[факт] Определение результата: «Frequency formats elicited a substantially higher proportion of Bayesian algorithms than probability formats: 46% in the standard menu and 50% in the short menu. Probability formats, in contrast, elicited 16% and 28%, for the standard menu and the short menu, respectively» (Gigerenzer & Hoffrage 1995 [GH95], с. 693, по выжимке Р-4/Д14).
[факт] Дизайн: «By analyzing several thousand solutions to Bayesian problems... frequency formats, statistically naive participants derived up to 50% of all inferences by Bayesian algorithms» (GH95, Abstract, с. 684); данные «more than 2,800 individual problem solutions» (с. 698); классическая задача — маммография с базовой ставкой 1 %, чувствительностью 80 %, ложноположительными 9,6 % (с. 685).
[факт, оговорка авторов о границе — обязательная] «our results hold for an elementary form of Bayesian inference, with binary hypotheses and data... when human inference has to deal with several cues or data that are not independent, Bayesian calculations can become extremely complicated... it is unlikely that frequency formats would elicit Bayesian algorithms» (GH95, с. 698). Это прямая оговорка, ограничивающая перенос на многофакторные управленческие суждения.
[спорно — стороны] Barbey & Sloman (2007) оспаривают узкую трактовку этого результата как «просто удобного формата»: улучшение объясняется прозрачностью вложенной структуры множеств (nested sets), а не форматом самим по себе; к 2007 г. обе стороны спора сходятся, что «nested sets hypothesis» — то, что реально устояло эмпирически, при этом спор о механизме (dual-process) не закрыт: «almost everyone seems to agree that the empirical record supports the nested sets hypothesis... under one terminological guise or another» (BS07, с. 291, по выжимке Р-3/Д10).
[факт, граница по типу задачи — обязательная] Сами Tversky & Kahneman тестировали похожий частотный/классовый формат для ошибки конъюнкции («Линда»): снижение доли ошибок до 25 % (N=117) и до 11 % (N=360) — но только для задачи про численность демографических классов, не для исходной формулировки про личность и профессию: «the relative inefficacy of the methods used to combat the conjunction fallacy in the Linda problem... The force of the conjunction rule is more readily appreciated when the conjunctions are defined by the intersection of concrete classes than by a combination of properties» (Tversky & Kahneman 1983 [TK83], с. 309, по выжимке Р-3/Д10). Это ключевая граница приёма: он хорошо работает для задач «класс из класса» (доля людей/событий), но плохо помогает там, где нужно отказаться от эвристики репрезентативности в описании личности.
Приём: переформулировать вероятностный вопрос (вероятность единичного события) в вопрос о естественных частотах на выборке («сколько из N случаев») вместо процентов или вероятностей. Механизм: natural sampling — формат частот делает вложенную структуру множеств (базовая ставка × чувствительность × ложноположительные) прозрачной для прямого счёта без формулы Байеса: «Base rates need not be attended to. Neglect of base rates is perfectly rational in natural sampling» (GH95, с. 687); альтернативная трактовка механизма — nested sets, не формат сам по себе (BS07). Критерий «сработало»: доля ответов, соответствующих байесовскому решению, при вероятностной формулировке против частотной формулировки той же задачи. Замер: GH95 — 16 %→46 % (стандартное меню), 28 %→50 % (короткое меню), N>2800 решений по 15 задачам, статистически неподготовленные участники; TK83 — снижение ошибки конъюнкции с 65 % до 25–11 % для задач с классами (N=117/360), но НЕ для «Линды» лично. Где не работает / побочные: (1) многофакторные/зависимые вероятности — по прямой оговорке GH95 (с. 698); (2) задачи типа «Линда» (личность+профессия, эвристика репрезентативности) — частотный/классовый формат почти не снижает ошибку конъюнкции (TK83, с. 309); (3) механизм спорен (BS07) — если это nested sets, а не «частоты сами по себе», перенос на форматы, не показывающие вложенность классов, может не сработать. Цена внедрения: низкая — переформулировка вопроса/отчёта («X из N» вместо «X %»), не требует обучения получателя. Координата: modify the environment (Soll15-типология — смена подачи информации, не тренировка человека); nudge — по определению рамки проекта; первоисточник Hertwig & Grüne-Yanoff 2017 этим писателем не открывался.
(б) Процедура. В отчётах о риске/диагностике/вероятности использовать частотный формат вместо процентов там, где вопрос сводится к «доля из класса» (риски дефолтов, отказы оборудования). Измеренный эффект — +30 п.п. (16 %→46 %, GH95) на классических байесовских задачах. Граница: не переносить на суждения о сходстве («похож ли этот кандидат/проект на нужный тип») — ошибка конъюнкции а-ля «Линда» частотами почти не лечится (TK83, с. 309). (в) Среда. Работает там, где решение сводится к вопросу «сколько из скольких» с явными базовыми ставками (медицинская диагностика, скоринг, брак/дефолты) — GH95 прямо оговаривает границу для многофакторных/зависимых вероятностей (с. 698). Отдельной диагностики среды по Kahneman & Klein 2009 для этого приёма в доступных источниках этого захода не проводилось. (г) Организация. Касается того, кто готовит отчёт/дашборд с вероятностями для решающего (аналитик, риск-менеджер), а не самого решающего — смена формата подачи цифр не требует согласия ЛПР на процедуру.
2026-09-12
отвечено 0 из 3
1. На сколько процентных пунктов выросла доля байесовских ответов при переходе с вероятностного формата на частотный в стандартном меню Gigerenzer & Hoffrage (1995)?
2. Работает ли тот же частотный/классовый формат против ошибки конъюнкции в задаче «Линда» (личность+профессия), по данным самих Tversky & Kahneman (1983)?
3. Какую границу применимости указывают сами Gigerenzer & Hoffrage (1995) для своего результата?