Психология критического мышления

Халперн Дайана

Наша диаграмма сначала имеет только две ветви — Луиза принимает приглашение и Луиза отказывается. От узла «Луиза соглашается» начинается следующее разветвление, указывающее, получит Чарли поцелуй или нет. Каждая ветвь должна быть помечена соответствующими значениями вероятностей. Конечно, если Луиза не примет приглашение, то Чарли совершенно точно не получит поцелуя. Следовательно, ветвь, исходящая из узла «Луиза отказывается», будет помечена значением вероятности 1,00 события «Чарли не поцелуют».

Согласно правилу «и» для нахождения вероятности двух (или нескольких) событий, вероятность того, что на прощание Луиза поцелует Чарли, равна: 0,10 x 0,95 = 0,095.

Вы

не удивлены, что объективная вероятность оказалась меньше, чем низкий базовый уровень (10 %), и значительно меньше, чем более высокий вторичный или последующий уровень (95 %)? Многих людей это удивляет. Надеюсь, что вы помните, что любой ответ, превышающий 10 %, был бы признаком ошибки конъюнкции. Как было сказано в разделе об ошибках конъюнкции, вероятность совместного появления двух случайных событий (Луиза соглашается и целует Чарли) должна быть меньше, чем вероятности появления каждого из этих событий по отдельности. Большинство людей игнорирует низкий базовый уровень вероятности (или недооценивает его влияние) и дает оценку ответа, лежащую ближе к более высокому уровню вторичной вероятности. В целом люди склонны переоценивать вероятность совместного появления двух или нескольких случайных событий. Ошибки такого типа называются игнорированием базового уровня.

Принятие вероятностных решений

Большая часть принимаемых нами в жизни важных решений связана с вероятностями. Хотя более всестороннее обсуждение принятия решений будет проводиться в главе 8, давайте рассмотрим применение древовидных диаграмм в процессе принятия решений.

Эдит пытается выбрать для себя специализацию в колледже. Она учится в университете, где для специализации по каждому из предметов надо сдавать отдельные вступительные экзамены. Она серьезно думает о том, чтобы стать бухгалтером. Она знает, что на отделение бухгалтерии принимают только 25 % из желающих туда поступить. Семьдесят процентов поступивших оканчивают курс, и 90 % окончивших успешно сдают государственные экзамены на звание бухгалтера и становятся бухгалтерами. Эдит хотела бы узнать, каковы ее шансы стать бухгалтером, если она выберет эту специализацию.

Чтобы ответить на ее вопрос, нарисуем древовидную диаграмму, ветви которой будут указывать «путь» к успешному овладению профессией бухгалтера.

Из приведенной выше диаграммы вы видите, что вероятность успешно овладеть профессией бухгалтера равна 0,25 х 0,70 х 0,90, т. е. 0,158. Получив такой результат, Эдит должна обдумать другие варианты. Например, она может попробовать поступать сразу на отделения бухгалтерии и педагогики. Она может снова подсчитать свои шансы на успех по одной из этих профессий, по обеим сразу (если такой вариант для нее возможен) или вероятность неудачи и там, и там.

В этом примере предполагается, что у нас нет никакой дополнительной информации, на основе которой можно оценивать шансы Эдит на успех. Предположим теперь, что нам известно, что у Эдит прекрасные способности к математике. Приведет ли наличие такого рода информации к изменению соответствующих вероятностей? Повысится ли вероятность того, что Эдит будет принята, окончит курс и успешно овладеет профессией, требующей знания математики? Интуитивно хочется ответить «да». Давайте на следующем примере рассмотрим, как изменится задача вычисления вероятности успеха, если учитывать дополнительную информацию.

Прогнозы на основе объединения информации

Хосе всегда хотел стать артистом. Поэтому он планирует продать все свое имущество и отправиться в Нью-Йорк делать карьеру. Предположим, и вам, и Хосе известно, что лишь 4 % людей, мечтающих стать актерами, добиваются в Нью-Йорке профессионального успеха. Это значение является базовым уровнем; оно основано на информации, известной еще до того, как мы получим какую-либо конкретную информацию о Хосе. Давайте остановимся и обдумаем эту цифру — базовый уровень. Она говорит о том, что очень немногие из людей, мечтающих стать актерами, становятся профессионалами в этой области. Другими словами, шансы на успех низкие. Предположим, что у вас нет никакой дополнительной информации о Хосе. Как бы вы оценили его шансы на успех? Если вы ответили 4 %, вы совершенно правы! В отсутствие какой-либо другой информации используйте базовый уровень.

Хосе считает, что ему не стоит беспокоиться: дело в том, что 75 % тех, кто преуспел на актерском поприще, имеют кудрявые волосы, а также хорошо поют и рассказывают анекдоты. Поскольку у Хосе кудрявые волосы, он хорошо поет и уморительно рассказывает анекдоты, то он уверен, что скоро будет рассылать поклонникам свои глянцевые фотографии размером 8 х 10. Значение второй вероятности называется вторичным; оно отражает специфическую информацию о характеристиках Хосе и желательного исхода. Мы используем эти два значения вероятностей для того, чтобы решить, обоснован ли оптимизм Хосе. Каковы его точные шансы на успех? Не забывайте, что вероятности лежат в диапазоне от 0 до 1, причем 0 означает, что Хосе точно потерпит неудачу и ему придется возвратиться домой, а 1 означает, что он совершенно точно добьется успеха на Бродвее. Теперь остановитесь и оцените субъективную вероятность его успеха.

Можете ли вы предложить способ определения объективной вероятности успеха? Чтобы найти объективную вероятность, вам потребуется знать еще одно число, про которое часто забывают, — процент тех, кто терпит неудачу, несмотря на то, что обладает характеристиками, связанными с успехом (в данном случае, кудрявыми волосами и умением петь, танцевать и шутить). Очень немногие люди понимают, что при оценке вероятности успеха необходимо учитывать эту величину. Для краткости изложения я буду обозначать характеристики, связанные с успехом (кудрявые волосы и умение петь и шутить), просто «кудрявые волосы», а отсутствие этих качеств — «нет кудрявых волос». Предположим, что 50 % потерпевших неудачу обладают этими качествами. В таком контексте для расчета вероятностей тоже можно использовать древовидные диаграммы. Давайте начнем с начала и рассмотрим все возможные исходы. В данном случае Хосе либо добьется успеха, либо потерпит неудачу, поэтому мы назовем первые ветви «успех» и «неудача». Как и прежде, мы будем надписывать вероятность каждого события вдоль соответствующей ветви.

Отметим, что эти две вероятности (0,04 и 0,96) в сумме равны 1,0, поскольку других возможных исходов нет. Один из этих исходов обязательно осуществится, поэтому сумма их вероятностей равна 1,0, что указывает на достоверность.

Хосе знает, что у 75 % из тех, кто добивается успеха, бывают кудрявые волосы. В этом примере мы пытаемся найти вероятность определенного исхода (успеха) при условии, что у нас уже имеется некоторая информация, касающаяся вероятности этого исхода. Давайте добавим новые ветви, исходящие из узлов «успех» и «неудача». В этом примере существуют четыре различных исхода: успех при наличии кудрявых волос, успех при отсутствии кудрявых волос, неудача при наличии кудрявых волос и неудача при отсутствии кудрявых волос. Эти четыре исхода показаны на следующей диаграмме:

Отметим, что поскольку 75 % (0,75) добившихся успеха имеют кудрявые волосы, а 25 % (0,25) не обладают этой характеристикой, то сумма вероятностей событий, исходящих из одного узла, должна равняться единице. Точно так же 50 % потерпевших неудачу имеют кудрявые волосы, а 50 % неудачников не обладают этим качеством. Поскольку мы учитываем всех неудачников, то сумма этих вероятностей также должна равняться единице.

После того как диаграмма нарисована, подсчитать объективную вероятность успеха Хосе уже совсем просто. Как и раньше, чтобы найти вероятность какого-либо исхода, надо перемножить вероятности вдоль ведущей к нему ветви. В данном случае мы перемножим вероятности вдоль каждой из ветвей диаграммы и представим результаты в виде таблицы: