Blok 2.1
Probleem 7: estimating changes.
Vignet A: Waarop baseren mensen schattingen op?
Vignet B: Hoe beïnvloeden heuristieken schatting?
Vignet C: Hoe maak je een bepaalde afwegingen?
Welke invloed heeft vraagstelling op descision making?
Gelezen boeken: Matlin
Decision making
Het maken van beslissingen kan verlopen via twee mechanismen, namelijk via algoritmes (bepaalde
patronen) of door middel van heuristieken. De nadruk ligt hier vooral op decision-making heuristics.
Heuristieken zijn algemene strategieën de normaalgesproken correcte oplossingen produceren. Toch
leiden ze soms ook tot fouten. “onze cognitieve processen zijn meestal efficiënt en accuraat, en onze
fouten kunnen vaak worden toegeschreven tot rationale strategieën.”
1. The representativeness heuristic (ook wel clustering bias)
Dit hoort bij vignet A. De meeste mensen vinden THHTHT logischer dan TTTHHH omdat de eerste
reeks meer random lijkt. Het onderzoek laat zien dat we vaak het representativiteitsheuristiek
gebruiken. We oordelen dat een sample waarschijnlijk is wanneer het gelijk is aan de populatie van
waaruit het sample is geselecteerd. Volgens deze heuristiek geloven we dat random-uitziende reeksen
waarschijnlijker zijn dan geordende uitkomsten zo lang de uitkomst wordt bepaald door een random
proces. Hierbij baseren mensen hun uitkomst dus eerder op representativiteit dan daadwerkelijk op
kans. Dit terwijl de reeks TTTHHH of €22,22 geen zeldzame uitkomsten zijn. De representativiteits-
heuristiek leidt dan ook vaak tot fouten wanner we complexere beslissingen maken (zoals oordelen
over mensen). Het grootste probleem met de heuristiek is dat hij zo verleidelijk is, dat we statistieke
informatie (zoals sample size en base rate), die we in achting zouden moeten nemen, negeren.
Tversky en Khaneman geven aan dat mensen zouden moeten geloven in de law of large numbers die
zegt dat grote samples representatief zijn voor de populatie waaruit ze geselecteerd zijn. Ondanks dat
deze ‘wet’ correct is, geloven veel
mensen eerder in de small-sample
fallacy door aan te nemen dat kleine
samples ook representatief zijn voor
de populatie waar uit ze
geselecteerd zijn. Dit zie je bij het
volgende plaatje. De meeste mensen
zeiden “about the same”, terwijl het
antwoord “” had moeten zijn. Door het kleinere sample is dat minder representatief en kan zo’n grote
outlier verklaard worden. Bij stereotypering gebeurt het ook dat we een small-sample fallacy laten zien
door te oordelen over een grotere groep, gebaseerd op een klein sample voorbeelden.
Niet alleen negeren mensen bij het gebruiken van de representativiteitsheuristiek sample size, maar
ook base rate: hoe vaak een item voorkomt in de populatie. Wanneer mensen base rate negeren laten
zij base-rate fallacy zien: het onderschatten van belangrijke informatie over base rate. Zo wordt er bij
vignet B uit het probleem alleen gefocust op de persoonsbeschrijving, maar niet op het feit dat het
percentage monteurs veel kleiner was dan het percentage advocaten. Ook het voorbeeld met de
1
Probleem 7: estimating changes.
Vignet A: Waarop baseren mensen schattingen op?
Vignet B: Hoe beïnvloeden heuristieken schatting?
Vignet C: Hoe maak je een bepaalde afwegingen?
Welke invloed heeft vraagstelling op descision making?
Gelezen boeken: Matlin
Decision making
Het maken van beslissingen kan verlopen via twee mechanismen, namelijk via algoritmes (bepaalde
patronen) of door middel van heuristieken. De nadruk ligt hier vooral op decision-making heuristics.
Heuristieken zijn algemene strategieën de normaalgesproken correcte oplossingen produceren. Toch
leiden ze soms ook tot fouten. “onze cognitieve processen zijn meestal efficiënt en accuraat, en onze
fouten kunnen vaak worden toegeschreven tot rationale strategieën.”
1. The representativeness heuristic (ook wel clustering bias)
Dit hoort bij vignet A. De meeste mensen vinden THHTHT logischer dan TTTHHH omdat de eerste
reeks meer random lijkt. Het onderzoek laat zien dat we vaak het representativiteitsheuristiek
gebruiken. We oordelen dat een sample waarschijnlijk is wanneer het gelijk is aan de populatie van
waaruit het sample is geselecteerd. Volgens deze heuristiek geloven we dat random-uitziende reeksen
waarschijnlijker zijn dan geordende uitkomsten zo lang de uitkomst wordt bepaald door een random
proces. Hierbij baseren mensen hun uitkomst dus eerder op representativiteit dan daadwerkelijk op
kans. Dit terwijl de reeks TTTHHH of €22,22 geen zeldzame uitkomsten zijn. De representativiteits-
heuristiek leidt dan ook vaak tot fouten wanner we complexere beslissingen maken (zoals oordelen
over mensen). Het grootste probleem met de heuristiek is dat hij zo verleidelijk is, dat we statistieke
informatie (zoals sample size en base rate), die we in achting zouden moeten nemen, negeren.
Tversky en Khaneman geven aan dat mensen zouden moeten geloven in de law of large numbers die
zegt dat grote samples representatief zijn voor de populatie waaruit ze geselecteerd zijn. Ondanks dat
deze ‘wet’ correct is, geloven veel
mensen eerder in de small-sample
fallacy door aan te nemen dat kleine
samples ook representatief zijn voor
de populatie waar uit ze
geselecteerd zijn. Dit zie je bij het
volgende plaatje. De meeste mensen
zeiden “about the same”, terwijl het
antwoord “” had moeten zijn. Door het kleinere sample is dat minder representatief en kan zo’n grote
outlier verklaard worden. Bij stereotypering gebeurt het ook dat we een small-sample fallacy laten zien
door te oordelen over een grotere groep, gebaseerd op een klein sample voorbeelden.
Niet alleen negeren mensen bij het gebruiken van de representativiteitsheuristiek sample size, maar
ook base rate: hoe vaak een item voorkomt in de populatie. Wanneer mensen base rate negeren laten
zij base-rate fallacy zien: het onderschatten van belangrijke informatie over base rate. Zo wordt er bij
vignet B uit het probleem alleen gefocust op de persoonsbeschrijving, maar niet op het feit dat het
percentage monteurs veel kleiner was dan het percentage advocaten. Ook het voorbeeld met de
1
