Urteilen und Entscheiden Flashcards
Was ist das Bayes-Theorem?
Das Bayes-Theorem gibt an, wie man die a-priori-Wahrscheinlichkeit einer Hypothese mit den bedingten Wahrscheinlichkeiten für eingetretene Ereignisse kombinieren muß, um die a-posteriori-Wahrscheinlichkeit einer Hypothese zu bestimmen.
Was ist die A-priori-Wahrscheinlichkeit?
Wahrscheinlichkeit, mit der eine Hypothese zutrifft, bevor irgendwelche Anhaltspunkte berücksichtigt werden.
(Je weniger wahrscheinlich eine H
z:B:
P(H) = 0.001
und Gegenteil:
P(~H) = 0.999
(P = Wahrscheinlichkeit, H = Hypothese, ~H = nicht-Hypothese)
Beispiel: H = Es ist ein Einbrecher im Haus
Was ist die bedingte Wahrscheinlichkeit?
Wahrscheinlichkeit, dass ein bestimmtes Ereignis eintritt, wenn eine bestimmte Hypothese zutrifft.
P(E | H) = 0.8
oder Wahrscheinlichkeit, dass ein bestimmtes Ereignis eintritt, wenn eine bestimmte Hypotehse nicht zutrifft.
P(E | ~H) = 0.01
E = Anhaltspunkt ~H = H trifft nicht zu
Beispiel: E = Die Haustür steht offen
Was ist die A-Posteriori-Wahrscheinlichkeit?
Wahrscheinlichkeit, dass eine Hypothese nach der Berücksichtigung eines eingetretenen Ereignisses zutrifft.
P(H | E)
Wie lautet die Formel für das Bayes-Theorem?
P (H|E) = { P(E|H) * (P|H) } / { P(E|H) * P(H) + P(E|~H) * P(~H) }
Am Beispiel:
P (H|E) = { 0.8 * 0.001 } / { 0.8 * 0.001 + 0.01 * 0.999 } = 0.074
Was ist die Base-rate Fallacy?
Als Prävalenzfehler bezeichnet man den Fehler, der entsteht, wenn die Bestimmung der bedingten Wahrscheinlichkeit einer statistischen Variable A unter einer Bedingung B ohne Rücksicht auf die Prävalenz oder A-priori-Wahrscheinlichkeit von A vorgenommen wird.
Was ist Konservatismus?
Wenn Menschen bei der Einschätzung von Wahrscheinlichkeiten das kumulative Gewicht von eingetretenen Anhaltspunkten unterschätzen.
Wie genau schätzen Menschen die Häufigkeiten ein, wenn sie sie a) sehen oder b) aus dem Gedächtnis hervorrufen müssen?
Gesehene Häufigkeiten werden viel genauer eingeschätzt. Beim hervorrufen aus dem Gedächtnis kann es zu Verzerrugen kommen, wenn man zu viele Fälle der selben Sorte abruft.
Welche Gedächtnisfaktoren führen zur Verzerrung der Wahrscheinlichkeinschätzung?
Dinge, die man leichter erinnert, werden tendenziell als häufiger eingeschätzt als sie tatsächlich sind. Sie sind im Gedächtnis leichter abrufbar. Es geschieht ein Priming-Effekt.
(So zum Beispiel Wörter, die mit dem Buchstanben K beginnen im Gegensatz zu Wörtern, die K an dritter Stelle haben)
Was ist der Monte-Carlo-Effekt / Spieleirrtum / Gesetz des Mittelwerts?
Wenn man glaubt, dass ein Ereignis nach einem “Gesetz des Mittelwerts” demnächst mit Grösserer Wahrscheinlichkeit eintreten wird, wenn es eine Zeitlang nicht eingetreten ist.
Was ist Urteilen?
Der psychologische Prozess, der zugrunde liegt, wenn Menschen einem Urteilsobjekt einen Wert auf einer Urteilsdimension zuordnen und das daraus resultierende Urteil explizit zum Ausdruck bringen.
Was ist Entscheiden?
Entscheiden ist ein Prozess des Wählens zwischen mindestens zwei Optionen, mit dem Ziel, erwünschte Konsequenzen zu erreichen und unerwünschte Konsequenzen zu vermeiden. Der Prozess führt im günstigsten Fall zu einer Entscheidung (Wahl). Durch die Entscheidung wird eine Option selektiert und der Entschluss gebildet, diese zu realisieren, z.b. eine Handlung auszuführen.
Was sind Heuristiken?
Unter Heuristiken werden Faustregeln zur Urteilsfindung in Situationen unter Unsicherheit verstanden. Sie sind vereinfachend, kapazitätssparend und meist hinreichend genau, können aber auch zu systematischen Fehlern führen: Biases. Sie werden auch als kognitive Täuschungen bezeichnet.
Was ist die Rekognitionsheuristik?
Wiedererkennungsheuristik:
Aufgrund dieser betrachtn Menschen das, was sie aus der Erinnerung kennen, als wichtiger oder grösser als das, was sie nicht wiedererkennen. (z.B. bekannte Stadt vs. unbekanntes Stadt, welche ist grösser? -> die bekannte)
Kommt die Rekognitionsheuristik immer zum Zug?
Nein, sie kann mit anderen Informationen verknüpft und damit angepasst werden. (z.B. welches Tier gibt es häufiger, Panda oder Frostspanner -> Frostspanner, denn man weiss, dass Pandas vom Aussterben bedroht sind)
Inwiefern unterscheiden sich subjektiver Nutzen von objektivem Nutzen, wenn es um Entscheidungen geht?
- Verlust von Nutzen wird grösser gewichtet als Gewinn
- Ab einem gewissen Gewinn/Verlust wird der Nutzen nicht mehr proportional wahrgenommen
-> Wertefunktion
Inwiefern unterscheiden sich subjektive Wahrscheinlichkeiten von objektiven Wahrscheinlichkeiten, wenn es um Entscheidungen geht?
Kleine Wahrscheinlichkeiten werden gegenüber grossen Wahrscheinlichkeiten überbewertet.
-> Gewichtungsfunktion
Der Arzt teilt seinem Patienten mit, dass der Test (zum Erkennen einer schlimmen Krankheit) leider positiv ausgefallen ist. Als der Patient fragt, wie zuverlässig der Test sei, antwortet der Arzt: Der Test erkennt die Krankheit mit einer Trefferquote von 79%; dagegen zeigt er in 10% der Fälle fälschlicherweise ein positives Ergebnis, obwohl keine Krankheit vorliegt. Der Patient weiss zudem, dass die Prävalenz (d.h. das Krank- heitsrisiko vor dem Test) 1% beträgt.
Wie bezeichnet man die im Text erwähnten Zahlen im Kontext des Bayes- Theorems?
Prävalenz von 1% = A-priori-Wahrscheinlichkeit
Trefferquote von 79% = bedingte Wahrscheinlichkeit eines positiven Ergebnisses, wenn die Krankheit vorhanden ist.
Falsch-positive 10% = bedingte Wahrscheinlichkeit eines positiven Ergebnisses, wenn die Krankheit nicht vorhanden ist.
