Slide 1

Wyjaśnienie Bernoulliego –

przekształcenia psychologiczne na

wartości

•

Ludzie nie posługują się wartością obiektywną,

ale jej subiektywną oceną - użytecznością

•

Ocena subiektywna zależy od stanu posiadania

dla biednego 100PLN jest warte więcej niż dla

bogatego

apetyt rośnie w miarę jedzenia

•

Takie przekształcenia psychologiczne na

wartości opisuje funkcja logarytmiczna

Zastosowanie obserwacji

Bernoulliego do percepcji

• Zmniejszająca się wrażliwość na zmiany w

natężeniu bodźca:

- promyk światła w ciemności
- dodatkowa 100-watowa żarówka na sali

balowej

• Prawo Webera-Fechner (1860): odczuwana

zmiana w stosunku do rzeczywistej zmiany
jest opisywana przez funkcję logarytmiczną

• Prawo Stevensa

Malejąca użyteczność a

stosunek do ryzyka

Oczekiwana

użyteczność w

sytuacji pewnej

• +100, 100%

• EV = 100 * 1=100

• EU = u(100)*1

Oczekiwana

użyteczność zakładu

o tym samym EV

• +200, 50%, vs 0,50%

• EV = 200*½ + 0* ½

=
100

• EU = u(200)* ½

Modyfikacje modelu EV -

pojęcie użyteczności

WARTOŚĆ

=  (

WARTOŚĆ

WYNIKU *

PRAWDOPODOBIEŃSTWO)

OCZEKIWANA

przekształcenia psychologiczne
zgodne z prawem Webera-Fechnera

UŻYTECZNOŚĆ

 (

UŻYTECZNOŚĆ

WYNIKU*PRAWDOPODOBIEŃSTWO)

OCZEKIWANA

Bernoulli (1954)

Paradoksy Allaisa (1953)-

amanie zasady common ratio

A: +4000, 80%,

B: +3000, 100%

0, 20%

• Ludzie wybierają B – czy zawsze?

C: +4000, 20%,

D: +3000, 25%

0, 80%

0, 75%

• Ludzie wybierają C

Efekt pewności (certainty effect) –

preferowanie pewnego zysku w

stosunku do loterii

A: +4000, 0.8; 0, 0.2

B: +3000 z

pewnością

wybory: 20% badanych

80% badanych

Kahneman i Tversky (1979)

Efekt odbicia - preferowanie

loterii w stosunku do pewnej

straty

A: -4000, 0.8; 0, 0.2

B: -3000 z

pewnością

wybory:

92% badanych

8% badanych

Kahneman i Tversky (1979)

Inny kształt funkcji

użyteczności dla zysków i dla

strat

• Zarówno dla zysków jak i dla strat

obowiązuje prawo zmniejszającej się

wrażliwości na zmianę bodzca

• Różnica polega na tym, że dla zysków

(przyjemności) to prawo działa „silniej”

• Natomiast dla strat „słabiej”

Modyfikacje funkcji u

• Inny kształt dla zysków i strat

→

unikanie

straty

• Punkt odniesienia

→

względność zysku i straty:

- efekt utopionych kosztów
- efekt posiadania
- różnica między kompensatą a ceną
- preferowanie status quo
- ocena uczciwości

MODYFIKACJE MODELU EV

– użyteczność w teorii

perspektywy

UŻYTECZNOŚĆ
OCZEKIWANA =

 (UŻYTECZNOŚĆ WYNIKU *

PRAWDOPODOBIEŃSTWO

)

przekształcenia psychologiczne

UŻYTECZNOŚĆ

WAŻONA

 (UŻYTECZNOŚĆ WYNIKU *

WAGA DECYZYJNA

)

- zyski i straty
-punkt odniesienia

1% ≠ 1%, czyli nieliniowość

ocen p

Rosyjska ruletka

• Jest 5 kul. Ile zapłacisz za

usunięcie 1 z nich?

• Jest 1 kula. Ile zapłacisz za

jej usunięcie?

Zagrożenie powodzią

• Ile zapłacisz za zmniejszenie

prawdopodobieństwa

zalania z 55% do 54%?

• Ile zapłacisz za zmniejszenie

prawdopodobieństwa

zalania z 1% do 0%?

duża
wrażliwość

duża wrażliwość

niedoceniane

przeceniane

Wagi konfiguralne

• Sytuacja A:
• + 5000, 0.99;

0, 0.01

• Pan X uzyskał 0
• Jak się czuje?

• Sytuacja B:
• -5000, 0.99;

0, 0.01

• Pan X uzyskał 0
• Jak się czuje?

najgorszy wynik

najlepszy

wynik

Percepcja wyniku zależy od jego pozycji
w rozkładzie wszystkich wyników

Nielinowość p i wagi

konfiguralne:

wagi w CPT

niskie p
-przeceniane

Pay-
offs

Regula

r
notati

Configural
weighting

+10

w(0.

2)=

0.27

+20

w(0.

2)=

0.27

+30

w(0.

2)=

0.27

+40

w(0.

2)=

0.27

+50

w(0.

2)=

0.27

W ten sposób odzwierciedlamy
jedynie przecenianie niskich p,
ale nie uwzględniamy zależności
więdzy pozycją wyniku a wagą

Aby uwzględnić wpływ pozycji na
wagę, K&T (1992) wprowadzili:
1) wagi konfiguralne
2) skumulowane p

Nielinopwość p i wagi

konfiguralne:

wagi w CPT

niskie p
-przeceniane

wys. p -
niedoceniane

Pay-
offs

Regula

r
notati

Configural
weighting

+10

w(0.

2)=

0.27

w(1.0) – w(0.8)

+20

w(0.

2)=

0.27

w(0.8) –w(0.6)

+30

w(0.

2)=

0.27

w(0.6) –w (0.4)

+40

w(0.

2)=

0.27

w(0.4) –w (0.2)

+50

w(0.

2)=

0.27

(

0.2) –w (0.0)

w(p=0.8) < 0.8

Nielinopwość p i wagi

konfiguralne:

wagi w CPT

przecenia
ne

niedocenian
e

Pay-
offs

Regula

r
notati

Configural
weighting

+10

w(0.

2)=

0.27

w(1.0) – w(0.8)

=1.00-0.65=

0.35

+20

w(0.

2)=

0.27

w(0.8) –w(0.6)=

0.65-0.47= 0.18

+30

w(0.

2)=

0.27

w(0.6) –w (0.4)=

0.47-0.37= 0.10

+40

w(0.

2)=

0.27

w(0.4) –w (0.2)=

0.37-0.27= 0.10

+50

w(0.

2)=

0.27

(

0.2) –w (0.0)

=0.27-0.00=

0.27

skrajne i złe wyniki
mają wyższe wagi

MODYFIKACJE MODELU EV

– użyteczność w teorii

perspektywy

UŻYTECZNOŚĆ
OCZEKIWANA =

 (UŻYTECZNOŚĆ WYNIKU *

PRAWDOPODOBIEŃSTWO

)

przekształcenia psychologiczne

UŻYTECZNOŚĆ

WAŻONA

 (UŻYTECZNOŚĆ WYNIKU *

WAGA DECYZYJNA

)

- zyski i straty
-punkt odniesienia

MODYFIKACJE MODELU

WAROŚCI OCZEKIWANEJ

(3)

WARTOŚĆ =  (WARTOŚĆ WYNIKU * PRAWDOPODOBIEŃSTWO)

OCZEKIWANA

przekształcenia psychologiczne

UŻYTECZNOŚĆ =  (UŻYTECZNOŚĆ *

PRAWDOPODOBIEŃSTWO)

OCZEKIWANA

przekształcenia psychologiczne

UŻYTECZNOŚĆ =  (UŻYTECZNOŚĆ WYNIKU * WAGA

DECYZYJNA)

WAŻONA

KONFIGURALNIE WAŻONA UŻYTECZNOŚĆ

Proces i treść w dwóch

systemach poznawczych

Percepcj
a

Intuicja –
System 1

Myślenie – System 2

P
R
O
C
E
S

T
R
E
Ś
Ć

SZYBKIE, RÓWNOLEGŁE,

AUTOMATYCZNE, BEZ WYSIŁKU

SKOJARZENIOWE
WOLNE UCZENIE

EMOCJONALNE

WOLNE, SERYJNE

KONTROLOWANE, WYSIŁEK

ZGODNE Z ZASADAMI

ELASTYCZNE

NEUTRALNE

REPREZENTACJE POJĘCIOWE

PRZESZŁE, AKTUALNE,

I PRZYSZŁE

MOŻE BYĆ WYWOŁANE PRZEZ

MOWĘ

SPOSTRZEŻENIA
AKTUALNA
STYMULACJA

Ile kosztują gwoździe?

• młotek +

gwoździe=11

• (10 + x) + x = 11

• 2x = 1

• x = 0.5

Młotek i gwozdzie kosztuja 11 zł
Młotek kosztuje 10 zł więcej niż
gwoździe.
Ile kosztują gwożdzie?

Około 50% odpowiada 1 zł

Oceny i dostepność

wymiarów

• Termin wzięty z badań nad pamięcią i

poznaniem (tam np. siła skojarzenia,

czas reakcji)

• Przymuje się, że różne wymiary

sytuacji są mniej lub bardziej dostępne

• Dostępność zawiera w sobie:

wyrazistość bodzca, selektywną

uwagę, trening, aktywację

skojarzeniową i priming.

Fizyczna wyrazistość

bodzca

vs.

• Oczywiście duże czarne A jest lepiej widoczne

niż małe pomarańczowe

• Można temu przeciwdziałać poprzez

instrukcję, która ukierunkowuje uwagę

Efekt perspektywy

• Inne wybory między operacją i

naświetlaniem w zależności od tego,

jak opisano wynik:

- 90% przeżyło (bliska perspektywa

czasowa)

- 10% natychmiast umarło

• Przyjmowanie zaproponowanego

sformułowania – łatwiej dostępne

Perspektywa i

racjonalność

• Perspektywa decyduje o tym co

jest dostępne, czyli rozważane

• Zmiana perspektywy zmiana

rozważanych wymiarów

• Brak stałej reprezentacji
• Brak gwarancji, że rozważane są

rzeczy istotne

Zależność od punktu

odniesienia

• Czy zagrałbyś w

poniższą grę?

• 50%, +$150
• 50%, -$100

• Większość ludzi

odpowiada -
„nie”

• Co wolisz?
• Stracić $100 na

100%

• Czy zagrac?
• 50%, +$50
• 50%, -$200
• Ludzie wolą grać

Wąska perspektywa

(narrow framing, mental accounting)

• Czy zagrałbyś w

poniższą grę?

• 50%, +$150
• 50%, -$100

• Większość ludzi

odpowiada -
„nie”

• Wyobraź sobie, że

posiadasz
majątek=W

• Co wolisz?
• pozostać z W
• czy zagrac:
• 50%, W + $150
• 50%, W - $100

Rozszerzona persektywa znosi efekt zysków i strat.
Ważny jest stan posiadania, a nie jego zmiana

Nowy model myślenia

heurystycznego

1. wspólny proces dla heurystyk -

zastępowanie wymiarów

2. affect heuristic

3. obejmuje nie tylko myślenie nt.

zdarzeń niepewnych

4. opisuje warunki, przy których włącza

się System 2

Grupa 1

• Jak sądzisz ilu jest studentów na każdym z 9 kierunków

uniwersyteckich?

• BA

• komputerowe

• inżynieryjne

• humanistyczne

• prawo

• bibliotekoznawstwo

• medycyna

• fizyka

• przyrodnicze

• społeczne

Opis prezentowany grupom 2

i 3

114 studentom, kończącym wydział psychologii, przedstawiono

opis innego studenta - Toma W. Opis ten, długości jednego

paragrafu, był sporządzony przez studenta ostatniego roku

psychologii klinicznej na podstawie wyników Toma W:

• w testach projekcyjnych. Tom W. był opisany jako osoba

inteligentna, chociaż nietwórcza

• mająca zamiłowanie do porządku w sensie umysłowym i

fizycznym

• pisząca w sposób nudny i mechaniczny chociaż czasami z

przebłyskami wyobraźni w stylu science fiction

• zależy mu na byciu kompetentnym

• nie żywi zbyt wiele uczucia i sympatii dla innych i kontakty z

nimi nie sprawiają mu przyjemności

• jest skoncentrowany na sobie

• posiada jednak silne poczucie moralności

Kahneman & Tversky (1973); Tversky & Kahneman (1980)

Schemat grup eksperymentalnych

1. ocena liczby

studentów,

na 9 wydziałach:

2. ocena repreznta-

tywności

(podobieństwa) do:

3. ocena

prawdopo-

dobieństwa

komputerowe

inżynieryjne

humanistyczne

prawo

bibliotekoznawstwo

medycyna

fizyka

przyrodnicze

społeczne

Schemat grup eksperymentalnych

1. ocena liczby

studentów,

na 9 wydziałach:

2. ocena repreznta-

tywności

(podobieństwa) do:

3. ocena

prawdopo-

dobieństwa

komputerowe

inżynieryjne

humanistyczne

prawo

bibliotekoznawstwo

medycyna

fizyka

przyrodnicze

społeczne

korelacja między ocenami
w grupie 2 i 3 wynosiła 0.98

korelacja między ocenami
grup 1 i 2 wynosiła 0.62
grup 1 i 3 wynosiła 0.63

Prawdopodobieństwo i

podobieństwo

ocena
podobieństwa

grupa 2

o
c
e
n
a

g
r
u
p
a
3

ocena
podobieństwa

o
c
e
n
a

TOM W.

LINDA

Prawdopodobieństwo i siła

drużyny

• Ocena prawdopodobieństwa, że dana

drużyna wygra w 20 meczach

koszykówki

• Ocena tego jak dobra/silna jest drużyna
• Korelacja tych dwóch ocen: 0.99

(Tversky & Koehler, 1995)

• Ludzie udzielają rozsądnej

odpowiedzi, ale na inne pytanie

(Kahneman, 2003)

Zastępowanie wymairów

• How happy you are with your life in

general?

• How many dates did you have last

month?

• Nieznacząca korelacja przy tym

porządku

• Odwrócona kolejność – korelacja 0.66
• (Strack, Martin, Schwarz, 1988)

Affect heuristic

• Każdy bodziec powoduje ocenę

emocjonalną (affecvtive evaluation)

(przegląd: Bargh, 1997, Zajonc, 1980, 1988)

• Afekt jest łatwo dostępnym wymiarem

• Jednym z tych, których używamy

zamiast wymiarów właściwych

Rodzaj problemu a

przewidywania 'statystyczne' i

'niestatystyczne'

Problem 1

• Pan J powiedział swojemu

przyjacielowi: Jest wiele

dowodów, że wzrastająca

ilość zachorowań na raka

płuc wśród kobiet jest

spowodowana wzrostem

ilości kobiet, ktore palą

papierosy. Ale moja matka

i moja teściowa, które całe

życie paliły, mają obecnie

więcej niż 80 lat i cieszą

się dobrym zdrowiem,

więc widzę, że palenie

niekoniecznie jest

szkodliwe.

Problem 9

• Właśnie zaczął się semestr

zimowy na uniwersytecie.

Henry powinien uczestniczyć

w tym semestrze w 4

kursach. Zapisał się jednak

wstępnie na 5 kursów. W

odniesieniu do 3 z nich jest

całkowicie zdecydowany, że

chciałby je zaliczyć. Waha się

jednak między dwoma

pozostałymi: A i B. Wczoraj

poszedł na zajęcia wstępne w

ramach obu kursów. Zajęcia

na kursie A podobały mu się

bardziej. W związku z tym

zdecydował się wybrać kurs

A i zrezygnować z kursu B.

Rodzaj problemu a

przewidywania 'statystyczne' i

'niestatystyczne'

• Badani oceniali słuszności sądów, czy zachowań opisanych w

9 różnych problemach

• Stwierdzono, że w niektórych przypadkach wykorzystują:

- głównie argumenty statystyczne

np. dla Problemu 1 stanowiły one 93% wszystkich

argumentów

- w innych przypadkach jednak tak nie jest

np. w Problemie 9 argumenty statystyczne stanowiły 5%

wszystkich argumentów

• Badanie potwiedziło hipotezę, że istnieją pewne kulturowe

wskazówki skłaniające nas do statystyczne lub

niestatystycznego myślenia o problemie Jepson, Krantz i

Nisbett (1983)

Treść problemu a wrażliwość

na wielkość próby

• Badanych proszono, aby wyobrazili sobie, że znaleźli się oni na

małoznanej wyspie na Pacyfiku. Wędrując po wyspie spotkali:

- 1, 3 lub 20 ludzi

- którzy mieli brązową skórę/byli otyli

• Zadaniem badanych było podanie procentu osób:

- o brązowej skórze

- osób otyłych w całej populacji

• Zgodnie z oczekiwaniem autorów:

- w przypadku koloru skóry oceny badanych były niezależne od

ilości zaobserwowanych przypadków
(we wszystkich 3 przypadkach oceniali ten procent wysoko ok.

90%)

- przy otyłości oceny zależały jednak od ilości obserwacji

Im więcej było zaobserwowanych przypadków tym wyższy był

procent osób w populacji, które będą otyłe:

1 przypadek – 35%

3 przypadki – 50%

20 przypadków –

75%

Treść problemu a wrażliwość

na wielkość próby

• Wrażliwość lub lekceważenie wielkości

próby wynika z przyjmowanych założeń nt.

homegeniczności populacji, z której ta próba

pochodzi

• Przy czym założenia takie czynione są na

bazie posiadanej przez ludzi wiedzy ogólnej i

dodawane do przedstawianej im sytuacji

problemowej

Nisbett, Krantz, Jepson, Kunda (1983)

Z modelu wynika, że oceny i

wybory są dokonywane w

następujący sposób

1. System 1 uaktywnia oceny i intencje
(a) wzmocniane przez System 2
(b) dopasowywane (niewystarczająco) do innych

cech uznanych za istotne
(c) korygowane ze względu na świadomość błędu
(d) identyfikowane jako niezgodne z subiektywną

zasadą i blokowane

2. Ponieważ nic nie uaktywnia Systemu 1, proces

jest regulowany przez System 2

Wartość ekologiczna

rozpoznawania

• Dotacje na rzecz

uniwersytetów (inf.
poufna)

• Można o niej

wnioskować na
podstawie inf.
prasowej

• Im częściej

wymieniany w prasie,
tym lepiej
rozpoznawalny

Wartość ekologiczna

rozpoznawania

• Wartość rozpoznania:

względna częstość, kiedy

rozpoznawany obiekt ma

wyższą wartość na

danym kryterium niż

nierozpoznawany

• α = R/(R+W)

• R dobra odpowiedź

obliczona dla wszystkich

par, w których jeden

obiekt jest

rozpoznawalny a drugi -

nierozpoznawalny

• W zła odpowiedź

Trafność heurystyki

„rozpoznanie”

• Wskazać to spośród dwóch miast,

które jest większe

• Wynik testu=proporcja trafnych

odpowiedzi

• Pary miast:
• oba rozpoznane,
• oba nierozpoznane,
• jedno rozpoznane

Trafność heurystyki

„rozpoznanie”

• N par
• n rozpoznanych miast
• (N – n): nierozpoznane miasta
• Pary miast:
• oba rozpoznane:

n(n-1)/2

• oba nierozpoznane: (N-n)(N-n-1)/2
• jedno rozpoznane:

n(N-n)

α = p(dobrej odpowiedzi
W opaciu o rozpoznanie,
czyli trafność heurystyki

p(zgadywania) = 1/2

β = p dobrej odpowiedzi,
w oparciu o wiedzę

Trzy siostry

• Trzy paryżanki, uczennice liceum, odpowiadają na

pytanie, które z dwóch niemieckich miast ma
większą liczbę mieszkańców – pary losowane ze 100
największych miast

• Najmłodsza siostra nie wie nic – nigdy nie słyszała o

żadnym z tych miast

• Średnia potrafi rozpoznać 50 spośród 100 miast i w

80% par są to bardziej zaludnione miasta (α = 0.8)

• Najstarsza słyszała o wszystkich 100.
• Średnia i najstarsza mają dodatkowo pewną wiedzę,

która powoduje, że kiedy znają oba miasta, to w 60%
trafnie identyfikują bardziej zaludnione (β = 0.6)

Trzy siostry

• Najmłodsza siostra nie wie

nic o żadnym z tych miast

• Średnia potrafi rozpoznać

50 spośród 100 miast i α =

0.8

• Najstarsza słyszała o

wszystkich 100

• .
• Średnia i najstarsza mają

wiedzę, kiedy znają oba

miasta, to β = 0.6

Wielkość populacji w miastach

amerykańskich i niemieckich

• Chicago Tribune:

styczeń 1985 – lipiec
1997

• Wzmianki nt.

niemieckich miast
powyżej 100 tys.

• 63 studentów

amerykańskich
odpowiadało, czy
słyszało o danym mieście
– stopa rozpoznania

• Die Zeit: maj 1995 –

lipiec 1997

• Wzmianki nt.

amerykańskich miast
>100

• 30 studentów z

Salzburga w Austrii

The priority heuristic:

wybory bez kompensacji

(Brandstatter, Giegerenzer, Hertwig, w druku)

• Podstawowe założenie modeli wyboru

– konieczność myślenia „coś za coś”

• Drogi aparat dobrej jakości vs. tańszy

i gorszej jakości

• Przy wyborach ryzykownych jest to

kompensacja typu ryzyko vs. zysk,
wynik vs. prawdopodobieństwo

The priority heuristic

• Myślenie zgodne z modelem

leksykograficznym

• Rozważane wymiary: najgorszy i

najlepszy wynik oraz ich

prawdopodobieństwa

• W jakiej kolejności powyższe wymiary

są rozważane?

W jakiej kolejności wymiary

są rozważane?

• Względna ważność p & u
• Giegerenzer przyjmuje, że u

ważniejsze od p

(założenie nie do końca uprawnione!)

• Gorsze wyniki są ważniejsze niż

lepsze

Względna ważność max

wygranej i p min wyniku

• min. wynik – constant
• Decyzje zależą od:
• max wyniku
• p min. wyniku
• Te dwa wymiary sugerują inne

wybory

• 41 studentów Uniwersytetu w Linz

dokonywało 4 poniższych wyborów:

Względna ważność max

wygranej i p min wyniku

• (€500, .50) i (€2.500, .10)

[88%]

• (€220, .90) i (€500, .40) [80%]
• (€5.000, .50)

i (€25.000, .10)

[73%]

• (€2.200, .90)

i (€5.000, .40)

[83%]

• Drugi wynik w każdym zakładzie to „0”
• p (min wynik) ważniejsze niż max

wygrana

Priority rule

• Kolejność w jakiej rozpatrywane są

wymiary:

(1) min. wynik a

min

(2) prawd. min. wynik p

min

(3) max. wynik a

max

Kiedy przerywamy

porównania?

• Wtedy, kiedy na

określonym
wymiarze różnica
między
alternatywami jest
zgodna z naszym
poziomem aspiracji
(idea Simona)

• Poziom aspiracji

zależy także od a

max

(

+200

, 0.5, 0) i (+100,

• a

min

0 i 100

(

+1000

, 0.5, 0) i

(+100,1)

• a

min

0 i 100

Skończ, jeśli a

min

różni się

conajmniej o 1/10 a

max

Kiedy przerywamy

porównania?

• Ponieważ różnica

między zakładami
na najważniejszym
wymiarze jest
zgodna z poziomem
aspiracji, to
kończymy

• Inne wymiary nie

są rozważane

(

+200

, 0.5, 0) i

(+100, 1)

• a

min

0 i 100

• 1/10 a

max

= +20

• spełnia aspiracje
• STOP

Paradoksy Allaisa (1953) -

amanie zasady wspólnych

konsekwencji

A: +5000, 10%

B: +1000, 100%

+1000, 89%
0, 1%

• Większość ludzi wybiera B, ze względu na 1%

na wynik 0 w przypadku A
C: +5000, 10%

D: +1000, 11%

0, 90% 0, 89%

• Większość ludzi wybiera C, lekceważąc fakt,

że prawdopodobieństwo wygrania jest

mniejsze o 1%, ponieważ tutaj kierują się

wielkością wygranej

Paradoksy Allaisa - ł

amanie

zasady wspólnych

konsekwencji

A: +5000, 10%

+1000, 89%
0, 1%

C: +5000, 10%
0, 89%

0, 1%

B: +1000, 10%
+1000, 89%
+1000, 1%

D: +1000, 10%
0, 89%
+1000, 1%

Paradoksy Allaisa - ł

amanie

zasady wspólnych

konsekwencji

A: +5000, 10%

+1000, 89%

0, 1%

C: +5000, 10%

0, 89%

0, 1%

B: +1000, 10%

+1000, 89%

+1000, 1%

D: +1000, 10%

0, 89%

+1000, 1%

Uproszczony przykład - ł

amanie

zasady wspólnych

konsekwencji

Paryż, 10%

Berlin, 89%

0, 1%

Paryż, 10%

0, 89%

0, 1%

B: Berlin, 10%

Berlin,

89%

Berlin, 1%

D: Berlin, 10%

0, 89%

Berlin, 1%

Priority rule i paradoksy

Allaisa

A:+5000, 10%

+1000, 89%

0, 1%

B:+1000, 100%

min

0 & 1000

max

5000

1/10 a

max

C: +5000, 10%

0, 90%

D: +1000, 11%

0, 89%

min

0 & 0

Różnica w a

min

jest > aspiracji

Wystraczy, aby wybrać B

min

jest takie samo

Rozważamy kolejne
kryterium - p

min

Priority rule i paradoksy

Allaisa

C: +5000, 10%

0, 90%

D: +1000, 11%

0, 89%

min

0 & 0

min

90%&89%

max

5000 &

1000

Krok 2
p

min

różni się o 1%

Zauważmy 10%
Rozważamy kolejne
kryterium - a

max

Krok 1
a

min

jest takie samo

Rozważamy kolejne
kryterium - p

min

Krok 3
a

max

jest lepsze dla C

Wybieramy C

Priority rule i paradoksy

Allaisa

A:+5000, 10%

+1000, 89%

0, 1%

B:+1000, 100%

min

0 & 1000

max

5000

1/10 a

max

C: +5000, 10%

0, 90%

D: +1000, 11%

0, 89%

min

0 & 0

min

90%&89%

max

5000 &

1000

Krok1
Różnica w a

min

jest > aspiracji

Wystraczy, aby wybrać B

Krok 3
a

max

jest lepsze dla C

Wybieramy C

Document Outline