分类:概率匹配的决策机制

来自Big Physics


研究背景和问题

概率匹配实验(指的是[[概率匹配实验]])[1]就是给定一个色子,得到正面的几率是[math]\displaystyle{ p }[/math],得到反面的几率是[math]\displaystyle{ 1-p }[/math],问被试如果有[math]\displaystyle{ N }[/math]次机会来做预测(可以一次性做全部的预测,也可以每一次仅仅对下一次做预测),如果预测的答案和实际出现的正面或者反面相同,则获得一定量的钱。这时候,如何选择。前人的实验发现,在这个问题中,大多数人选择做概率匹配,也就是不是选择正面,而是看情况基本上做到[math]\displaystyle{ p }[/math]的比例的情况下猜测正面,[math]\displaystyle{ 1-p }[/math]的比例猜测反面。

在这个研究中,我们想通过概率匹配实验来找找概率决策的脑活动,有可能的话,进一步分成理解概率和做概率决策的两种不同的脑活动。

理解和做概率匹配实验决策的难度

我们先来说说,为什么被试这个实验会出现困难,都出现在什么地方。

我们先来说说完全理性的情况。我们先从一个更加一般的情况出发。

替换成实物来做实验。


给被试的这个意义上——是否选择概率匹配——的理性程度或者说非理性程度做一个度量。

为什么需要这样一个非理性程度的度量呢?在我们的概率测试和最后通牒研究中,我们发现,这个意义上的非理性程度——在那里仅仅是分成做匹配和不做匹配两类——会很大程度上影响人和算法最后通牒的实验结果。于是,更进一步的问题就是,有没有一个数学模型来描述这样的非理性如何进入最后通牒博弈呢?为了构建这样的一个数学模型,我们首先需要把这些因素都定量起来。这个研究就是为了寻找一个这种非理性的定量度量。

为了定量测量这个非理性,首先我们需要确定被试有一个关于这个非理性的确定特质——某种表现是稳定的。例如,被试选择正面的概率[math]\displaystyle{ p }[/math]是稳定的,或者被试的决策机制——可以用决策过程的Markov过程(这个过程的一步的或者多步的,或者配上合适的变量——例如累计出现正面的次数——以后的,转移矩阵[math]\displaystyle{  M }[/math])来描述——是稳定的。一旦找到[math]\displaystyle{ p }[/math]或者[math]\displaystyle{ M }[/math]就可以从那里定义一个合适的定量度量。

实验设计

  1. 对每一个被试,延长实验轮数,来得到更多的数据点,可以对每一个个体做一个特征和特征的稳定性的度量。例如,做50轮(?在被试还严肃对待和思考的前提下,越长越好,需要做预实验,看看是否尝到一定程度,行为模式发生了定性改变,例如随便猜了,或者维持了很长时间不选固定行动的人忽然变成了固定行动的了)。当然,当被试数据还是不够多的时候,按照某种行为特征对被试做分组也是可以接受的。
  2. 改变一下[math]\displaystyle{ q }[/math]看看([math]\displaystyle{ q }[/math]换成其他数值,或者直接换成之前的[math]\displaystyle{ 1-q }[/math]的数值),是不是被试的行为做相应的改变,但是策略还是一样的。

下一步的工作

  1. 文献调研,看看针对这个实验以及类似的实验,是不是有类似的非理性定量指标已经提出来;顺便也看看一次做完[math]\displaystyle{ N }[/math]次预测和每一轮做一次预测的结果的不同
  2. 预实验
  3. 实验

神经经济学研究

是否在概率决策问题中,和,非概率决策问题中,人脑的活动就不一样,而且这个不同还可以探测出来,甚至培养出来?

例如,在概率匹配问题(一个0.7概率出现正面的硬币,被试来猜正反面,猜中得奖励)中,和另一个纯粹的无概率选择决策中,一个选a获得0.7元,选b获得0.3元,是不是前者会激活一个后者不激活特异脑区?

参考文献

  1. Shanks, D. R., Tunney, R. J., & McCarthy, J. D. (2002). A re‐examination of probability matching and rational choice. Journal of Behavioral Decision Making, 15(3), 233-250.

本分类目前不含有任何页面或媒体文件。