Думай медленно... решай быстро

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 субъективных 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.

Некоторые исследователи [21] проанализировали нарушения в оценке вероятности для многих количественных величин для большого числа экспертов. Эти распределения показывают значительные и систематические отклонения от надлежащих оценок. В большинстве исследований реальные значения оцениваемых величин или меньше, чем X , или больше, чем X , примерно для 30% задач. То есть эксперты выбирают слишком узкие строгие интервалы, говорящие об уверенности большей, чем позволяют их знания об оцениваемой величине. Эта ошибка присуща и неискушенным испытуемым, и умудренным экспертам; ее нельзя снять введением четких правил оценки, которые обеспечивают стимулы для внешней калибровки. Этот эффект связан, по крайней мере частично, с эффектом привязки.

Например, чтобы выбрать X для индекса Доу-Джонса , естественно начать с лучшей оценки и корректировать ее, двигаясь вверх. Если этой корректировки – как обычно и бывает – окажется недостаточно, то X окажется недостаточно экстремальным. Такой же эффект привязки возникнет при выборе числа X , которое будет получено корректировкой от лучшей оценки вниз. Следовательно, доверительный интервал между X и X получится слишком узким и граничное распределение вероятностей окажется слишком жестким. В поддержку этого объяснения можно показать, что субъективные вероятности систематически меняются с помощью процедуры, в которой наилучшая оценка не служи т привязкой.

Распределения субъективных вероятностей для данной величины (индекс Доу-Джонса) можно получить двумя способами: (а) предложить эксперту выбрать значения индекса Доу-Джонса, соответствующие определенному процентилю его распределения вероятностей, или (б) предложить оценить вероятность того, что истинное значение индекса Доу-Джонса превзойдет некоторые указанные числа. Две процедуры формально эквивалентны и должны дать одинаковые распределения. Однако они подразумевают разные режимы корректировки от разных привязок. В процедуре (а) естественной точкой отсчета становится лучшая оценка величины. В процедуре (б), с другой стороны, эксперт может «привязаться» к величине, указанной в вопросе. Или же привязкой могут стать равные шансы – 50:50, что является естественной точкой отсчета при оценке вероятности. В любом случае процедура (б) даст менее экстремальные оценки, чем процедура (а).