Думай медленно решай быстро

Каузальные ситуации 
Мы с Амосом составили варианты задания про такси, позаимствовав
понятие каузальных априорных вероятностей у психолога Исаака Айзена.
В своих экспериментах он показывал участникам краткие описания
студентов, сдававших экзамены в Йельском университете, и просил
оценить вероятность того, сдан ли экзамен. Каузальными априорными
вероятностями манипулировали очень просто: Айзен объяснил одной
группе, что описанные студенты были выбраны из потока, в котором 75 %
сдали экзамен, а другой группе — что в рассмотренном потоке было лишь
25 % положительных результатов. Это — весьма существенная
подстановка, поскольку априорная вероятность предполагает немедленный
вывод о чрезвычайной сложности экзамена, который успешно сдали всего
25 % студентов. Сложность экзамена — это, безусловно, один из
каузальных факторов, определяющих результат каждого студента. Как и
ожидалось, 
участники 
эксперимента 
Айзена 
оказались 
весьма
чувствительны к каузальным априорным вероятностям и вероятность
каждого из студентов сдать экзамен в более успешном потоке оценили
выше, чем при условии множества провалов.
Айзен 
изобретательно 
подтолкнул 
испытуемых 
к 
мысли 
о
некаузальной 
априорной 
вероятности. 
Он 
объяснил 
участникам
эксперимента, что группу студентов взяли из выборки, в свою очередь

---

составленной из студентов, сдавших или проваливших экзамен.
Информацию о группе с высоким показателем провалов сформулировали
так:
Экспериментатор, преимущественно интересующийся причинами
неудачи, составил выборку, в которой 75 % студентов не сдали экзамен.
Обратите внимание на разницу. Эта априорная вероятность — чисто
статистическая 
информация 
о 
выборке, 
из 
которой 
извлекли
рассматриваемые экземпляры. Она никак не связана с заданным вопросом,
то есть сдал каждый отдельно взятый студент экзамен или провалил. Как и
ожидалось, эксплицитно указанные априорные вероятности повлияли на
оценочные суждения в гораздо меньшей степени, чем статистически
эквивалентные каузальные априорные вероятности. Система 1 справляется
с историями, где между элементами есть каузальная связь, но слаба в
статистических рассуждениях. Разумеется, с байесовской точки зрения эти
версии эквивалентны. Возникает соблазн заключить, что мы пришли к
удовлетворительному выводу: каузальные априорные вероятности активно
используются, а статистические факты в той или иной степени
игнорируются. Но следующее исследование — одно из моих любимых —
показывает, что ситуация гораздо сложнее.