확률에 대한 인식.

우리는 피험자가 매 결과마다 단계적 비정상 베르누이 과정의 숨겨진 확률 매개변수를 추정하는 실험 결과를 설명하기 위해 계산 모델을 제시합니다. 이 모델은 다음과 같은 결과를 질적으로 및 양적으로 캡처하며, 자유 매개변수는 2개입니다: (a) 피험자는 각 결과 후에 추정을 업데이트하지 않습니다; 그들은 불규칙한 간격으로 하나의 추정에서 다른 추정으로 이동합니다. (b) 단계 너비와 높이의 결합 분포는 변화 인식을 나타내기 위해 임계량의 변화가 초과되어야 한다는 가정으로 설명될 수 없습니다. (c) 관찰된 확률의 매핑이 중간적으로 인식된 확률에 대한 항등 함수는 전체 확률 범위에서 성립합니다. (d) 정밀도(최선의 추정에 얼마나 근접한지)는 좋고 전체 범위에 걸쳐 일정합니다. (e) 피험자는 숨겨진 확률 매개변수의 상당한 변화를 빠르게 감지합니다. (f) 인식된 확률은 때때로 한 관찰에서 다음 관찰로 극적으로 변화합니다. (g) 피험자는 추가 결과를 관찰한 후 이전의 변화 인식에 대해 이중 생각을 갖는 경우가 있습니다. (h) 변화를 인식하는 빈도는 세션이 진행됨에 따라 실제 빈도의 방향으로 이동합니다. (이 발견을 설명하려면 2개의 추가 파라메트릭 가정이 필요합니다.) 이 모델은 현재 확률의 인식을 변화 지점 측면에서 경험한 시퀀스의 compacto 인코딩 구축의 부산물로 간주합니다. 이것은 간헐적인 베이esian 신념 업데이트와 단순한 지각에서의 회고적 수정의 이유와 방법을 설명합니다. 최근 문헌에서의 의사 결정의 신경 생물학에 대한 발견의 재해석을 제안합니다.