Denken: Urteilen und Entscheiden

--> historische Entwicklung in der Mathematik

=hypothetische Denkfigur für die Maximierung des Nutzens durch Erwartung-mal-Wert. Hat perfektes Wissen, deshalb perfekte mathematische Vorhersage der Weltereignisse.

-

--> historische Entwicklung in der Mathematik

bietet unendlich grosse Gewinnerwartung bei begrenztem Preis, und wird abgelehnt! (vgl. 5-Frankenstück; Ist Kopf oben, erhält der andere jeweils Verdoppelung seines Gewinns)

- Aus diesem Spiel entwickelten Bernoulli Konzeption des abnehmenden Grenznutzens. (=Hat man viel von etwas, ist alles, was dazu kommt nicht mehr linear gleich viel wert). ---> Neumann definierte dann 'Wert' als individuelle Grösse.

- Repräsentativitätsheuristik

- Ankereffekt

- Rückschaufehler (hindsight bias)

- Vertrautheitseffekt

- Verfügbarkeitsheuristik

- Kategorisierungsfehler

- Gesetz des Mittelwerts

- Basisratenfehler

Bsp. Beschreibung Bankangestellte mit Frage, ob sie Bankangestellte ist oder B.a. und dazu Mitglied in einer Frauenbewegung.

Wir orientieren uns in der Einschätzung der Wahrsch einer Klassenzugehörigkeit nicht an Basiswahrsch., sondern an Informationen, die für eine Klassenzugehörigkeit typisch sind.

z.B. bei Verkauf eingesetzt. Zuerst das Teure verkaufen (z.B: Anzug), dann ist der kognitive Anker für den Preis hoch gesetzt und die Accessoires, welche man sonst teuer fände (50-100 Fr.) erscheinen nun geradezu billig

Vgl. auch Exp. 'wieviele % der UN sind afrikanische Nationen?' Duch Drehen an einem Glücksrad wurde Anker gesetzt! Stands bei Nr. 10: 25% . Stands bei Nr. 65: 45% --> letzter vorhandener numerischer Wert wird verwendet.

Bei der Einschätzung von uns bekannten Grössenordnungen orientieren wir uns an gerade im Kurzzeitspeicher vorliegenden Zahlen, selbst wenn wir wissen, dass diese mit der einzuschätzenden Zahl nichts zu tun haben.

Vpn müssen bei Aussagen 'richtig' oder 'falsch' ankreuzen. Fragt man nun dieselben Fragen jede Woche, steigen die Schätzwerte für 'richtig' kontinuierlich an. Vgl. social exposure effect: Leute, die man oft sieht, sind einem sympathischer.

Dinge, die wir häufiger gehört haben, halten wir eher für wahr als Dinge, die wir zum ersten Mal hören.

z.B. 'gibt es mehr Wörter, die mit P anfangen, oder solche, die P an 4. Stelle haben?' --> man sucht nach P-Wörtern, da diese leichter einfallen.

z.B. 'welche der beiden Reihenfolgen beim Werfen von Münzen ist wahrscheinlicher: K Z K Z Z K oder K K K K K K ?'

--> beide sind gleich wahrscheinlich! (Je (1/2)^6

Wir haben das Gefühl, Dinge müssen sich ausgleichen. Bsp. Pferderennbahn: Hat ein Pferd 5x verloren setzt man dann nochmal darauf, da man denkt, 'der muss ja auch wieder mal gewinnen' (obwohl nächstes Rennen natürlich wieder ein unabhängiges ist!)

--> Harvard medical school Studie:

mussten sagen, wie wahrsch. es ist, dass Person mit positivem Testergebnis wirklich die Krankheit hat, wenn Krankheit Basisrate (=Vorkommen in Bevölkerung) von 1/1000 hat und eine Falsch-positiv-Rate von 5%.

Richtig: 2%

Die Mehrheit wählte aber die Antwort '56%' -- berücksichtigen Basisrate nicht!

Bei der Einschätzung von bedingten Wahrsch. vergessen wir das Inbeziehungsetzen zur Basisrate.

Bsp. 'Wie hoch ist die Freiheitsstatue in New York?'

1. Schätzung: 70m

2. Lösung: 93m

3. Erinnerte Schätzung: 80m --> näher an Lösung als die Schätzung war

--> versch. Gedächtnisspuren überlagern sich.

Wird aber gefragt 'Statue ist 93m - wie hoch war deine Schätzung?' --> dann wird eher richtige alte Schätzung gesagt.

Eigene Fehlerurteile werden in der Erinnerung an den wahren Wert angenähert, wenn wir diesen nach der Schätzung erfahren

Die komplizierte Berechnung; es gibt vesch. Relationen zw. Testergebnis und Zustand der Person (richtig-positiv / falsch-positiv / falsch-negativ / richtig-negativ)

Die Sensitivität = die richtig-positiv Rate

--> Berechnung der a posteriori Wahrscheinlichkeit für Krebs bei positivem Test:

p (K / pos)

Baye's Theorem:

p(k/pos) = p(K) mal p(pos/k) /DURCH/ p(K) mal p(pos/k) + p (-K) mal p(pos/-k)

--> Berechnet wird Wahrsch., dass jemand Krebs hat unter der Bedingung, dass der Test positiv ausfiel.

p(K)= Krebsrisiko vor Test = 0.01

p(pos/k) = Sensitivität des Tests = 0.79

p(pos/-k) = Falsch-positiv-Rate = 0.10

Basisrate = wieviele Personen in der Bevölkerung überhaupt erkrankt sind (Krebsrisiko vor dem Test)

Bedeutet, dass bei Mammografie (in 80er Jahren) die Wahrsch., dass Frau Brustkrebt hatte, wenn sie positives Testergebnis hatte, sonst aber keine Symptome, lediglich 8% !! --> Pos. Testergebnis hiess also eigentlich, dass Frau zu 92% gesund war! ärzte verstanden damals Wirkung zw. Basisrate und Falsch-Positivrate noch nicht wirklich.

Kognitive Ersatzlösungen, weil uns die Berechnung von Wahrscheinlichkeiten überfordert. Emotionen werden dabei als eine irrationale heuristische Steuerkomponente betrachtet.

Würde das heuristics&biases Programm menschl. Vh. tatsächlich beschreiben, dann wäre die einzige Schlussfolgerung, wir sind Dummköpfe oder wenigstens kognitive Faulpelze ;)

Aus Daten der Vpn wird ein 'Raum' kreiert (3 Kreise, in Mitte Punkte am dichtesten). Die, die sehr gut sind, sind relativ eng beieinander, denn: Wissen konvergiert (--> Veridikalität in unserer Wahrnehmug) Nichtwissen divergiert (die einen wissen das nicht, die anderen das nicht, die dritten gar nix etc.)

Webdefinition Veridikalität der Wahrnehmung: Wir planen unsere Eingriffe in und Zugriffe auf die Außenwelt mit der Überzeugung, dass wir über die Außenwelt Informationen erhalten, die wir uns nicht einbilden, sondern die uns über von uns unabhängige Strukturen belehren.

Die klassische ökonomische Theorie (homo oeconomicus Prämisse)

Die klassische ökonomische Theorie (homo oeconomicus Prämisse)

zeigt, dass Menschen assoziativ vorgehen und deswegen im normativen Modell der unbegrenzten Rationalität versagen.

- Mit Adaptivität an die statistischen STrukturen der Umwelt rettet die Theorierichtung der ökologischen Rationalitöt die Rationalität des Menschen

--> Heuristiken an sich sind sehr gute Strategien die uns im Leben helfen/an best. Umwelten angepasst sind (=ökologisch).

- Die Konzeption der motivationalen Rationalität berücksichtigt die statistischen Erfolgsbedingungen von Bedürfnisklassen bei der Norm für gutes Entscheiden

Es gibt uns mathematische Norm, um eine a posteriori Wahrscheinlichkeit (=Wahrsch., NACHDEM ich weiss, dass Test positiv) aus einer a priori Wahrsch. (=aus Sensitivität) und aus der Falsch-Positiv-Rate herauszurechnen.

Dabei Basisrate (Wahrsch., dass jemand krank ist, unabh. davon ob man Tests macht oder nicht) berücksichtigen --> daran scheitert man oft.

Ursprung: Wenn ein Test für eine Krankheit mit einer Basisrate von 1/1000 eine Falsch-Positiv-Rate von 5% hat, wie hoch ist die Wahrscheinlichkeit, dass eine Person mit einem positiven Testergebnis tatsächlich die Krankheit hat - 2% oder 95%?

1. Modifikation: "Die Auftretenshäufigkeit der Krankheit x unter Amerikanern ist 1/1000" ... "5 % der gesunden Personen haben ein positives Testergebnis"

... "Wahrsch., dass eine Person mit einem positiven Testergebnis wirklich die Krankheit hat?"

--> vereinfachte Version ohne statistische Begriffe

2. Modifikation: "1 von 1000 Amerikanern hat die Krankheit X"

... " von je 1000 gesunden Personen haben 50 ein positives Testergebnis"

... "Wie viele Personen mit einem positiven Testergebnis haben die Krankheit tatsächlich?"

--> Vereinfachte Version mit Häufigkeiten statt Prozentangaben

siehe Bild.

Bei Ursprungsversion sagen 1 von 8 Medizinern das richtige. und 4 von 7 sagen völlig falsche Antwort. Lässt man die Fachtermini weg, geben weniger eine falsche Antwort, aber noch immer sehr wenige (nur 28%) eine richtige. Bei Häufigkeiten und grafischer Darstellung macht kein Mediziner mehr den brutalen Fehler.

Tropenarzt, Krankheit im Dorf bricht aus, man sieht 30 Leute. Nun sieht man 31. Person, sie hat das Symptom, nun abschätzen, ob sie krank ist oder nicht.

--> Man hat 12 Symtomträger gesehen, 8 von denen sind erkrankt, 4 nicht. --> Wahrsch. von 2/3, dass die 31. Person krank ist --> Basisrate spielt dabei keine Rolle!

(unterscheidet sich nicht so stark von den Heuristiken von Kahnemann/Tversky)

--> Sequentielle Entscheidungsheuristiken statt Informationsintegration.

Besagt: Das, was man erkennt, ist das 'schönere, grössere, berühmtere etc.'

Bsp: "Welche der beiden Städte hat mehr Einwohner? San Diego oder San Antonio?" --> man wählt die Stadt, die man schon gehört hat. Ist bessere Strategie als Zufallswählen!

--> Leitspruch: "Simple heuristics that make us smart"

Recognition heuristic kann man nur verwenden, wenn man nur eine der beiden Alternativen kennt. Kann übrigens auch zu Fehlern führen (vgl. Unterschätzung der Einwohnerzahlen chinesischer Grossstädte)

--> Sequentielle Entscheidungsheuristiken statt Informationsintegration.

Bsp: Hat San Diego oder San Antonio mehr Einwohner? Man überlegt z.B., welche der beiden Städte einen Flughafen hat.

Aufsummieren von diskreten Einzelinfos, die erfahrungsabhängig sind

--> Sequentielle Entscheidungsheuristiken statt Informationsintegration.

Besagt, wieviel von einem Sample/einer Population man sich 'anschauen' muss, um etwas darüber zu wissen, was normalerweise der Fall ist (vgl. Araber, der Ausländer reichste Frau geben will (100 Frauen, Mitgift) - der andere nimmt Testsample und fragt die ersten 37% wie ihre Mitgift ist, nimmt keine davon, nimmt dann diejenige (erste) die höhere Mitgift als die höchste des Testsamples hat.

Bsp. Beziehungen: Etwa 30 Beziehungen (je ca. 2 Mt) eingehen (wäre theoretisch möglich) , die ersten 12 alle nach 2 Mt beenden, dann die nächste nehmen, welche besser ist als die beste der 12 'Testbeziehungen'

--> Sequentielle Entscheidungsheuristiken statt Informationsintegration.

Das nehmen, was nicht unbedingt das Beste ist, jedoch den Ansprüchen genügt.

- Bounded rationality (Simon): Kognitive Fähigkeiten und Umweltbedingungen sind wie die zwei Blätter einer Schere. --> 'Rationalität auf Schienen' (laut Prof): Ist gewissermassen begrenzt, kennt aber festen Rahmen ("Schienen") der Umwelt, die diese Organismen über Generationen hinweg so selektioniert haben, dass die Rationalität für diese Umwelt besonders gut funktioniert.

- Anpassung der mathematischen Repräsentationen von Erwartungswerten an natürliche Formate.

Argumente gegen eine unbegrenzte Rationalität als Norm für menschliches Denken:

1) Erwartungs-mal-Wert Modelle scheitern in der Realität am Aufwand

a) unbegrenzte Zeit, unbegr. Wissen und unbegr. Verrechnungskapazitäten stehen nicht zur Verfügung

b) an der Vergleichbarkeit der Werte

2) Statistisches Denken ist Denken in Modellen und keine "direkte Schau der Wirklichkeit"

3) Ein überlebensfähigker Organismus braucht gar keine optimalen Entscheidungen hinsichtlich der Zukunft --> man kann auch mit der zweitbesten Lösung glücklich werden ;)

Dass Menschen anstelle der notwendigen Rechenoperationen ganz einfache, mathematisch nicht begründbare Heuristiken verwenden (z.B: Ankereffekt, Rückschaufehler etc.)

- Richtig positiv = Test positiv. Person hat Krebs --> Sensitivität eines Tests

- Falsch positiv = Test ist positiv. Person hat aber keinen Krebs --> Falsch-Positiv-Rate eines Tests

- Falsch negativ=Test ist negativ. Person hat aber Krebs.

- Richtig negativ = Test ist negativ. Person hat keinen Krebs.

Nach ihr werden sukzessive die möglichen Informationsquellen in der Reihenfolge ihrer Güte befragt, und sobald eine dieser Quellen eine Entscheidungsgrundlage offenbart, wird die Informationsverarbeitung abgebrochen und lediglich auf der Basis dieser Informationsquelle die Entscheidung gefällt.

-> TTB ist Prototyp des 'one-reason decision making', bei dem Infos nur so lang verarbeitet werden/gesucht werden, bis eine ausreichende Basis für eine Entscheidung vorliegt.

-> Entscheidungsmodell von Gigenzer, welches Simons Argumentation der bounded rationality Rechnung tragen soll.