниже X для 1 % значений и выше X для 1 % значений. Следовательно, истинные значения должны попасть в доверительный интервал между X и X в 98 % случаев.