论文论主观概率判断中的基础概率谬误是关于本文可作为相关专业基础概率谬误论文写作研究的大学硕士与本科毕业论文基础概率谬误论文开题报告范文和职称论文参考文献资料。
摘 要：“基础概率谬误”是人们在进行主观概率判断时倾向于使用具体信息而忽略掉一般信息的现象.它可以解释很多情况下人们所做的主观概率判断和决策.它的提出使得人们不得不重新思考以贝叶斯定理为基础的决策理论的规范性研究方案,继而开始了决策理论的描述性研究,并提出了支持理论等重要理论成果.关于基础概率谬误产生的认知策略,主要有代表性启发策略、相关性原则、非因果基础概率原则等解释.但是,基础概率谬误并不就真的是“谬误”,有时候这还是一种合理的决策方式.
关键词：主观概率判断；基础概率谬误；代表性启发策略；相关性原则；非因果基础概率
中图分类号：B017 文献标识码：A 文章编号：１００３－１５０２（２０13）０1－００10－０6
贝叶斯定理（Bayes"theorem）是概率论中非常重要的一个定理,它能够为主体利用搜集到的新信息对原有判断进行修正提供有效手段,因此,在很长的一段时间里,它都是决策理论的一个重要理论基础.但是,这个理论基础在20世纪70年代遇到了严峻的挑战,该挑战来自于卡尼曼（Kahneman）和特维尔斯基（Tversky）提出的“基础概率谬误”（Base-RateFallacy）.挑战了人们关于决策理论及其理论基础的传统看法,即决策原则必须要遵循概率理论,只有遵循贝叶斯定理的规范性决策方案才是正确的.从而使人们意识到了决策理论的规范性研究的局限性,进而开始了决策理论的描述性研究并取得了丰硕的成果,使得我们对于人类的决策判断有了更深层次的理解.因而,基础概率谬误问题在决策理论的发展史上具有举足轻重的地位,引起了逻辑学家、经济学家、心理学家等的广泛关注,关于这一问题的讨论一直持续到现在.
一、基础概率及基础概率谬误
当我们在判断某个事件发生的概率的时候,比如医生诊断一个病人患有胃癌的可能性时,我们可以获得的信息通常有两种：（1）一般信息：这是关于事件的发生频率的信息.在上述疾病诊断的例子中,一般信息就是胃癌在人群中的发病率.（2）具体信息：这是关于事件的一些具体情况的信息.在上述疾病诊断的例子中,具体信息就是医学检查所得到的病人的检测结果.当把第一类信息和第二类信息放在一起进行对比的时候,第一类信息就被称作“基础概率”信息.
基础概率谬误也称“基础概率忽略”或“基础概率偏见”,是指人们在进行直观概率判断的时候,倾向于使用具体信息（当这种具体信息存在的时候）而忽略掉基础概率的现象.也就是说,当人们拥有两种类型的信息时,往往倾向于根据具体信息来进行直观概率判断,而把基础概率抛之脑后.这就导致了人们的判断结果和贝叶斯定理所给出的结论大相径庭,从而被称之为“谬误”.许多的实验研究中都发现了这一现象,其中,“出租车问题”[1]是最为典型的一个例子.该问题如下：
某个傍晚,一辆出租车肇事后逃逸.这个城市一共有两个出租车公司,根据他们所经营的出租车的颜色,我们称其为蓝车公司和绿车公司.其中,蓝车公司的出租车数量占15%,绿车公司的出租车数量占85%.一个目击者说,该车是蓝色的.后来经过测试,发现该目击者在当时那种情况下的判断正确率为80%.那么,该肇事车辆是蓝车的概率是多少?以下有三个选项,请问哪一个最有可能?
A.该肇事车辆是蓝车的概率是0.8
B.该肇事车辆是蓝车的概率是0.5
C.该肇事车辆是蓝车的概率远小于0.5
这个问题最早是由卡尼曼和特维尔斯基提出来的.他们做了大量的心理学实验,并且发现,大多数人认为选项（A）是正确答案,只有极少数人认为（C）是正确答案.但事实上,根据贝叶斯定理可知,（C）才是正确答案.其解答过程如下：
令B和G分别表示肇事出租车是蓝车和绿车；W表示目击证人的证词；Wb表示目击证人说那辆肇事出租车是蓝色的.
所以,P（G）等于0.85；P（B）等于0.15；P（Wb/B）等于0.8
此外,由于目击证人有20%的可能性会给出错误答案,因此,当他说肇事车辆是蓝车但实则为绿车的概率是20%,即P（Wb/G）等于0.2
根据贝叶斯定理,我们有：
P（G/Wb）等于1-P（B/Wb）等于1-0.41等于0.59
由此可知,肇事车辆极有可能是绿车.其实,这就是我们通常所说的“规范性”答案.
但是,卡尼曼和特维尔斯基的研究发现,大多数人认为肇事车辆是蓝色的概率是0.8而不是0.41.事实上,这个问题中也有两类信息.一类是两个出租车公司各自所占的市场份额,我们称其为基础概率信息；另一类是目击证人的证词,这是与这个问题直接相关的信息,我们称其为具体信息（或个别信息）.当人们在进行直观概率判断的时候,往往把注意力集中在目击证人的准确率为80%这一个具体信息上,而完全忽略了基础概率,即蓝车公司的市场份额只有15%,也就是说,大街上跑的出租车中,只有15%的出租车是蓝色的,而另外的85%都是绿色的.
卡尼曼和特维尔斯基用这个例子表明,人们在进行主观判断的时候,并不会严格遵守贝叶斯定理,而是会犯类似于出租车问题中所说的“基础概率谬误”.
二、基础概率谬误产生的认知策略
为什么人们在进行直观概率判断的时候会忽略基础概率?这种现象背后的原因和机制是什么?心理学家们做了许多的实验研究并提出了各自的解释,其中最为有名的解释来自卡尼曼和特维尔斯基.下面就对他们的观点以及相应的批评和解释做一简要论述.
1.卡尼曼和特维尔斯基的解释：代表性启发策略
卡尼曼和特维尔斯基试图用“代表性”（Representativeness）来解释这一现象产生的原因.他们认为,代表性是一种启发式判断策略,它在人们的直观判断和预测中被广泛使用.当人们根据这种策略来对某个事件进行判断和预测的时候,会选择那些看上去与证据具有高度代表性的结果.也就是说,当人们根据代表性策略来对某个事件的概率进行判断的时候,人们会把这个事件的本质特征与其可能属于的类事件的本质特征进行对比,并把那些可能的类事件按照其所能代表的该事件的本质特征大小来进行排序和选择.这样一来,直观判断或预测对于证据的可靠性或结果的初始概率就不“敏感”了,从而和规范性决策理论所给出的结果相违背.[2][3]
总结:本论文为免费优秀的关于基础概率谬误论文范文资料，可用于相关论文写作参考。
参考文献：
1、 非弹性结构体系概率地震损伤分析 摘 要：综合考虑强度退化、刚度退化、捏拢效应等典型滞回特性的影响，提出了双向激励下非弹性体系地震损伤分析的新型数值模型。结合所筛选的69条地震记。
2、 滑坡概率分析中降雨联合概率结构 摘 要：降雨是降雨型滑坡概率分析和预测的主要输入，以日降雨量和累计降雨量为重庆市降雨的控制参量，建立两者的联合概率模型，为后续分析提供基础。沿用。
3、 高中概率理论在彩票中应用 【摘要】本文采用高中数学中的概率理论，分别讨论了传统彩票和33选7乐透型彩票中各个中奖等级的中奖概率，为人们合理进行彩票投注和娱乐提供了参考。。
4、 概率统计在生活中应用 【摘要】概率统计是一种重要的数学方法，主要对自然界当中一些不确定、现象的统计规律进行研究。概率统计是对生活当中一些知识进行概括而慢慢形成的数学知。
5、 继续超跌反弹概率较大 上证指数过去四周反弹回升。今后两周它可能会如何发展呢？下面首先来看周线图（见图1）：从周线图上看到，大盘2月初自帝纳波利叠加区域F5=3594。
6、 筑底反转概率不大 上证指数过去两周拉出一阴一阳两根阴线。今后两周它可能會如何发展呢？下面来看周线图（见图1）：从周线图上看到，大盘5月25日那周反弹到叠加压力区。