.png){kind=icon}
返回
How People Use Statistics
.png){kind=icon}
PRE
AI
DOI：10.1093/restud/rdaf022.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对于标准统计问题，我们提供了新的证据，记录了（1）多模态性和（2）概率估计的不稳定性，包括来自问题描述中无关变化的影响。该证据促使我们提出一个模型：在解决问题时，人们通过关注每个假设的显著特征来表示该假设，同时忽略其他可能更相关的特征。仅使用与显著特征相关的统计量。该模型将关于独立同分布（i.i.d.）抽样的判断偏差（如赌徒谬误和对样本大小的忽视）与推断偏差（如反应不足和反应过度以及对证据权重的忽视）统一起来。该模型预测，特定特征显著性的变化如何共同塑造已知的偏差和对特征测量的注意力，但也可能产生全新的偏差。我们通过实验检验并证实了这些预测。特征驱动的显著性注意力作为统一框架出现，用于解释通常通过多种稳定的启发式方法或贝叶斯规则的扭曲来解释的偏差。
Keyword:
Selective attention
Inference
Overreaction
Underreaction
Disagreement
Representation
D01
D81
D9
期刊
IF:
6.4
论文数:
2.5K
被引数:
2.1W
.png){kind=icon}
查看更多内容