Բազային ցուցանիշի մոլորություն

Մի հայացքով

1. Արագ ամփոփում

Հավանականության վերաբերյալ դատողություններ անելիս մարդիկ հակված են կենտրոնանալ կոնկրետ դեպքի վառ, առանձնահատուկ մանրամասների վրա՝ անտեսելով ավելի լայն վիճակագրական համատեքստը, որը պետք է հիմք հանդիսանա իրենց որոշման համար: Եթե ինչ-որ մեկը նկարագրում է հանգիստ, գրքասեր մարդու, ով սիրում է պոեզիա, դուք կարող եք ենթադրել, որ նա «գրադարանավար» է, չնայած աշխարհում կան շատ ավելի շատ ուսուցիչներ, հաշվապահներ կամ գրասենյակային աշխատողներ, ովքեր կիսում են այս հատկանիշները: Բազային ցուցանիշի մոլորությունը տեղի է ունենում, քանի որ մեր ուղեղը ստեղծված է օրինաչափություններ գտնելու և պատմություններ պատմելու համար, այլ ոչ թե հավանականություններ հաշվարկելու:

2. Գիտությունն այս ամենի հետևում

2.1. Հայտնաբերումը և պատմությունը

Բազային ցուցանիշի անտեսման պաշտոնական բացահայտումն ի հայտ եկավ 1970-ականներին հոգեբանության ճանաչողական հեղափոխության ժամանակ: Թեև վիճակագրական տրամաբանության և կլինիկական ինտուիցիայի միջև լարվածությունը դեռևս 1955 թվականին նկատել էին Փոլ Միլը և Ալբերտ Ռոզենը (ովքեր զգուշացրել էին կլինիցիստներին ախտորոշիչ թեստերի մեկնաբանման վերաբերյալ), հենց Ամոս Տվերսկին և Դանիել Կահնեմանն էին, ովքեր պաշտոնապես բացահայտեցին և անվանեցին այս շեղումը:

Նրանց 1973 թվականի «Կանխատեսման հոգեբանության մասին» աշխատությունը մարտահրավեր նետեց ռացիոնալ դերակատարի գերիշխող տնտեսական ենթադրությանը: Նրանք ցույց տվեցին, որ երբ մարդկանց խնդրում են կանխատեսել արդյունքները, նրանք չեն գործում որպես ինտուիտիվ վիճակագիրներ, ովքեր թարմացնում են նախնական հավանականությունները նոր ապացույցներով (ինչպես կթելադրեր Բայեսի թեորեմը): Փոխարենը, նրանք ապավինում են մտավոր դյուրանցումներին, որոնք համակարգված կերպով անտեսում են բազային ցուցանիշի մասին տեղեկատվությունը:

Այս հայտնագործությունը հարուցեց այն, ինչ կոչվում էր «Ռացիոնալության պատերազմներ»՝ ինտենսիվ տեսական բանավեճ այն մասին, թե արդյոք բազային ցուցանիշի անտեսումը հանդիսանում է մարդկային տրամաբանության հիմնարար թերություն, թե ներկայացնում է հարմարվողական արձագանք շրջակա միջավայրի կառուցվածքին: Այս բանավեճը ձևավորել է ճանաչողական գիտությունը հինգ տասնամյակների ընթացքում:

Հետազոտության հիմնական ուղենիշները.

• 1955: Միլը և Ռոզենը բացահայտում են կլինիկական և ակտուար (վիճակագրական) կանխատեսման խնդիրը
• 1973: Տվերսկին և Կահնեմանը հրապարակում են «Կանխատեսման հոգեբանության մասին» աշխատությունը
• 1980: Մայա Բար-Հիլելը ներկայացնում է Ռելևանտության (Համապատասխանության) տեսության քննադատությունը
• 1995: Գերդ Գիգերենցերը ցույց է տալիս, որ բնական հաճախականությունների ձևաչափերը նվազեցնում են մոլորությունը
• 2002: Կահնեմանը և Ֆրեդերիկը պաշտոնականացնում են «հատկանիշի փոխարինման» տեսությունը
• 2010-ականներ: Հետազոտությունները տարածվում են արհեստական բանականության (AI) համակարգերի և ալգորիթմական շեղումների վրա

2.2. Հիմնական հետազոտողները

2.3. Նշանակալի ուսումնասիրություններ

«Թոմ Վ.» Գիտափորձ (Կահնեման և Տվերսկի, 1973)

Այս հիմնարար ուսումնասիրությունը ցույց տվեց, թե ինչպես է ներկայացուցչականությունը գերազանցում բազային ցուցանիշներին նույնիսկ այն ժամանակ, երբ մասնակիցներն ունեն ճշգրիտ գիտելիքներ բազային ցուցանիշների մասին:

Դիզայն: Մասնակիցները բաժանվել էին երեք պայմանական խմբերի.

• Բազային ցուցանիշի խումբ: Գնահատել են ասպիրանտների տոկոսը ինը ոլորտներում: Նրանք ճիշտ բացահայտեցին Հումանիտար գիտությունները և Կրթությունը որպես մեծ ոլորտներ (բարձր բազային ցուցանիշներ), իսկ Համակարգչային գիտությունը որպես փոքր (ցածր բազային ցուցանիշ):
• Նմանության խումբ: Ստանալով «Թոմ Վ.»-ի անհատականության ուրվագիծը (նկարագրված որպես խելացի, բայց ստեղծագործականությունից զուրկ, կանոնակարգված, մեխանիկական գրագրությամբ և ուրիշների հանդեպ քիչ համակրանք ունեցող), նրանք դասակարգեցին ոլորտներն ըստ այն բանի, թե որքան նման էր Թոմը տիպիկ ուսանողին:
• Կանխատեսման խումբ: Ստանալով նույն ուրվագիծը՝ նրանց խնդրեցին դասակարգել ոլորտներն ըստ հավանականության, որ Թոմ Վ.-ն ներկայումս սովորում է այդ ոլորտում՝ ընդ որում շեշտելով, որ ուրվագիծը հիմնված է «սահմանափակ վավերականություն» ունեցող թեստերի վրա:

Արդյունքներ: Կանխատեսման խմբի դասակարգումները գրեթե կատարելապես հարաբերակցվում էին (r > 0.9) Նմանության խմբի հետ և բացասաբար՝ Բազային ցուցանիշի խմբի հետ: Չնայած իմանալով, որ Համակարգչային գիտությունը չնչին ոլորտ էր Հումանիտար գիտությունների համեմատ, մասնակիցները կանխատեսեցին, որ Թոմը համակարգչային գիտնական է, քանի որ նա նման էր այդպիսի մասնագետի: Անհատականացնող տեղեկատվությունը ամբողջությամբ խլացրեց բազային ցուցանիշի մասին տեղեկատվությունը, անգամ այն դեպքում, երբ մասնակիցներին զգուշացրել էին, որ տեղեկատվությունը անվստահելի է:

Տաքսիների խնդիրը (Կահնեման և Տվերսկի, 1972)

Մոլորության ամենահայտնի թվային ցուցադրումը, որը մեկուսացնում է կոնֆլիկտը բազային ցուցանիշների և վկայի ցուցմունքի միջև:

Սցենար: Տաքսին ներգրավված է եղել գիշերային վրաերթի մեջ, որից հետո դիմել է փախուստի: Քաղաքում գործում են երկու ընկերություններ.

• Բազային ցուցանիշ. 85% Կանաչ տաքսիներ, 15% Կապույտ տաքսիներ
• Վկան ճանաչել է տաքսին որպես Կապույտ
• Դատարանի փորձաքննությունը ցույց է տվել, որ վկան ճիշտ է նույնականացնում գույները դեպքերի 80%-ում

Հարց: Ո՞րն է հավանականությունը, որ տաքսին Կապույտ էր:

Ինտուիտիվ արձագանք: Մասնակիցների մեծամասնությունը պատասխանում է 80%, ուղղակիորեն համապատասխանեցնելով վկայի ճշգրտությանը:

Բայեսյան վերլուծություն: $$P(Կապույտ|Վկան\ ասում\ է\ Կապույտ) = \frac{0.80 \times 0.15}{(0.80 \times 0.15) + (0.20 \times 0.85)} = \frac{0.12}{0.29} \approx 41%$$

Գաղափար: Չնայած վկայի պնդմանը, թե տաքսին Կապույտ էր, իրականում ավելի հավանական է (59%), որ այն Կանաչ էր: Կանաչ տաքսիների մեծ նավատորմն ավելի շատ սխալ Կապույտ զեկույցներ է ստեղծում, քան փոքր Կապույտ նավատորմը՝ ճշմարիտ Կապույտ զեկույցներ: Մասնակիցները չեն կարողանում ինտուիտիվ կերպով ընկալել, որ Կանաչ տաքսիների բազային ցուցանիշի «քաշը» իջեցնում է հավանականությունը վկայի 80% ճշգրտությունից:

Ինժեներ-Իրավաբան խնդիրը (Տվերսկի և Կահնեման, 1973)

Դիզայն: Մասնակիցները ստացել են 100 պրոֆեսիոնալներից կազմված նմուշների նկարագրություններ.

• Պայման A: 70 ինժեներ, 30 իրավաբան
• Պայման B: 30 ինժեներ, 70 իրավաբան

«Ջեքը» նկարագրվել է կարծրատիպային ինժեներական գծերով (պահպանողական, զգույշ, հետաքրքրված ատաղձագործությամբ):

Արդյունքներ: Մասնակիցները գնահատեցին Ջեքի՝ ինժեներ լինելու հավանականությունը որպես գրեթե նույնական երկու պայմաններում էլ (~90%), ամբողջությամբ անտեսելով, որ բազային ցուցանիշները շրջված էին: Կարևոր է նշել, որ երբ տրվեց չեզոք նկարագրություն, որը չէր համապատասխանում ոչ մի կարծրատիպի, մասնակիցները ճիշտ օգտագործեցին բազային ցուցանիշը (70% կամ 30%), ապացուցելով, որ նրանք կարող էին օգտագործել բազային ցուցանիշները, բայց դեն նետեցին դրանք անհատականացնող տվյալներ ստանալուն պես:

2.4. Նյարդաբանական հիմքը

Բազային ցուցանիշի անտեսման նյարդային սուբստրատների հետազոտությունները մատնանշում են կոնֆլիկտ երկու ճանաչողական համակարգերի միջև.

Համակարգ 1 (Ինտուիտիվ մշակում): Նախաճակատային կեղևը և լիմբիկ համակարգը ղեկավարում են արագ, ավտոմատ օրինաչափությունների համապատասխանեցումը: Երբ ներկայացվում է անհատականացնող տեղեկատվություն, այս շրջանները ուժեղ ակտիվանում են՝ առաջացնելով ինտուիտիվ «նմանության վրա հիմնված» դատողություններ: Ամիգդալան կարող է ուժեղացնել վառ, կոնկրետ տեղեկատվության ցայտունությունը:

Համակարգ 2 (Կանխամտածված մշակում): Դորսոլատերալ նախաճակատային կեղևը և առաջնային սինգուլյար կեղևը աջակցում են ջանք պահանջող վիճակագրական տրամաբանությանը: fMRI-ով արված ուսումնասիրությունները ցույց են տալիս, որ բազային ցուցանիշների ճիշտ ինտեգրումը պահանջում է այս շրջանների ակտիվացում, ինչը ճանաչողական ջանք է պահանջում և հեշտությամբ խաթարվում է ժամանակի սղության կամ ճանաչողական ծանրաբեռնվածության պատճառով:

Նյարդային մրցակցությունը: Բազային ցուցանիշի անտեսումը կարծես թե արդյունք է այն բանի, որ Համակարգ 1-ը «հաղթում է» նյարդային մրցակցությունը, քանի որ.

• Օրինաչափությունների համապատասխանեցումն ավելի արագ է և ավելի քիչ ռեսուրսներ է պահանջում
• Կոնկրետ պատմություններն ավելի շատ են ակտիվացնում զգացմունքային վերլուծությունը, քան աբստրակտ վիճակագրությունը
• Ուղեղի նախնական ռեժիմը նարատիվներ (պատմություններ) կառուցելն է, ոչ թե հավանականություններ հաշվարկելը
• Աշխատանքային հիշողության սահմանափակումները խոչընդոտում են բազային ցուցանիշների և դեպքի տեղեկատվության միաժամանակյա մշակմանը

Նեյրոմեդիատորների հետազոտությունները հուշում են, որ պարգևատրման կանխատեսման մեջ ներգրավված դոֆամինային ուղիները կարող են նպաստել հատուկ «դիպուկությունների» գրավչությանը՝ ի տարբերություն վիճակագրական մտածողության, մինչդեռ սթրեսի հորմոնները կարող են էլ ավելի ճնշել կանխամտածված մշակումը:

3. Էվոլյուցիոն ծագումը

Բազային ցուցանիշի մոլորությունը գոյություն ունի, քանի որ մարդկային ճանաչողությունը էվոլյուցիայի է ենթարկվել որպես օրինաչափությունների ճանաչման մեխանիզմ, որն օպտիմիզացված է անմիջական շրջակա միջավայրի սպառնալիքներին նավարկելու համար, այլ ոչ թե աբստրակտ հավանականություններ հաշվարկելու:

Կոնկրետ դեպքերի վրա հիմնված տրամաբանության գոյատևման առավելությունները.

• Նախնադարյան միջավայրերում խոտի խշխշոցը կարող էր գիշատիչ լինել: Նրանք, ովքեր անտեսում էին քամու «բազային ցուցանիշը» և ենթադրում էին սպառնալիք, ավելի հաճախ էին ողջ մնում, քան զգույշ վիճակագիրները
• Սոցիալական գոյատևումը կախված էր կոնկրետ անհատների մտադրությունները կարդալուց, ոչ թե պոպուլյացիայի միջին ցուցանիշներից
• Ռեսուրսները և զուգընկերներն ապահովվում էին որոշակի հնարավորությունների գնահատման միջոցով, այլ ոչ թե աբստրակտ հաճախականությունների
• Արագ որոշումների կայացումը, որը հիմնված էր օրինաչափությունների համապատասխանեցման վրա, խնայում էր թանկարժեք ճանաչողական էներգիան

Պատմողական մղումը: Մեր նախնիները, ովքեր դեպքերից կառուցում էին հասկանալի պատճառահետևանքային պատմություններ, կարող էին ավելի լավ սովորել, սովորեցնել և կանխատեսել, քան նրանք, ովքեր իրականությունը մշակում էին որպես անկապ վիճակագրություն: Պատմություններ կառուցելու այս կարողությունը դարձավ մարդկային ինտելեկտի կենտրոնական մաս, բայց ստեղծում է համակարգված կույր գոտիներ, երբ պահանջվում է ֆորմալ հավանականություն:

Հատկություն է, ոչ թե թերություն (համատեքստում): Նախաժամանակակից իրավիճակների մեծ մասում բազային ցուցանիշի անտեսումը հարմարվողական էր: Ձեր առջև կանգնած կոնկրետ վագրն ավելի կարևոր է, քան վագրերի միջին բաշխվածությունը: Խնդիրն առաջանում է, երբ այս ճանաչողական ճարտարապետությունը բախվում է ժամանակակից որոշումների հետ, որոնք ներառում են հազվագյուտ հիվանդություններ, դատաբժշկական ապացույցներ կամ ֆինանսական ածանցյալ գործիքներ՝ ոլորտներ, որտեղ վիճակագրական մտածողությունը էական է, բայց էվոլյուցիոն առումով աննախադեպ:

Էներգիայի պահպանում: Բայեսյան հավանականությունների հաշվարկը նյութափոխանակության տեսանկյունից թանկ է: Ուղեղը, սպառելով մարմնի էներգիայի 20%-ը, մշակեց դյուրանցումներ, որոնք «բավականաչափ լավ» են աշխատում ժամանակի մեծ մասում: Սակավության պայմաններում ֆորմալ տրամաբանության ճանաչողական արժեքը գերազանցում էր դրա աննշան օգուտներին:

4. Ինչպես է դրսևորվում այս շեղումը

4.1. Առօրյա կյանքում

• Անծանոթների կարծրատիպավորում: Հանդիպելով ակնոցով և մեղմ ձայնով խոսող մեկին, կարող եք ենթադրել, որ նա «պրոֆեսոր» է, չնայած պրոֆեսորների բազային ցուցանիշը փոքր է այլ մասնագիտությունների համեմատ
• Ռիսկի գնահատում: Ինքնաթիռի վթարի մասին լուրեր տեսնելուց հետո, թռիչքի վտանգի գերագնահատում՝ անտեսելով օդային ճանապարհորդության վիճակագրական անվտանգությունը
• Հարաբերությունների դատողություններ: Եզրակացնել, որ ինչ-որ մեկն անազնիվ է մեկ կասկածելի վարքագծի հիման վրա՝ անտեսելով ազնիվ փոխազդեցությունների ձեր ընդարձակ պատմությունը (նրանց վստահելիության բազային ցուցանիշը)
• Վիճակախաղ և մոլախաղեր: «Հաջողակ» տոմսը կամ խաղատունը համարել յուրահատուկ՝ հիմնվելով վերջին շահումների վրա, անտեսելով կորուստների մաթեմատիկական բազային ցուցանիշը
• Ծնողական վախեր: Վտանգների, օրինակ՝ առևանգումների, կտրուկ գերագնահատում՝ հիմնվելով ԶԼՄ-ների վառ պատմությունների վրա, մինչդեռ թերագնահատվում են սովորական ռիսկերը, ինչպիսիք են ավտովթարները

4.2. Աշխատավայրում

• Արդյունավետության գնահատում: Աշխատակցին գնահատել որպես «բարձր պոտենցիալ ունեցող»՝ հիմնվելով մեկ տպավորիչ շնորհանդեսի վրա, անտեսելով նրանց բազային արտադրողականության տվյալները
• Աշխատանքի ընդունման որոշումներ: Նախապատվություն տալ թեկնածուներին, որոնց հարցազրույցի ելույթը համապատասխանում է հաջողության կարծրատիպերին՝ փոխարենը հաշվի առնելու նմանատիպ աշխատողների շրջանում հաջողության բազային ցուցանիշը
• Նախագծի գնահատում: Հավատալ, որ «այս նախագիծը տարբերվում է»՝ հիմնվելով հատուկ հատկանիշների վրա, անտեսելով նմանատիպ նախագծերում բյուջեի գերակատարումների և ձգձգումների բազային ցուցանիշը
• Առաջնորդության գնահատում: Թիմի հաջողությունը վերագրել խարիզմատիկ առաջնորդին՝ անտեսելով շուկայական պայմանները (հաջողության բազային ցուցանիշը բարենպաստ պայմաններում)
• Մրցակիցների վերլուծություն: Մրցակցի կոնկրետ քայլերի գերագնահատում՝ անտեսելով նմանատիպ ռազմավարությունների համար ոլորտային հաջողության ցուցանիշները

4.3. Բիզնեսում և Մարքեթինգում

• Ակնարկներ (Testimonials) և դեպքերի ուսումնասիրություններ (Case studies): Ընկերությունները օգտագործում են կոնկրետ հաջողության պատմություններ, քանի որ սպառողները զեղչում են (անտեսում են) տիպիկ արդյունքների բազային ցուցանիշը
• «Ինչպես տեսել եք հեռուստացույցով»: Վառ ցուցադրությունները գերակայում են ապրանքի արդյունավետության մասին վիճակագրական տեղեկատվությանը
• Ապահովագրության վաճառք: Աղետի դրամատիկ սցենարները հազվագյուտ իրադարձությունները դարձնում են հավանական թվացող
• Թիրախային գովազդ: Ապրանքների ցուցադրումը հատուկ ցանկալի համատեքստերում՝ փոխարենը ներկայացնելու վիճակագրական առավելությունները
• Գործարկման նարատիվներ (պատմություններ): «Այս ստարտափը տարբերվում է» պատմությունները շարունակվում են՝ չնայած ձախողման ~90% բազային ցուցանիշին
• Հաճախորդների սեգմենտավորում: Չափազանց մեծ ուշադրություն հաճախորդների հետ հիշվող փոխազդեցություններին, այլ ոչ թե համակարգված տվյալների վերլուծությանը

4.4. Քաղաքականության և ԶԼՄ-ների մեջ

• Հանցագործությունների լուսաբանում: Հազվագյուտ դաժան հանցագործությունների վառ լուսաբանումը առաջնորդում է քաղաքականությունը, չնայած բռնության բազային ցուցանիշների նվազմանը
• Ընտրական կանխատեսումներ: Վերլուծաբանները կենտրոնանում են կոնկրետ քարոզարշավային պահերի («սայթաքումների») վրա՝ անտեսելով գործող պաշտոնյայի առավելության պատմական բազային ցուցանիշները
• Ներգաղթի վերաբերյալ բանավեճ: Ներգաղթյալների հանցագործությունների վերաբերյալ կոնկրետ պատմությունները գերակայում են վիճակագրական ապացույցներին, որ ներգաղթյալներն ավելի ցածր մակարդակով են հանցագործություններ կատարում, քան տեղացիները
• Քաղաքականության նարատիվներ: Նոր քաղաքականությունների համար «այս անգամ ամեն ինչ այլ է» փաստարկները անտեսում են քաղաքականության ձախողման բազային ցուցանիշները
• Ահաբեկչության ռիսկ: Հսկայական անվտանգության ներդրումներ՝ հիմնված վառ հարձակումների վրա, մինչդեռ բազային ցուցանիշները հուշում են, որ այլ սպառնալիքներ (ճանապարհատրանսպորտային պատահարներ, սրտի հիվանդություններ) ավելի շատ ռեսուրսների են արժանի

4.5. Առողջապահության մեջ

Կեղծ դրականների պարադոքսը: Երբ հիվանդությունը հազվադեպ է (ցածր բազային ցուցանիշ), նույնիսկ խիստ ճշգրիտ թեստերը տալիս են մեծամասամբ կեղծ դրական արդյունքներ:

ՄԻԱՎ սկրինինգի օրինակ.

• Բնակչություն՝ 100,000 մարդ՝ 0.01% ՄԻԱՎ տարածվածությամբ

• Թեստ՝ 99.9% զգայունություն, 99.9% սպեցիֆիկություն

• Ճշմարիտ դրականներ՝ ~10 (վարակված մարդիկ ճիշտ են ճանաչվել)

• Կեղծ դրականներ՝ ~100 (առողջ մարդիկ սխալմամբ նշվել են որպես վարակված)

• Արդյունք: Դրական թեստը նշանակում է իրական վարակի միայն ~9% հավանականություն

• Ախտորոշիչ սխալներ: Բժիշկները կառչում են առկա ախտանիշներից, որոնք համապատասխանում են դրամատիկ ախտորոշմանը՝ անտեսելով սովորական հիվանդությունների բազային ցուցանիշը

• Դեղամիջոցների արդյունավետություն: Հիվանդները կենտրոնանում են առողջացման կոնկրետ պատմությունների վրա, այլ ոչ թե բուժման հաջողության վիճակագրական ցուցանիշների

• Սկրինինգի որոշումներ: Հիվանդները սխալ են մեկնաբանում թեստի դրական արդյունքները՝ չհասկանալով կեղծ դրական արդյունքների բազային ցուցանիշները

• Բուժմանը հետևելը: Կողմնակի ազդեցությունների վառ պատմությունները գերազանցում են վիճակագրական անվտանգության պրոֆիլներին

• COVID-19 պատվաստանյութի թյուրըմբռնում: «Հոսպիտալացված հիվանդների 70%-ը պատվաստված է» խոսքերը սխալ մեկնաբանվեցին որպես պատվաստանյութի ձախողում՝ անտեսելով, որ խոցելի պոպուլյացիաների 95%+-ը պատվաստված էր (հայտարարի խնդիրը)

4.6. Ֆինանսների և Ներդրումների մեջ

• «Այս անգամ ամեն ինչ այլ է»: Ներդրողները արդարացնում են ծայրահեղ գնահատումները՝ կենտրոնանալով կոնկրետ նարատիվների վրա (Նոր տնտեսություն, AI հեղափոխություն)՝ միաժամանակ անտեսելով շուկայի ուղղումների պատմական բազային ցուցանիշները
• Դոթքոմների պղպջակ: 100x+ P/E հարաբերակցությունները արդարացվում էին ինտերնետի ներուժով՝ անտեսելով ~15x միջին գնահատումների պատմական բազային ցուցանիշը
• Առանձին բաժնետոմսերի ընտրություն: Ընկերությանը վերաբերող հատուկ տեղեկատվությանը վերաբերվել որպես վերջնական՝ անտեսելով ինդեքսների համեմատ բաժնետոմսերի թերակատարման բազային ցուցանիշները
• Վենչուրային կապիտալի լավատեսություն: Ֆինանսավորման որոշումներ՝ հիմնված հիմնադրի խարիզմայի վրա, այլ ոչ թե ստարտափների ձախողման բազային ցուցանիշների
• LTCM-ի փլուզումը: Նոբելյան մրցանակակիրների մոդելները վերջին ցածր անկայունությունը համարեցին որպես բազային ցուցանիշ՝ անտեսելով շուկայական խուճապների («հաստ պոչերի») պատմական հաճախականությունը
• Անշարժ գույքի սպեկուլյացիա: «Այս շուկան տարբերվում է» համոզմունքները անտեսում են բնակարանային ցիկլերի պատմական բազային ցուցանիշները

5. Իրական աշխարհի օրինակներ

Օրինակ 1. Սալլի Քլարկ. Սխալմամբ բանտարկված մայր

• Համատեքստ: 1999 թվականին բրիտանացի իրավաբան Սալլի Քլարկը կորցրեց իր երկու նորածին որդիներին՝ առաջինին 11 շաբաթականում, երկրորդին՝ 8 շաբաթականում: Նրան մեղադրանք առաջադրվեց կրկնակի մանկասպանության համար:

• Ինչ տեղի ունեցավ: Փորձագետ-վկա Սըր Ռոյ Մեդոուն ցուցմունք տվեց, որ հարուստ ընտանիքում մանկան հանկարծամահության համախտանիշից (SIDS) երկու մահվան հավանականությունը մոտավորապես 1-ը 73 միլիոնի է (հաշվարկված որպես (1/8543)²): Նա դա համեմատեց «երկար խաղադրույքի» հետ:

• Շեղումն աշխատանքի մեջ: Երկու կարևոր սխալներ միախառնվեցին.

  1. Անկախության խախտում: Մեդոուն ենթադրեց, որ SIDS մահերը անկախ իրադարձություններ են: Գենետիկական և շրջակա միջավայրի գործոնները իրականում երկրորդ մահը շատ ավելի հավանական են դարձնում, եթե մեկը արդեն տեղի է ունեցել՝ իրադարձությունները պայմանականորեն կախված են:
  2. Բազային ցուցանիշի անտեսում: Նույնիսկ ընդունելով 1-ը 73 միլիոնից թիվը, երդվյալ ատենակալները պետք է այն համեմատեին կրկնակի մանկասպանության բազային ցուցանիշի հետ: Մոր կողմից կրկնակի սպանությունը նույնպես չափազանց հազվադեպ է (գուցե 1-ը 100 միլիոնի): Երբ համեմատում ենք երկու չափազանց հազվագյուտ իրադարձություններ, հարաբերակցությունը կարևոր է: Եթե կրկնակի SIDS-ը 1-ն է 73 մլն-ից, իսկ կրկնակի սպանությունը՝ 1-ը 100 մլն-ից, SIDS-ն իրականում ավելի հավանական է: Ներկայացնելով «1-ը 73 միլիոնից»-ը առանձին՝ մեղադրող կողմը ակնարկեց, որ սպանությունը նախնական վիճակն է:

• Հետևանքները: Սալլի Քլարկը դատապարտվեց ցմահ ազատազրկման: Թագավորական Վիճակագրական Ընկերությունը ձեռնարկեց արտասովոր քայլ՝ հրապարակայնորեն պարսավելով օգտագործված վիճակագրական տրամաբանությունը: Քլարկն ազատ արձակվեց 2003 թվականին իր երկրորդ բողոքարկումից հետո: Անկարող լինելով ապաքինվել անարդար բանտարկության և իր երեխաների կորստի տրավմայից՝ նա մահացավ 2007 թվականին ալկոհոլի սուր թունավորումից:

• Քաղված դասեր: Վիճակագրական ապացույցները պահանջում են ճիշտ բայեսյան ձևավորում: Դատարանները պետք է համեմատեն ապացույցների հավանականությունը մրցակցող վարկածների ներքո, ոչ թե գնահատեն մեկ վարկած մեկուսացված վիճակում: Փորձագետ վկաները վիճակագրական գրագիտության վերապատրաստման կարիք ունեն:

Օրինակ 2. Լյուսիա դե Բերկ. Հոլանդացի բուժքույրը

• Համատեքստ: Հոլանդացի բուժքույր Լյուսիա դե Բերկը 2003 թվականին դատապարտվել է յոթ սպանության և երեք մահափորձի համար՝ հիմնված իր հերթափոխի ընթացքում հիվանդների մահվան վիճակագրական վերլուծության վրա:

• Ինչ տեղի ունեցավ: Հիվանդանոցի վիճակագիրը ցուցմունք տվեց, որ նրա հերթափոխի ընթացքում պատահականությամբ այդքան մահերի տեղի ունենալու հավանականությունը 1-ն է 342 միլիոնից:

• Շեղումն աշխատանքի մեջ:

  1. Հետընթաց (Post-hoc) ընտրություն: Մահերը դասակարգվեցին որպես «կասկածելի» միայն այն բանից հետո, երբ իմացան, որ Լյուսիան հերթապահում է. սա հաստատման շեղման և բազային ցուցանիշի անտեսման դասական համակցություն է:
  2. Կուտակումների բազային ցուցանիշի անտեսում: Հիվանդանոցային ցանկացած մեծ համակարգում մեծ թվերի օրենքը երաշխավորում է, որ ինչ-որ բուժքույր ի վերջո կունենա հերթափոխի այնպիսի օրինաչափություն, որը միայն պատահականության տեսանկյունից չափազանց անհավանական կթվա (Տեխասյան դիպուկահարի մոլորություն):
  3. Անտեսված այլընտրանքային վարկածներ: Գիշերային հերթափոխի ժամանակ (երբ ավելի ծանր հիվանդներին ավելի ուշադիր են հետևում) մահացող հիվանդների բազային ցուցանիշը պատշաճ կերպով հաշվի չի առնվել:

• Հետևանքները: Լյուսիան ավելի քան վեց տարի անցկացրեց բանտում: Բանտարկության ընթացքում նա ինսուլտ տարավ: Անկախ վիճակագիրների մաթեմատիկական վերլուծությունը ավելի ուշ ցույց տվեց, որ անմեղության հավանականությունը իրականում բարձր էր: Նա արդարացվեց 2010 թվականին այն բանում, ինչը Հոլանդիայի իշխանություններն ընդունեցին որպես երկրի պատմության մեջ արդարադատության ամենավատ վրիպումներից մեկը:

• Քաղված դասեր: Մեծ տվյալների բազաներում վիճակագրական համընկնումը պատճառականության ապացույց չէ: Post-hoc (հետադարձ) վերլուծությունը պահանջում է ծայրահեղ զգուշություն: Դատարանները պահանջում են հավանականության ապացույցների անկախ վիճակագրական վերանայում:

Օրինակ 3. Ռոբերտ Ուիլյամս. Դեմքի ճանաչման ձախողում

• Համատեքստ: 2020 թվականի հունվարին Դետրոյթից մի սևամորթ տղամարդ՝ Ռոբերտ Ուիլյամսը, ձերբակալվեց իր տանը՝ ընտանիքի աչքի առաջ, այն բանից հետո, երբ դեմքի ճանաչման ալգորիթմը համապատասխանեցրել էր նրա վարորդական իրավունքի լուսանկարը խանութում գողության միջադեպի տեսախցիկի կադրերին:

• Ինչ տեղի ունեցավ: Դետեկտիվները Ուիլյամսին ցույց տվեցին տեսահսկման նկարը և ասացին՝ «համակարգիչն ասում է, որ դա դու ես»: Նա պահվեց 30 ժամ, նախքան ազատ արձակվելը:

• Շեղումն աշխատանքի մեջ:

  1. Կեղծ դրական պարադոքսը: Նույնիսկ 99% ճշգրտություն ունեցող դեմքի ճանաչման համակարգը, երբ որոնում է միլիոնավոր դեմքերի տվյալների բազաներում, առաջացնում է հազարավոր կեղծ համընկնումներ:
  2. Ավտոմատացման շեղում: Քննիչները ալգորիթմի «համընկնումը» համարեցին վերջնական ապացույց, այլ ոչ թե հավանական առաջարկ, որը պահանջում է հաստատում:
  3. Պատահական համընկնումների բազային ցուցանիշը: Ինչպես Տաքսիների խնդրում, «վկան» (ալգորիթմը) ունի սխալի տոկոս, իսկ «անմեղ բնակչությունը» հսկայական է՝ առաջացնելով շատ կեղծ դրականներ:

• Հետևանքները: Ուիլյամսը ապօրինաբար ձերբակալվեց, կալանավորվեց, իսկ նրա ԴՆԹ-ն, մատնահետքերը և լուսանկարը մուտքագրվեցին հանցավոր տվյալների բազաներ: Նա դատական հայց ներկայացրեց Դետրոյթի ոստիկանության դեմ: Գործը դարձավ իրավապահ մարմիններում ալգորիթմական շեղումների նշանակալի օրինակ:

• Քաղված դասեր: Ալգորիթմական ապացույցները պետք է գնահատվեն հավանականային ճանապարհով, այլ ոչ թե համարվեն անսխալական: Կեղծ համընկնումների բազային ցուցանիշները պետք է փոխանցվեն որոշում կայացնողներին: Նախքան ալգորիթմական համընկնումների հիման վրա ձերբակալությունները, պետք է պահանջվեն հաստատող ապացույցներ:

Պատմական օրինակ. Երկարաժամկետ կապիտալի կառավարման (LTCM) փլուզումը

1998 թվականին Երկարաժամկետ կապիտալի կառավարումը (LTCM)՝ հեջ-ֆոնդ, որը ղեկավարում էին Նոբելյան մրցանակակիրներ Մայրոն Շոուլզը և Ռոբերտ Մերտոնը, տպավորիչ կերպով փլուզվեց՝ գրեթե ապակայունացնելով համաշխարհային ֆինանսական համակարգը:

LTCM-ի բարդ Value-at-Risk (VaR) մոդելները հիմնված էին վերջին պատմական տվյալների վրա, որոնք ցույց էին տալիս շուկայի ցածր անկայունություն: Նրանք հաշվարկել էին, որ խոշոր կորուստները «10-սիգմա իրադարձություններ» էին՝ վիճակագրորեն անհնարին: Մոդելները անտեսել էին ֆինանսական խուճապների պատմական բազային ցուցանիշը՝ շուկայի բաշխումների «հաստ պոչերը»: Նրանք անտեսել էին նաև համակարգային կորելյացիայի (համահարաբերակցության) բազային ցուցանիշը. ճգնաժամերի ժամանակ բոլոր կորելյացիաները ձգտում են 1-ի, երբ խուճապը տարածվում է:

Երբ Ռուսաստանը դեֆոլտ հայտարարեց իր պարտքի վերաբերյալ 1998 թվականի օգոստոսին, տեղի ունեցավ «անհնարինը»: LTCM-ն կորցրեց 4.6 միլիարդ դոլար չորս ամսից պակաս ժամանակահատվածում՝ պահանջելով Դաշնային պահուստային համակարգի կողմից համակարգված փրկարար աշխատանք՝ ավելի լայն ֆինանսական վարակումը կանխելու համար:

Դասը. Բարդ մոդելները, որոնք անտեսում են հազվագյուտ իրադարձությունների պատմական բազային ցուցանիշները, ստեղծում են աղետալի կույր գոտիներ: Մոտ անցյալի կոնկրետ պայմանները հուսալի ուղեցույցներ չեն ծայրահեղ (tail) ռիսկերի համար:

6. Այս շեղման արժեքը

6.1. Անձնական կորուստներ

• Վախ և անհանգստություն: Հազվագյուտ սպառնալիքների (ինքնաթիռի վթարներ, դաժան հանցագործություններ, հիվանդություններ) գերագնահատումը ստեղծում է քրոնիկ սթրես՝ միաժամանակ անտեսելով ավելի հավանական ռիսկերը
• Հարաբերությունների վնասում: Մարդկանց դատելը՝ ելնելով առանձին վառ միջադեպերից, այլ ոչ թե նրանց հետևողական վարքագծային բազային ցուցանիշից, հանգեցնում է անարդար դատողությունների և կոտրված վստահության
• Բաց թողնված հնարավորություններ: Խուսափել օգտակար գործողություններից (թռիչքներ, վիրահատություններ, կարիերայի փոփոխություններ) վառ ձախողման պատմությունների պատճառով՝ միաժամանակ անտեսելով հաջողության բազային ցուցանիշները
• Ֆինանսական կորուստներ: Ներդրումային որոշումների կայացում՝ հիմնված համոզիչ նարատիվների վրա, այլ ոչ թե վիճակագրական ապացույցների
• Բժշկական անհանգստություն: Սկրինինգի արդյունքների սխալ մեկնաբանում՝ առանց հասկանալու կեղծ դրականների բազային ցուցանիշները

6.2. Մասնագիտական կորուստներ

• Կարիերայի սխալ դատողություններ: Աշխատանքային որոշումներ կայացնելը՝ հիմնվելով հատուկ դրամատիկ արդյունքների վրա, այլ ոչ թե վիճակագրական կարիերայի հետագծերի
• Նախագծերի ձախողումներ: «Այս նախագիծը տարբերվում է» մտածելակերպը հանգեցնում է ծախսերի և ժամկետների կրկնվող թերագնահատման
• Աշխատանքի ընդունման սխալներ: Թեկնածուների ընտրություն՝ հիմնված հարցազրույցի կատարողականի կարծրատիպերի վրա, այլ ոչ թե կանխատեսող բազային ցուցանիշների
• Ռազմավարական սխալներ: Բիզնես որոշումներ՝ պայմանավորված մրցակիցների անեկդոտային օրինակներով, այլ ոչ թե ոլորտի վիճակագրությամբ
• Կանխատեսման ձախողումներ: Կանխատեսումներ՝ հիմնված ընթացիկ նարատիվների վրա, որոնք անտեսում են նմանատիպ իրավիճակների պատմական բազային ցուցանիշները

6.3. Հասարակական կորուստներ

• Անարդարացի դատավճիռներ: Ինչպես երևում է Սալլի Քլարկի և Լյուսիա դե Բերկի գործերում, դատավարություններում բազային ցուցանիշի անտեսումը ոչնչացնում է անմեղ կյանքեր
• Քաղաքականության սխալ բաշխում: Ռեսուրսներն ուղղվում են դեպի վառ, բայց հազվագյուտ սպառնալիքներ (ահաբեկչություն), մինչդեռ ավելի հավանական վնասները (ճանապարհատրանսպորտային մահեր, հիվանդություններ) անտեսվում են
• Ալգորիթմական անարդարություն: Կողմնակալ տվյալների վրա վարժեցված AI համակարգերը հավերժացնում և ուժեղացնում են բազային ցուցանիշների սխալները՝ հանգեցնելով խտրականության իրավապահ համակարգում, վարկավորման և աշխատանքի ընդունման մեջ
• Հանրային առողջապահության ձախողումներ: Սկրինինգի վիճակագրության թյուրըմբռնումը հանգեցնում է անպատեհ թեստավորման և բուժման որոշումների մեծ մասշտաբով
• Ֆինանսական ճգնաժամեր: Շուկաները, որոնք անտեսում են գնահատման բազային ցուցանիշները, ստեղծում են պղպջակներ, որոնք վնասում են միլիոնավոր մարդկանց, երբ անխուսափելիորեն պայթում են

6.4. Վիճակագրական ազդեցություն

Հետազոտությունների արդյունքները բազային ցուցանիշի անտեսման չափելի ազդեցության վերաբերյալ.

• Բժշկական որոշումների կայացում: Ուսումնասիրությունները ցույց են տալիս, որ բժիշկների միայն ~15%-ն է ճիշտ մեկնաբանում թեստի դրական արդյունքները, երբ հիվանդությունների բազային ցուցանիշները ցածր են, ինչը հանգեցնում է զանգվածային գերախտորոշման
• Երդվյալ ատենակալների որոշումներ: Վիրտուալ երդվյալ ատենակալների ուսումնասիրությունները պարզել են, որ բազային ցուցանիշի մասին տեղեկատվությունը մեծամասամբ անտեսվում է, երբ ներկայացվում են վառ ցուցմունքներ
• Կանխատեսման ճշգրտություն: Ֆիլիպ Թեթլոքի հետազոտությունը պարզել է, որ «սուպերկանխատեսողները», ովքեր հաղթահարում են բազային ցուցանիշի անտեսումը, 30%+-ով գերազանցում են փորձագետներին
• Ալգորիթմի արդյունավետություն: ProPublica-ի կողմից COMPAS կրկնահանցագործության ալգորիթմի վերլուծությունը պարզեց, որ դրա բազային ցուցանիշի կողմնակալությունը առաջացրել է կեղծ դրականների մակարդակ, որը կրկնակի բարձր է սևամորթ ամբաստանյալների համար, քան սպիտակամորթների համար

7. Թաքնված օգուտները

Բազային ցուցանիշի մոլորությունը զուտ ճանաչողական թերություն չէ. հիմքում ընկած մեխանիզմները ծառայում են կարևոր հարմարվողական գործառույթների:

Սպառնալիքների արագ հայտնաբերում: Միջավայրերում, որտեղ գիշատիչին չնկատելը նշանակում է մահ, ավելի լավ է չափազանցված արձագանքել վտանգի կոնկրետ ազդանշաններին, քան ուշադիր հաշվարկել պոպուլյացիայի վիճակագրությունը: Կեղծ դրականի (անհարկի զգոնության) արժեքը ցածր է կեղծ բացասականի (ուտվելու) համեմատ:

Սոցիալական ինտելեկտ: Կոնկրետ անհատների մտադրությունները կարդալը սոցիալական հաջողության համար ավելի կարևոր է, քան մարդկային վարքագծի մասին պոպուլյացիայի մակարդակի վիճակագրություն իմանալը: Ձեր դիմաց կանգնած անձը միջին վիճակագրական մարդ չէ՝ նա կոնկրետ անհատ է, որի հատուկ մտադրությունները դուք պետք է հասկանաք:

Պատմողական ուսուցում: Պատմություններն այն միջոցն են, որով մարդիկ փոխանցում են գիտելիքները սերունդների միջև: Վիճակագրության փոխարեն վառ դեպքերի նկատմամբ «շեղումն» այն է, ինչ հնարավոր է դարձնում փորձից և ուրիշների փորձից սովորելը:

Էներգաարդյունավետություն: Ուշադիր բայեսյան տրամաբանությունը նյութափոխանակության տեսանկյունից թանկ է: Առօրյա որոշումների մեծ մասի համար արագ օրինաչափությունների համապատասխանեցումը տալիս է բավականաչափ լավ արդյունքներ ճանաչողական ծախսերի չնչին մասով:

Փոխզիջումը: Բազային ցուցանիշի անտեսումն ամբողջությամբ վերացնելու համար կպահանջվի մշտական ջանք պահանջող հաշվարկ, որը կաթվածահար կանի որոշումների կայացումը: Նպատակը ոչ թե էվրիստիկան վերացնելն է, այլ գիտակցելը, թե երբ է վիճակագրական մտածողությունը անհրաժեշտ՝ հատկապես իրավական, բժշկական, ֆինանսական և քաղաքականության ոլորտներում, որտեղ բազային ցուցանիշներն ամենակարևորն են:

8. Ինքնագնահատում. Արդյո՞ք ունեք այս շեղումը

8.1. Նախազգուշացնող նշանների ստուգաթերթ

• Դուք հաճախ մտածում եք՝ «այս իրավիճակը տարբերվում է» առանց ստուգելու վիճակագրական նմանությունները անցյալի իրավիճակներին
• Կոնկրետ օրինակները ձեզ ավելի համոզիչ են թվում, քան վիճակագրական ամփոփումները
• Դուք որոշումներ եք կայացրել՝ հիմնվելով հիշվող անեկդոտային պատմությունների վրա, այլ ոչ թե տվյալներ ուսումնասիրելու
• Դժվարանում եք հավատալ, որ բժշկական թեստի արդյունքը կարող է կեղծ դրական լինել
• Գնահատում եք հավանականությունները ըստ նրա, թե որքան հեշտությամբ կարող եք պատկերացնել արդյունքը
• Մարդկանց արագ դատում եք՝ հիմնվելով առաջին տպավորությունների կամ եզակի վարքագծի վրա
• Դուք անտեսել եք «ֆոնային տեղեկատվությունը», քանի որ այն պակաս կարևոր է թվացել, քան կոնկրետ մանրամասները
• Քննարկումներում բազային ցուցանիշների վիճակագրությունը համարում եք «սառը» կամ «բուն թեմայից շեղող»
• Զարմացել եք, երբ վիճակագրական կանխատեսումները տարբերվել են ձեր ինտուիցիայից
• Դիմադրում եք տոկոսներով մտածելուն և նախընտրում եք այո/ոչ դատողությունները

Գնահատական:

• 0-2 նշված. Ցածր խոցելիություն
• 3-5 նշված. Չափավոր խոցելիություն
• 6-8 նշված. Բարձր խոցելիություն
• 9-10 նշված. Շատ բարձր խոցելիություն

8.2. Ինքնամտորման հարցեր

1. Ե՞րբ եք վերջին անգամ փոխել ձեր կարծիքը վիճակագրական ապացույցների, այլ ոչ թե համոզիչ պատմության կամ օրինակի պատճառով:
2. Մտածեք վերջերս կայացրած կարևոր որոշման մասին. արդյո՞ք ուսումնասիրել եք նմանատիպ որոշումների համար հաջողության/ձախողման բազային ցուցանիշները:
3. Երբևէ անտեսե՞լ եք համապատասխան վիճակագրությունը, քանի որ այն չի թվացել ձեր կոնկրետ իրավիճակին վերաբերող:
4. Երբ ինչ-որ մեկը ձեզ անեկդոտ (կյանքից պատմություն) է պատմում, արդյոք բնազդաբար մտածո՞ւմ եք, թե որքանով է տիպիկ կամ ոչ տիպիկ այդ փորձը:
5. Ուրիշները երբևէ ասե՞լ են ձեզ, որ դուք չափազանց մեծ նշանակություն եք տալիս առանձին օրինակներին կամ բավարար չափով տվյալներին:

8.3. Արագ ախտորոշիչ սցենար

Սցենար: Մշակվել է լուրջ հիվանդության համար նոր բժշկական թեստ: Թեստը 99% ճշգրիտ է (և՛ առկայության դեպքում հիվանդությունը հայտնաբերելիս, և՛ առողջ մարդկանց ճիշտ մաքրելիս): Ընդհանուր բնակչության շրջանում 1,000 մարդուց 1-ը ունի այս հիվանդությունը: Ձեր թեստի արդյունքը դրական է: Որքա՞ն է հավանականությունը, որ դուք իրականում ունեք հիվանդությունը:

Ինչպե՞ս կարձագանքեիք:

• A) Մոտ 99% → Բարձր խոցելիություն (դուք համապատասխանեցնում եք պատասխանը թեստի ճշգրտությանը՝ անտեսելով բազային ցուցանիշը)
• B) Մոտ 50% → Չափավոր խոցելիություն (դուք զգում եք, որ ինչ-որ բան այն չէ, բայց չեք կարողանում հաշվարկել իրական հավանականությունը)
• C) Մոտ 9% → Ցածր խոցելիություն (դուք ճիշտ ինտեգրեցիք բազային ցուցանիշը. ~10 ճշմարիտ դրական և ~100 կեղծ դրական՝ 1,000 թեստավորված մարդկանցից)

9. Ինչպես նկատել այս շեղումն ուրիշների մոտ

9.1. Վարքագծային ցուցիչներ

• Վիճակագրական փաստարկների մերժում որպես «սառը» կամ «բուն թեմայից շեղող»՝ հօգուտ անձնական պատմությունների
• «Իմ փորձից ելնելով» կամ «ես գիտեմ մեկին, ով...» արտահայտությունների հաճախակի օգտագործում ընդհանուր պնդումներ անելիս
• Անհատական դեպքերը որպես վերջնական ապացույց դիտարկելը լայն օրինաչափությունների համար
• Դժվարությամբ ընդունել, որ վիճակագրական ընդհանրացումները կիրառելի են իրենց կոնկրետ իրավիճակի համար
• Վերջին կամ հիշարժան իրադարձությունների գերագնահատում հավանականությունները հաշվարկելիս
• Կարծիքը փոխելու դիմադրություն, երբ ներկայացվում են բազային ցուցանիշների տվյալներ

9.2. Խոսակցական ահազանգեր

Արտահայտություններ, որոնք մարդիկ ասում են այս շեղման ազդեցության տակ.

• «Բայց այս դեպքն այլ է...»
• «Վիճակագրությունն ամբողջ պատմությունը չի պատմում»
• «Ես գիտեմ, թե թվերն ինչ են ասում, բայց...»
• «Թույլ տուր պատմել քեզ մեկի մասին, ում ճանաչում եմ...»
• «Վիճակագրությամբ կարող ես ապացուցել ամեն ինչ»

Փաստարկների տեսակներ, որոնք նրանք բերում են.

• Նշելով անհատական հաջողության/ձախողման պատմություններ՝ որպես ապացույց ընդհանուր ռազմավարությունների համար
• Բացառիկ դեպքերը դիտարկելով որպես տիպիկ արդյունքների ներկայացուցչական

Հարցեր, որոնցից նրանք խուսափում են.

• «Որքա՞ն հաճախ է դա սովորաբար տեղի ունենում:»
• «Ո՞րն է հաջողության մակարդակը նմանատիպ իրավիճակների համար:»

9.3. Իրավիճակային գործարկիչներ (Տրիգերներ)

• Զգացմունքային խաղադրույքներ: Երբ արդյունքները խորապես կարևոր են, հատուկ դեպքերի մասին տեղեկատվությունը դառնում է ավելի համոզիչ
• Վառ օգտինակներ: Վերջին, դրամատիկ կամ անձնական փորձով ապրած իրադարձությունները գերակայում են վիճակագրական բազային գծերին
• Բարդություն: Երբ վիճակագրական վերլուծությունը դժվար է, մարդիկ դիմում են ներկայացուցչական օրինակներին
• Ժամանակի սղություն: Արագ որոշումները նախընտրում են օրինաչափությունների համապատասխանեցումը, այլ ոչ թե հավանականության հաշվարկը
• Պատմողական համատեքստ: Երբ տեղեկատվությունը գալիս է որպես պատմություններ, այլ ոչ թե վիճակագրություն
• Փորձագիտական ձևավորում: Երբ հեղինակությունները ներկայացնում են դեպքի վերաբերյալ տեղեկատվություն առանց բազային ցուցանիշի համատեքստի

10. Ճանաչողական հակաշեղման ռազմավարություններ

10.1. Անմիջական տեխնիկաներ

• Հարցրեք «Որքա՞ն հաճախ»: Նախքան անհատականացնող տեղեկատվություն ընդունելը, բացահայտորեն հարցրեք բազային ցուցանիշի մասին: «Որքա՞ն տարածված է այս արդյունքը ընդհանուր առմամբ:»
• «100 մարդու» վերաձևակերպում: Երբ տրվում է հավանականություն, պատկերացրեք 100 հոգի այդ իրավիճակում: Քանիսի՞ մոտ կլինի յուրաքանչյուր արդյունքը:
• Դիտարկեք այլընտրանքը: Ո՞րն է մրցակցող վարկածի բազային ցուցանիշը (Ինչպես կրկնակի SIDS-ի համեմատությունը կրկնակի սպանության ցուցանիշների հետ)
• Հղման դասի (Reference class) կանխատեսում: Բացահայտեք համապատասխան հղման դասը ձեր իրավիճակի համար և ստուգեք պատմական արդյունքները
• Թերթի թեստ: Արդյո՞ք այս կոնկրետ դեպքը կհայտնվեր նորություններում այն պատճառով, որ անսովոր է: Եթե այո, ապա այն հավանաբար ներկայացուցչական չէ:

10.2. Երկարաժամկետ ռազմավարություններ

• Պարապեք բայեսյան մտածողություն: Պարբերաբար աշխատեք հավանականության խնդիրների վրա, որոնք պահանջում են բազային ցուցանիշների ինտեգրում
• Վարեք կանխատեսումների օրագիր: Գրանցեք կանխատեսումները՝ նշելով հավանականությունները, այնուհետև ստուգեք արդյունքները՝ ձեր ինտուիցիան տրամաչափելու համար
• Փնտրեք վիճակագրական ուսուցում: Ֆորմալ կրթությունը հավանականության և վիճակագրության ոլորտում բարելավում է դիմադրողականությունը մոլորության նկատմամբ
• Ստեղծեք բազային ցուցանիշների գրադարաններ: Կարևոր ոլորտների համար (առողջություն, կարիերա, ֆինանսներ) ուսումնասիրեք և անգիր արեք համապատասխան բազային ցուցանիշները
• Զարգացրեք վիճակագրական ընկերներ: Ձևավորեք հարաբերություններ մարդկանց հետ, ովքեր մտածում են հավանականություններով և մարտահրավեր կնետեն ձեր տրամաբանությանը

10.3. Շրջակա միջավայրի դիզայն

• Օգտագործեք բնական հաճախականությունների ձևաչափեր: Փոխարկեք հավանականությունները «X-ը Y-ից» ձևաչափերի, որոնք ուղեղն ավելի ինտուիտիվ է մշակում
• Ստեղծեք որոշումների ստուգաթերթեր: Ներառեք բազային ցուցանիշների հարցերը որպես պարտադիր քայլեր կարևոր որոշումների ժամանակ
• Օգտագործեք պատկերակների (icon) զանգվածներ: Հավանականությունների վիզուալ ներկայացումները նվազեցնում են հայտարարի անտեսումը
• Նախապես հանձնառություն ստանձնեք վիճակագրական չափանիշների նկատմամբ: Նախքան կոնկրետ տեղեկատվության հանդիպելը, որոշեք, թե որ վիճակագրությունը կփոխի ձեր կարծիքը
• Ձևավորեք տեղեկատվական ցուցափեղկեր: Ներկայացրեք բազային ցուցանիշները ակնառու կերպով և նախքան անհատականացնող տեղեկատվությունը

10.4. Երբ դիմել արտաքին օգնության

• Բարձր խաղադրույքներով որոշումներ: Բժշկական ախտորոշումներ, իրավական դատավճիռներ, խոշոր ներդրումներ, աշխատանքի ընդունման որոշումներ
• Երբ ունեք ուժեղ ինտուիցիա: Ուժեղ զգացմունքները կարող են ցույց տալ Համակարգ 1-ի գերակայություն. ստացեք վիճակագրական ստուգում
• Հավանականության բարդ իրավիճակներ: Երբ բազմաթիվ պայմանական հավանականություններ փոխազդում են
• Զգացմունքային ներգրավվածություն: Երբ անձնական շահերը դժվարացնում են օբյեկտիվ տրամաբանությունը
• Փորձաքննության անհամապատասխանություն: Երբ որոշումը պահանջում է վիճակագրական փորձաքննություն, որը դուք չունեք

11. Գործնական վարժություններ

Վարժություն 1. Սկրինինգային թեստի հաշվիչ

• Նպատակը: Զարգացնել ինտուիցիա բայեսյան տրամաբանության համար՝ մշակելով բժշկական սկրինինգի սցենարներ
• Պահանջվող ժամանակը: 20 րոպե
• Անհրաժեշտ նյութեր: Հաշվիչ, թուղթ
• Բարդության մակարդակը: Միջին
• Հրահանգներ:
  1. Ընտրեք բժշկական վիճակ և որոնեք դրա տարածվածությունը (բազային ցուցանիշը) ձեր դեմոգրաֆիական խմբում
  2. Որոնեք այդ հիվանդության ընդհանուր սկրինինգային թեստերի զգայունությունը և սպեցիֆիկությունը
  3. Հաշվարկեք դրական կանխատեսող արժեքը. դրական թեստերի ո՞ր տոկոսն է իրական դրական:
  4. Հաշվարկեք բացասական կանխատեսող արժեքը. բացասական թեստերի ո՞ր տոկոսն է իրական բացասական:
  5. Պատկերացրեք սա 2x2 աղյուսակով 10,000 մարդկանց բնակչության համար
• Մտորումների հարցեր:
  • Զարմացա՞ք դրական կանխատեսող արժեքից:
  • Ինչպե՞ս է սա փոխում ձեր կարծիքը բժշկական սկրինինգի վերաբերյալ:
  • Ի՞նչ հարցեր պետք է տաք ձեր բժշկին թեստի արդյունքները ստանալուց հետո:
• Հաճախականություն: Ամսական, տարբեր բժշկական պայմանների օգտագործմամբ

Վարժություն 2. Հղման դասի (Reference class) կանխատեսում

• Նպատակը: Սովորություն ձևավորել որոնելու համապատասխան բազային ցուցանիշներ նախքան կանխատեսումներ անելը
• Պահանջվող ժամանակը: 30 րոպե
• Անհրաժեշտ նյութեր: Ինտերնետ հասանելիություն, աղյուսակ (spreadsheet)
• Բարդության մակարդակը: Միջին
• Հրահանգներ:
  1. Բացահայտեք մոտալուտ որոշումը կամ կանխատեսումը, որը պետք է անեք
  2. Սահմանեք հղման դասը. ի՞նչ նմանատիպ իրավիճակներ կան:
  3. Ուսումնասիրեք այդ հղման դասում արդյունքների բազային ցուցանիշը
  4. Ճշգրտեք բազային ցուցանիշը՝ հիմնվելով հատուկ գործոնների վրա, որոնք ձեր իրավիճակը տարբեր են դարձնում
  5. Փաստաթղթավորեք ձեր տրամաբանությունը և վերջնական հավանականության գնահատականը
• Մտորումների հարցեր:
  • Ինչպե՞ս բազային ցուցանիշի գտնելը փոխեց ձեր նախնական գնահատականը:
  • Ո՞ր հատուկ գործոններն արդարացրին բազային ցուցանիշի ճշգրտումը:
  • Արդյո՞ք գայթակղություն ունեցաք ձեր իրավիճակը «տարբեր» համարելու առանց ապացույցների:
• Հաճախականություն: Նախքան որևէ խոշոր որոշում

Վարժություն 3. Հաճախականության վերաձևակերպում

• Նպատակը: Պարապել հավանականության մասին պնդումները բնական հաճախականության ձևաչափերի փոխարկելը
• Պահանջվող ժամանակը: 15 րոպե
• Անհրաժեշտ նյութեր: Հավանականության պնդումների ցանկ (նորությունների հոդվածներից, հետազոտական աշխատանքներից)
• Բարդության մակարդակը: Սկսնակ
• Հրահանգներ:
  1. Հավաքեք 5 հավանականության պնդումներ վերջին նորություններից (օրինակ՝ «բարդությունների 5% ռիսկ»)
  2. Վերաձևակերպեք յուրաքանչյուրը որպես բնական հաճախականություն (օրինակ՝ «5-ը յուրաքանչյուր 100 հիվանդից»)
  3. Յուրաքանչյուրի համար գրեք, թե ինչ է պատահում մյուս 95-ի (կամ համապատասխան թվի) հետ
  4. Նկատեք, թե ինչպես է սա փոխում հավանականության ձեր ինտուիտիվ զգացումը
  5. Փորձեք բացատրել հաճախականության տարբերակը մեկ ուրիշի
• Մտորումների հարցեր:
  • Ո՞ր ձևաչափը ավելի հասկանալի դարձրեց հավանականությունները:
  • Արդյո՞ք որևէ հավանականություն ավելի կամ պակաս մտահոգիչ թվաց հաճախականության ձևաչափում:
  • Ինչպե՞ս կարող եք կիրառել այս վերաձևակերպումը առօրյա կյանքում:
• Հաճախականություն: Շաբաթական

Ամենօրյա պրակտիկա

Բազային ցուցանիշի հարցը: Ամեն օր, երբ կարծիք եք ձևավորում կամ կանխատեսում եք անում, կանգ առեք և հարցրեք՝ «Ո՞րն է բազային ցուցանիշը»: Եթե չգիտեք, տրամադրեք 60 վայրկյան այն ուսումնասիրելու համար:

• Առաջարկվող տևողությունը. 1-2 րոպե յուրաքանչյուր դեպքի համար
• Օրվա լավագույն ժամանակը. Օրվա ընթացքում որոշումներ կամ դատողություններ կայացնելիս
• Ինչպես հետևել առաջընթացին. Նշեք օրագրում, երբ հիշել եք հարցնել, և ինչ եք սովորել

Շաբաթական մարտահրավեր

Կանխատեսումների աուդիտ: Ամեն շաբաթ վերանայեք ձեր արած 3 կանխատեսումներ կամ դատողություններ: Յուրաքանչյուրի համար.

1. Պարզեք, արդյոք հաշվի եք առել բազային ցուցանիշը
2. Ուսումնասիրեք, թե իրականում որն էր բազային ցուցանիշը
3. Գնահատեք, արդյոք բազային ցուցանիշի մասին տեղեկատվությունը կփոխեր ձեր դատողությունը

• Ակնկալվող արդյունքներ 4 շաբաթ անց. Բազային ցուցանիշի անտեսման վերաբերյալ ձեր սեփական մտածողության մեջ իրազեկվածության բարձրացում; բազային ցուցանիշների ավելի ավտոմատ դիտարկում
• Օրագրային հարցեր մտորելու համար.
  • Ինչպիսի՞ որոշումներն են ինձ մոտ ամենից հաճախ հրահրում բազային ցուցանիշի անտեսում:
  • Ի՞նչ ռազմավարություններն են օգնում ինձ հիշել՝ ստուգելու բազային ցուցանիշները:
  • Ինչպե՞ս է փոխվել իմ որոշումների որակը պրակտիկայիս զուգահեռ:

12. Կոնկրետ լսարանների համար

Առաջնորդների և ղեկավարների համար

Բազային ցուցանիշի մոլորությունը հատկապես վտանգավոր է կազմակերպչական միջավայրերում, որտեղ վառ հաջողություններն ու ձախողումները ավելի շատ են ուղղորդում ռազմավարությունը, քան համակարգված վերլուծությունը:

Հիմնական խոցելիությունները.

• Աշխատանքի ընդունման որոշումներ՝ հիմնված հարցազրույցի տպավորությունների վրա, այլ ոչ թե թեկնածուների բազային ցուցանիշների
• Կատարողականի վերանայումներ՝ խարսխված հիշարժան միջադեպերի վրա, այլ ոչ թե հետևողական ցուցանիշների
• Ռազմավարական պլանավորում՝ պայմանավորված մրցակիցների անեկդոտներով, այլ ոչ թե ոլորտի վիճակագրությամբ
• Ռեսուրսների բաշխում՝ հիմնված վերջին նախագծերի արդյունքների վրա, այլ ոչ թե հաջողության պատմական ցուցանիշների

Ռազմավարություններ.

• Իրականացնել կառուցվածքային հարցազրույցներ՝ ստանդարտացված գնահատմամբ՝ անհատական տպավորությունների ազդեցությունը նվազեցնելու համար
• Ստեղծել «պրեմորտեմ» (նախամահաբեր) վարժություններ, որոնք բացահայտորեն հաշվի են առնում նախագծի ձախողման բազային ցուցանիշները
• Պահանջել հղման դասի (reference class) կանխատեսումներ խոշոր նախաձեռնությունների համար
• Կառուցել վահանակներ (dashboards), որոնք առաջնային պլան են մղում բազային ցուցանիշները անհատական դեպքերի հետ մեկտեղ
• Զարգացնել «վիճակագրական սկեպտիկների», ովքեր լիազորված են վիճարկելու վառ դեպքերի վրա հիմնված տրամաբանությունը

Ծնողների և մանկավարժների համար

Երեխաները հատկապես ենթակա են բազային ցուցանիշի անտեսման, քանի որ նրանք աշխարհի մասին սովորում են հիմնականում օրինակների և պատմությունների միջոցով:

Ուսուցման մոտեցումներ.

• Օգտագործել հավանականություն պարունակող խաղեր (զառեր, քարտեր)՝ բազային ցուցանիշների նկատմամբ ինտուիցիա զարգացնելու համար
• Ռիսկերը (անծանոթների վտանգ, հիվանդություն, դժբախտ պատահարներ) քննարկելիս տրամադրել համատեքստ այն մասին, թե իրականում որքան տարածված է յուրաքանչյուրը
• Նշել, երբ լրատվական պատմությունները ներկայացնում են իրադարձություններ, որոնք արժանի են լուսաբանման հենց այն պատճառով, որ հազվադեպ են
• Ցուցադրել վիճակագրական մտածողության օրինակ. «Դա հետաքրքիր օրինակ է: Հետաքրքիր է, որքանո՞վ է դա տիպիկ:»
• Սովորեցնել տարբերությունը «սա տեղի ունեցավ» և «սա սովորաբար տեղի է ունենում» միջև

Տարիքին համապատասխան բացատրություններ.

• 6-10 տարեկան. «Որոշ բաներ շատ են պատահում, իսկ որոշ բաներ հազվադեպ են լինում: Պատմությունները հաճախ հազվագյուտ բաների մասին են, որովհետև դրանք զարմանալի են»:
• 11-14 տարեկան. «Թվերը կարող են մեզ ասել, թե որքան հաճախ են բաները իրականում տեղի ունենում, ինչը տարբերվում է նրանից, թե որքան հաճախ ենք մենք լսում դրանց մասին»:
• 15+ տարեկան. Ծանոթացում հավանականության հասկացություններին, Բայեսի թեորեմին և ֆորմալ տրամաբանությանը

Առողջապահության մասնագետների համար

Բազային ցուցանիշի անտեսումը ունի խորը հետևանքներ ախտորոշման, սկրինինգի և հիվանդների հետ հաղորդակցության համար:

Կլինիկական հետևանքներ.

• Հազվագյուտ հիվանդությունները գերախտորոշվում են, երբ ախտանիշների համապատասխանեցումը գերազանցում է տարածվածության տվյալներին
• Սկրինինգային ծրագրի արդյունավետությունը կախված է բնակչության բազային ցուցանիշներից, ոչ միայն թեստի ճշգրտությունից
• Դրական սկրինինգի արդյունքներից հիվանդի անհանգստությունը հաճախ գերազանցում է համապատասխան մտահոգության մակարդակը
• Բուժման որոշումները կարող են գերագնահատել դրամատիկ դեպքերի ուսումնասիրությունները, այլ ոչ թե կլինիկական փորձարկումների վիճակագրությունը

Ռազմավարություններ.

• Օգտագործել բնական հաճախականությունների ձևաչափեր հիվանդներին թեստի արդյունքները հաղորդելիս
• Կիրառել կլինիկական որոշումների աջակցման համակարգեր, որոնք ի հայտ են բերում համապատասխան բազային ցուցանիշները
• Պահանջել բազային ցուցանիշի բացահայտ դիտարկում ախտորոշիչ ստուգաթերթերում
• Օգտագործել պատկերակների զանգվածներ և վիզուալ միջոցներ դրական կանխատեսող արժեքը բացատրելու համար
• Ուսուցանել բայեսյան տրամաբանություն որպես բժշկական կրթության մաս

Ֆինանսական մասնագետների համար

Շուկաները ղեկավարվում են նարատիվներով, ինչը բազային ցուցանիշի կարգապահությունը դարձնում է էական ներդրումային հաջողության համար:

Հիմնական խոցելիությունները.

• «Այս անգամ ամեն ինչ այլ է» մտածելակերպը պղպջակների գնահատումներում
• Վերջին իրադարձությունների շեղում ռիսկի մոդելներում (վերջին անկայունությանը որպես բազային ցուցանիշ վերաբերվելը)
• Կոնկրետ վերլուծաբանների առաջարկությունների գերագնահատում ոլորտի բազային ցուցանիշների նկատմամբ
• Ֆոնդերի հաջողակ մենեջերների փորձին որպես հմտություն վերաբերվելը, այլ ոչ թե պատահականություն

Ռազմավարություններ.

• Պահպանել գնահատման երկարաժամկետ բազային ցուցանիշների հղման գրաֆիկներ (P/E հարաբերակցություններ, դեֆոլտի դրույքներ և այլն)
• Իրականացնել համակարգված վերաբալանսավորում, որը պարտադրում է դեպի միջին արժեքի վերադարձման ենթադրությունները
• Օգտագործել Մոնտե Կառլոյի սիմուլյացիաներ պատմականորեն տրամաչափված բաշխումներով
• Պահանջել բազային ցուցանիշի բացահայտ փաստաթղթավորում ներդրումային թեզերի համար
• Ուսումնասիրել պատմական պղպջակները և անկումները՝ ակնկալիքները տրամաչափելու համար

13. Փոխազդեցություն այլ շեղումների հետ

Շեղումներ, որոնք ուժեղացնում են այս մեկը

Շեղումներ, որոնք հակազդում են այս մեկին

Ընդհանուր շեղումների շղթաներ

Շղթա 1: Վառ օրինակ (Հասանելիություն) → Օրինաչափության համապատասխանեցում (Ներկայացուցչականություն) → Բազային ցուցանիշի անտեսում → Ինքնավստահ սխալ դատողություն (Գերվստահություն) → Սխալի հաստատում (Հաստատման շեղում)

Շղթա 2: Խարսխում կոնկրետ դեպքի վրա → Բնակչության տվյալների անտեսում → Աջակցող նարատիվի կառուցում (Նարատիվային մոլորություն) → Դիմադրություն ճշգրտող ապացույցներին

Կասկադի (շղթայական ռեակցիայի) ընդհատում: Ամենաարդյունավետ միջամտության կետը վաղն է՝ նախքան վառ օրինակը կգրավի ուշադրությունը: Բազային ցուցանիշի մասին տեղեկատվության նախապես բեռնումը, հաճախականության ձևաչափերի օգտագործումը և բազային ցուցանիշի ստուգման բացահայտ սովորությունների ստեղծումը կարող են կանխել կասկադի սկսվելը:

14. Մշակութային հեռանկարներ

Բազային ցուցանիշի օգտագործման մշակութային տատանումների հետազոտությունը բացահայտում է հետաքրքիր օրինաչափություններ, թեև անտեսման հիմնական միտումը կարծես համընդհանուր է:

Միջմշակութային բացահայտումներ.

• Ուսումնասիրությունները հետևողականորեն գտնում են բազային ցուցանիշի անտեսում արևմտյան, ասիական և այլ մշակութային համատեքստերում
• Որոշ ապացույցներ հուշում են, որ արևելաասիական մասնակիցները որոշ համատեքստերում ցույց են տալիս բազային ցուցանիշի մի փոքր ավելի լավ օգտագործում, ինչը հնարավոր է կապված է հոլիստիկ (ամբողջական) ճանաչողական ոճերի հետ
• Հավանականության և վիճակագրության վրա շեշտը դնող կրթական համակարգերը ապահովում են բազային ցուցանիշների ավելի լավ ինտեգրում՝ անկախ մշակութային ծագումից
• Իրավական համակարգերի վերաբերմունքը վիճակագրական ապացույցներին զգալիորեն տարբերվում է ըստ մշակույթի

Համընդհանուր ասպեկտներ: Հիմնական ֆենոմենը՝ աբստրակտ վիճակագրական բազային գծերի փոխարեն հատուկ վառ տեղեկատվության նախընտրությունը, կարծես թե մարդկային համընդհանուր երևույթ է, արմատավորված ճանաչողական ճարտարապետության մեջ, որը նախորդում է մշակութային տարբերակմանը:

Միջմշակութային հետևանքներ: Վիճակագրական ապացույցները զգույշ ձևավորման կարիք ունեն տարբեր մշակութային համատեքստերում: Այն, ինչ աշխատում է մեկ իրավական կամ բժշկական համակարգում, կարող է ուղղակիորեն չփոխանցվել մյուսին:

15. Առասպելներ և թյուրիմացություններ

16. Փորձագիտական կարծիքներ

«Սուբյեկտների անպատրաստակամությունը՝ եզրակացնելու մասնավորը ընդհանուրից, հավասարվում էր միայն ընդհանուրը մասնավորից եզրակացնելու նրանց պատրաստակամությանը»: — Ամոս Տվերսկի և Դանիել Կահնեման, 1973 թ.

«Նմանության վրա բազային ցուցանիշները չեն ազդում, սակայն ինտուիտիվ հավանականության դատողություններում գերակշռում է նմանությունը»: — Դանիել Կահնեման, Մտածել, արագ և դանդաղ, 2011 թ.

«Խնդիրն այն չէ, որ մարդիկ ունակ չեն վիճակագրորեն տրամաբանել, այլ այն, որ խնդիրների մեծ մասը ներկայացված է մի ձևաչափով, որը չի համապատասխանում այն ձևաչափին, որով մարդկային միտքը էվոլյուցիայի է ենթարկվել մտածելու համար»: — Գերդ Գիգերենցեր, 2002 թ.

«Հոգեբանները գնահատում են իրենց սուբյեկտների ռացիոնալությունը մի ստանդարտով, որը հարմար չէ այդ առաջադրանքի համար»: — Լ.Ջ. Քոեն, 1981 թ.

17. Հիմնական եզրահանգումներ

1. Բազային ցուցանիշի անտեսումը համընդհանուր է: Բոլոր մարդիկ հակված են թերագնահատել վիճակագրական բազային ցուցանիշները, երբ առկա է կոնկրետ տեղեկատվություն. սա մարդկային ճանաչողական ճարտարապետության հատկություն է, ոչ թե անհատական ձախողում:

2. Ներկայացուցչականության էվրիստիկան մեխանիզմն է: Մենք գնահատում ենք հավանականությունը նախատիպերի հետ նմանությամբ, այլ ոչ թե բնակչության մեջ հաճախականությամբ:

3. Ձևաչափը հսկայական նշանակություն ունի: Տեղեկատվության ներկայացումը որպես բնական հաճախականություններ (X-ը Y-ից), այլ ոչ թե հավանականություններ, կտրուկ նվազեցնում է մոլորությունը:

4. Համատեքստը ուղղորդում է բազային ցուցանիշի օգտագործումը: Մարդիկ օգտագործում են բազային ցուցանիշներ, երբ դրանք թվում են պատճառականորեն համապատասխանող. նրանք անտեսում են դրանք, երբ դրանք թվում են «զուտ վիճակագրական»:

5. Հետևանքները աղետալի են: Սկսած սխալ դատավճիռներից (Սալլի Քլարկ, Լյուսիա դե Բերկ) մինչև ֆինանսական ճգնաժամեր (LTCM, Dot-Com) և ալգորիթմական խտրականություն, բազային ցուցանիշի անտեսումը ձևավորում է հասարակական լուրջ ձախողումներ:

6. Հակաշեղումը պահանջում է դիզայն: Մենք չենք կարող պարզապես «որոշել» հարգել բազային ցուցանիշները. մեզ անհրաժեշտ են տեղեկատվական ճարտարապետություններ, ստուգաթերթեր և որոշումների կայացման գործընթացներ, որոնք բազային ցուցանիշները դարձնում են տեսանելի և համապատասխան:

7. Շեղումն ունի առավելություններ: Առօրյա շատ համատեքստերում, արագ օրինաչափությունների համապատասխանեցումը, որն անտեսում է բազային ցուցանիշները, հարմարվողական է և արդյունավետ. նպատակն է ճանաչել, թե երբ է վիճակագրական մտածողությունն իսկապես պահանջվում:

18. Լրացուցիչ ռեսուրսներ

Ակադեմիական հոդվածներ

• Tversky, A., & Kahneman, D. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251.
• Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684-704.
• Bar-Hillel, M. (1980). The base-rate fallacy in probability judgments. Acta Psychologica, 44(3), 211-233.
• Kahneman, D., & Frederick, S. (2002). Representativeness revisited: Attribute substitution in intuitive judgment. In Heuristics and Biases (pp. 49-81). Cambridge University Press.
• Koehler, J. J. (1996). The base rate fallacy reconsidered: Descriptive, normative, and methodological challenges. Behavioral and Brain Sciences, 19(1), 1-17.

Գրքեր

• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Gigerenzer, G. (2002). Calculated Risks: How to Know When Numbers Deceive You. Simon & Schuster.
• Gigerenzer, G., Todd, P. M., & ABC Research Group. (1999). Simple Heuristics That Make Us Smart. Oxford University Press.
• Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown.
• Meehl, P. E. (1954). Clinical vs. Statistical Prediction. University of Minnesota Press.

Գրքերի գլուխներ

• Meehl, P. E., & Rosen, A. (1955). Antecedent probability and the efficiency of psychometric signs, patterns, or cutting scores. Psychological Bulletin, 52(3), 194-216.
• Hattori, M., & Nishida, Y. (2009). Why does the base rate appear to be ignored? The equiprobability hypothesis. Psychonomic Bulletin & Review, 16(6), 1065-1070.

19. Ամփոփիչ քարտ

20. Օգտագործված տերմինների բառարան

21. Քննարկման հարցեր

Գրքի ակումբների, դասարանների կամ ինքնամտորման համար.

1. Կարո՞ղ եք մտածել ձեր կյանքում կայացրած կարևոր որոշման մասին, որտեղ դուք հետագայում գիտակցել եք, որ անտեսել եք բազային ցուցանիշը: Ի՞նչ կանեիք այլ կերպ:

2. Ռացիոնալության պատերազմները հարց են բարձրացնում, թե արդյոք բազային ցուցանիշի անտեսումը մարդկային ճանաչողության «թերություն» է, թե «հատկություն»: Ո՞րն է ձեր տեսակետը և որո՞նք են դրա հետևանքները:

3. Ինչպե՞ս պետք է դատարանները վարվեն վիճակագրական ապացույցների հետ՝ հաշվի առնելով այն, ինչ մենք գիտենք երդվյալ ատենակալների կողմից բազային ցուցանիշի անտեսման մասին: Արդյո՞ք պետք է լինեն հատուկ ուսուցման կամ փորձագետի պահանջներ:

4. Գիգերենցերը պնդում է, որ տեղեկատվությունը բնական հաճախականություններով ներկայացնելը մեծամասամբ «լուծում է» բազային ցուցանիշի անտեսումը: Եթե սա ճիշտ է, ո՞վ է պատասխանատու տեղեկատվությունը ճիշտ ձևաչափով ներկայացնելու համար՝ անհատնե՞րը, հաստատություննե՞րը, թե՞ մանկավարժները:

5. Քանի որ AI համակարգերն ավելի ու ավելի են կայացնում որոշումներ, որոնք ազդում են մարդկանց կյանքի վրա, ի՞նչ պարտավորություններ կան՝ ուղղված ալգորիթմներում բազային ցուցանիշի շեղմանը: Ինչպե՞ս պետք է սահմանվի ալգորիթմական արդարությունը: