Causale stereotypen

Dit is een standaardvraagstuk op basis van Bayesiaanse deductie. Er zijn twee gegevens: een a-priorikans en de niet geheel betrouwbare getuigenis. Zonder getuigenis is de kans dat de schuldige taxi blauw flexplek huren rotterdam is 15 procent – de a-priorikans van die uitkomst. Als de twee taxibedrijven even groot waren geweest, zou de a-priorikans niet informatief zijn geweest en zou u zich uitsluitend op het verhaal van de getuige hebben kunnen richten, concluderend dat de kans 80 procent bedraagt. De twee stukjes informatie kunnen door Bayes’ regel worden gecombineerd en het correcte antwoord is 41 procent.1 Maar u kunt flexplek huren utrecht waarschijnlijk al raden wat mensen doen die dit vraagstuk voorgeschoteld krijgen: ze negeren de a-priorikans en baseren hun antwoord op de getuigenis. Het vaakst genoemde antwoord is 80 procent.
Causale stereotypen Neem nu de volgende versie van het vraagstuk, waarin alleen de presentatie van de a-priorikans is veranderd. U krijgt de volgende gegevens: • De twee taxibedrijven hebben hetzelfde aantal flexplek huren amsterdam taxi’s rijden, maar groene taxi’s zijn betrokken bij 85 procent van de ongelukken. • De informatie over de getuige is dezelfde als die in de vorige versie.
De twee versies van het vraagstuk zijn wiskundig identiek, maar psychologisch zeer verschillend. Mensen die de eerste versie lezen, weten vaak niet hoe ze de a-priorikans moeten gebruiken en negeren deze gewoon. Mensen die de tweede versie voorgeschoteld krijgen, hechten echter veel belang aan de a-priorikans en hun inschatting ligt gemiddeld niet ver af van de Bayesiaanse oplossing. 2 Waarom is dit zo? In de eerste versie is de a-priorikans van blauwe taxi’s een flexplek huren schiphol statistisch feit over de taxi’s die in de stad rondrijden. Een op causaliteit gericht brein vindt hier niets van zijn gading: hoe leidt het aantal groene en blauw taxi’s in de stad ertoe dat de taxichauffeur uit het vraagstuk doorrijdt na een ongeval?