Normatief beslissen Descriptieve modellen Nieuw: Bounded rationality Maar eerst: wat voorbeelden

1. Beslissen Cilia Witteman Diagnostic Decision Making Radboud Universiteit Nijmegen • Normatief beslissen • Descriptieve modellen • Nieuw: Bounded rationality • Maar eerst: wat voorbeelden

2. Linda is 31 jaar oud, alleenstaand, heeft een uitgesproken mening, en is heel slim. Als studente was ze zeer begaan met zaken die te maken hadden met discriminatie en sociale rechtvaardigheid, en ze liep mee in anti-kernwapen demon- straties. Wat is het meest waarschijnlijk: A Linda werkt bij een bank B Linda werkt bij een bank en is actief feministe B: 90 % Representativiteitsheuristiek

3. Zonder ‘t echt uit te rekenen, hoeveel ongeveer is 10 x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 2 x 2 ? Mediaan = 2250 Zonder ‘t echt uit te rekenen, ongeveer hoeveel is 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 x 10 ? Mediaan = 512 (feitelijk: 40.320) Verankeringsheuristiek

4. Volgorde effect Vindt u dat het in Nederland makkelijker moeilijker noch makkelijker noch moeilijker moet worden abortus te krijgen? 23 36 41 % Vindt u dat het in Nederland makkelijker noch makkelijker noch moeilijker moeilijker moet worden abortus te krijgen? 26 29 46 %

5. Stel dat een zuivere munt 3 keer gegooid is, en elke keer kwam kop boven. Als je moest wedden op de volgende worp, welke zou je kiezen: Kop 1 Munt 2 3 Geen voorkeur Gambler’s fallacy: een serie met dezelfde uitkomst zal gevolgd worden door een tegengestelde uitkomst.

6. Framing effect Een nog onbekende ziekte zal naar verwachting 600 levens kosten. Twee alternatieve programma’s worden voorgesteld: Programma A: 200 mensen worden gered Programma B: 1/3 kans dat 600 mensen worden gered en 2/3 kans dat niemand wordt gered 72 28 % 22 78 % Programma A: 400 mensen laten het leven Programma B: 1/3 kans dat niemand het leven laat en 2/3 kans dat 600 mensen het leven laten

7. Framing van uitkomsten = psychological accounting Stel je hebt besloten naar een voorstelling te gaan. Een kaartje kost € 10. Bij de ingang merk je dat je een biljet van € 10 bent verloren. Ga je toch? Ja: 88 % Stel je hebt besloten naar een voorstelling te gaan en een kaartje gekocht hebt voor € 10. Bij de ingang merk je dat je je kaartje hebt verloren. Koop je een nieuw kaartje? Ja: 46 %

8. Stel dat elk van de onderstaande kaarten een getal aan de ene kant heeft en een letter aan de andere. Iemand zegt tegen je: “Als een kaart een klinker heeft aan de ene kant, dan staat er een even getal op de andere kant”. Welk(e) van de volgende kaarten moet je omdraaien om te beslissen of die persoon liegt? E K 4 7 E en 4: 46 % E: 33 % E en 7: < 1 % E K 4 7 Confirmation bias

9. HERSENTUMOR (n = 250) Aanwezig Afwezig Aanwezig Afwezig 160 40 40 10 DUIZELIGHEID Welke cel(len) zijn nodig om in deze steekproef te bepalen of duizeligheid is geassocieerd met hersentumor? Links boven Rechts boven Links onder Rechts onder Is duizeligheid volgens deze data geassocieerd met hersentumor? Ja Weet niet Nee Alle 4 nodig: moet ratio tumor aanwezig vs tumor afwezig bij duizelig (160:40) vergelijken met zelfde bij niet duizelig (40:10): beide 4:1 dus duizelig maakt niet uit dus geen associatie Covariatie beoordeling

10. Normatief beslissen • Expected Utility • Decision Analysis • MAUT • Descriptieve modellen • Beslissingsstrategieën • Emoties • Prospect Theorie • Framing • Oordelen over personen • Illusoire correlatie • Nieuw: Bounded rationality • Fast and frugal • Take the Best/Last

11. normatief = de klassieke opvatting Redeneren = volgen van regels van waarschijnlijkheidsleer en statistiek, gebaseerd op economische en statistische theorieën Beslisser = rationeel persoon die een waarde functie probeert te maximaliseren Vaak (vooral) toegepast op weddenschappen, bv: Weddenschap A 30 % kans op € 2,- verlies 70 % kans op € 10,- winst Weddenschap B 30 % kans op € 200,- verlies 70 % kans op € 1000,- winst

12. normatief: maximaliseren van waarde kies weddenschap met hoogste verwachte opbrengst (EV) EV = S pi * v i i (sommatie over alle i uitkomsten van de waarschijnlijkheid van elke i, maal de opbrengst van elke i) A = 30 % kans op € 2,- verlies 70 % kans op € 10,- winst B= 30 % kans op € 200,- verlies 70 % kans op € 1000,- winst EV (A) = 0,3 x -2 + 0,7 x 10 = f 6,40 EV (B) = 0,3 x -200 + 0,7 x 1000 = f 640,-

13. Door toenemende twijfel aan iets als “objectieve waarde” U(tility) in plaats van V = subjectieve waarde, en ook p kan subjectief zijn  Subjective Expected Utility (SEU) model: SEU = S pi * u i i Geeft een oordeel over wenselijkheid van uitkomsten, geveld (idealiter) als(of) beoordelaar alle relevante feiten weet; Wiskundig correct, intern consistent SEU = wel subjectief, toch normatief model, niet descriptief: kunnen niet altijd overal expected utilities van gaan uitrekenen

14. Decision analysis (beslissingsanalyse): poging normatieve beslistheorie toe te passen op levensechte situaties; beslissingsondersteuning Berekent verwachte utiliteit, waarbij utiliteit = hoezeer behulpzaam bij bereiken van doelen Opbrengst / doel van beslissingsanalyse = beslissen ondersteunen door tweede opinie

15. MAUT (Multi-Attribute Utility Theory) als beslissingsanalyse Idee: beslissingsalternatieven beschrijven in termen van (psychologisch) onafhankelijke attributen; MAUT toepassen garandeert dan dat de beslissing het bereiken van doelen maximaliseert

16. Hoe: elk alternatief heeft waarden op attributen (nl. in hoeverre het het doel dichterbij brengt); utiliteit van elk alternatief = optelling van die waarden Kunt attributen ook relatief gewicht geven; dan (bv) utiliteit = waarde x gewicht; sommeren over alternatief Vb: keuze vakantiebestemming Zeeland Parijs Spanje afstand 10 5 1 weer 2 4 9 vermaak 7 7 2

17. Descriptief = hoe het in feite gaat, welke beslissingsstrategie toegepast • Mens past normatieve regels niet toe, want/maar is • overwegend Systeem 1 = intuïtief denker (met heuristieken en biases) • begrensd rationeel (maximise-t niet) • gestuurd door emoties en motivaties • Blijkt uit descriptief onderzoek naar informatieverwerkingsproces • (bv bij selectie van vakantiebestemming)

18. Twee soorten beslissingsstrategie onderscheiden: 1. compensatorisch: lage waarden van attributen gecompenseerd door hoge waarden van andere attributen (per alternatief); 2. non-compensatorisch: met bv drempelwaarde per attribuut Bestudeerd in "process tracing" benadering van beslissingsprocessen met bv informatie-bord, waarin kaartjes om te draaien Taak: kies meest aantrekkelijke alternatief Kan ook: oogbewegingen registreren

19. Voeg toe: emotie(droevig - neutraal - somber) Hypothese: droevige mensen zitten te tobben + willen stemming veranderen → zijn uitputtender in strategie vrolijke mensen vinden alles best + hebben geen zin veel cognitieve energie te besteden → zijn oppervlakkiger in strategie • Opzet: • emotie-inductie • MAU probleem voorleggen Voorlopig resultaat: droevige mensen zoeken iets dieper, bij niet alle alternatieven

20. Overigens, belangrijkste descriptieve theorie voor beslissen onder onzekerheid = van Kahneman & Tversky ('79): PROSPECT THEORIE Beschrijft hoe mensen beslissen, vooral gefixeerd op wat mensen allemaal fout doen Belangrijk element: FRAMING vb: van eerder, over ziekte met 600 potentiele slachtoffers Kan zowel aangeboden frame zijn als zelf aangenomen frame

21. Vragen: versie 1. "Stelt u zich voor dat u van plan bent in een groot warenhuis een overhemd/blouse te kopen voor f 129,95 en een horloge voor f. 19,95. U staat bij de horloges te kijken en een andere klant zegt tegen u dat precies hetzelfde horloge dat u wilt kopen in een andere winkel, 15 min. fietsen verderop, voor 14,95 te koop is. Neemt u de moeite om te gaan fietsen?" versie 2. “Stelt u zich voor dat u van plan bent in een groot warenhuis een overhemd/blouse te kopen voor f 19,95 en een horloge voor f. 129,95. U staat bij de horloges te kijken en een andere klant zegt tegen u dat precies hetzelfde horloge dat u wilt kopen in een andere winkel, 15 min. fietsen verderop, voor 124,95 te koop is. Neemt u de moeite om te gaan fietsen?"

22. Voorspelling: omdat waardefunctie (bij winst) = concaaf, doet men minder voor winst als het om hoge dan als het om kleine bedragen gaat oftewel: mensen zullen vraag 2 vaker negatief beantwoorden dan vraag 1 Klopt, dus mensen vinden vast kortingsbedrag op laag bedrag meer de moeite waard dan eenzelfde vast kortingsbedrag op een hoog bedrag Fenomeen van 'verminderde meeropbrengst' - utiliteit van 5 op 129,95 minder groot dan op 1 9,95

23. Vormen van indrukken (Asch) oordelen over persoonlijkheid van anderen Experiment: versie 1 persoon X = intelligent, vaardig, hardwerkend, warm, beslist, praktisch, voorzichtig versie 2 persoon Y = intelligent, vaardig, hardwerkend, koud, beslist, praktisch, voorzichtig Uitkomst: Mensen beoordeelden persoon X veel positiever dan persoon Y

24. Verklaring van Asch: je vormt indruk van persoon als geheel Termen 'warm' en 'koud' beinvloeden alle andere. Synoniem voor intelligentie voor persoon X = slim en Y = berekenend Alternatief: synoniem komt niet door indruk van persoon als geheel maar door intelligent + warm /koud te nemen Overigens geheel te verklaren met eenvoudig algebraisch model Bv warm heeft hoge waarde op schaal van vrijgevig - zelfzuchtig en koud lage waarde. Andere bijv. nmw hebben steeds zelfde gewicht. Dan komt X positiever uit.

25. Vergelijkbaar onderzoek naar beoordelen van medemensen, 'echter': met illusoire correlatie = relatie waarvan algemeen wordt aangenomen dat die bestaat maar die er eigenlijk niet is Chapman & Chapman: psychiaters kregen tekeningen van psychiatrische patiënten, met diagnose toevallig aan tekening gekoppeld. Men "zag" dan relatie tekening - diagnose Kritiek: ze hebben niet beoordeling onderzocht, maar leren en onthouden van gebeurtenisparen. Leren een verband, veronderstellen dat het er is (weten ook niet dat ze voor de gek gehouden worden)...

26. Onderzoek "kleren maken de man" vraag: "Woren oordelen over vrijetijdsbesteding en tv-kijkgedrag van personen beinvloed door kleding die mensen dragen?" Oftewel: veronderstelt men een relatie uiterlijk - gedrag (die er niet perse is)? Ook: in hoeverre houden stereotypes illusoire correlaties in stand/werken die in de hand? Methode: 3 series foto's van 4 dezelfde personen, met keurige vs gewone vs ontspannings kleren

27. Bij elke foto een aantal vragen: De persoon op de foto brengt volgens mij de vrije tijd graag door met: sport vrienden hobbies uitgaan muziek museumbezoek Wanneer deze persoon tv kijkt, dan kijkt hij/zij volgens mij graag naar: spelshows films sport documentaires actualiteiten (steeds te antwoorden op schaal van 1 = zeer waarschijnlijk wel tot 5 = zeer waarschijnlijk niet)

28. Resultaten: museumbezoek: keurige mensen 'zou kunnen', slordige 'waarschijnlijk niet' spelshows: keurige mensen 'zeer waarschijnlijk niet', slorige 'waarschijnlijk wel'. actualiteiten: keurige mensen 'waarschijnlijk wel', slordige 'zeer waarschijnlijk niet'. Conclusie: Er zijn verschillen in beoordelingen per type kleding van dezelfde persoon, maar niet zo eenduidig als verwacht: mede afhankelijk van (gefotografeerde) persoon (Opm: verwachting was net zo goed gebaseerd op stereotype!)

29. bounded rationality: • fast and frugal decision making • (Gigerenzer e.a.) • tegen klassieke opvatting en tegen heuristieken/biases, want: • onenigheid over wat waarschijnlijkheidsleer is • inhoud en context van wezenlijk belang • zo is onze geest niet gebouwd • Met snelle en zuinige heuristieken beslissen mensen in de • echte wereld vaak minstens zo goed, is ‘ecologische rationaliteit’

30. Bv met • Take the Best of Take the Last heuristiek • Gaat uit van herkenning als cue; • eenvoudige, plausibele psychologische • afleidingsmechanismen; • intelligente gok • Met Take the Best: • less-is-more effect • (hoe minder je weet hoe beter je gokt) • beslissen gebaseerd op 1, goede reden • + houdt rekening met omgeving en met • computationele vermogens van beslisser • alleen nog maar aangetoond bij beslissen • welke stad ‘t grootst is