Schnelles Denken, langsames Denken (German Edition)

gelangte zu dem Schluss, dass der Zeuge jede der beiden Farben in 80 Prozent der Fälle richtig und in 20 Prozent der Fälle nicht richtig erkannte.
    Wie hoch ist die Wahrscheinlichkeit, dass das an dem Unfall beteiligte Taxi der Firma Blue und nicht der Firma Green gehörte?
    Dies ist ein Standardproblem der Bayesschen Inferenz. Es gibt zwei Informationselemente: eine Basisrate und die nicht gänzlich zuverlässige Aussage eines Zeugen. Ohne einen Zeugen liegt die Wahrscheinlichkeit dafür, dass das am Unfall beteiligte Taxi der Firma Blue gehört, bei 15 Prozent – was die Basisrate für dieses Ergebnis ist. Wenn die beiden Taxi-Unternehmen gleich groß wären, hätte die Basisrate keinen Informationsgehalt, und Sie würden lediglich die Zuverlässigkeit des Zeugen betrachten, sodass Sie zu dem Schluss kämen, dass die Wahrscheinlichkeit 80 Prozent beträgt. Die beiden Informationsquellen können gemäß der Bayesschen Regel miteinander kombiniert werden. Die richtige Antwort lautet 41 Prozent. 1 Doch vermutlich ahnen Sie, was die meisten Menschen tun, wenn sie mit diesem Problem konfrontiert sind: Sie ignorieren die Basisrate und halten sich an den Zeugen. Die häufigste Antwort lautet 80 Prozent.

Kausale Stereotype
    Betrachten wir nun eine Variante der gleichen Geschichte, in der nur die Präsentation der Basisrate verändert wurde.
    Sie erhalten die folgenden Daten:
– Die beiden Firmen betreiben die gleiche Anzahl von Taxis, aber Green-Taxis sind an 85 Prozent der Unfälle beteiligt.
– Die Information über den Zeugen ist die gleiche wie in der vorangehenden Version.
    Die beiden Versionen des Problems sind mathematisch gesehen identisch, aber psychologisch betrachtet recht unterschiedlich. Personen, die die erste Version lesen, wissen nichts mit der Basisrate anzufangen und ignorieren sie oftmals. Dagegen geben die Probanden, denen die zweite Version dargeboten wird, der Basisrate ein erhebliches Gewicht, und ihr durchschnittliches Urteil ist nicht allzu weit von der bayesschen Lösung entfernt. 2 Wieso?
    In der ersten Version ist die Basisrate von Blue-Taxis eine statistische Tatsache über die Taxis in der Stadt. Ein auf kausale Zusammenhänge erpichter Intellekt findet hier nichts zum Beißen: Wie kann die Anzahl der Green- und Blue-Taxis in der Stadt die Ursache dafür sein, dass dieser Taxifahrer Unfallflucht begeht?
    In der zweiten Version dagegen verursachen die Fahrer der Green-Taxis mehr als fünfmal so viele Unfälle wie die Blue-Taxis. Daher die prompte Schlussfolgerung: Die Green-Fahrer müssen ein Verein von rücksichtslosen Irren sein! Sie haben jetzt ein Stereotyp über die Rücksichtslosigkeit von Green gebildet, das Sie auf unbekannte einzelne Fahrer im Unternehmen anwenden. Das Stereotyp lässt sich mühelos in eine kausale Geschichte einfügen, weil Rücksichtslosigkeit eine kausal relevante Information über einzelne Taxifahrer ist. Diese Version enthält zwei kausale Geschichten, die miteinander kombiniert beziehungsweise in Einklang gebracht werden müssen. Die erste ist die Fahrerflucht, die natürlich die Vorstellung wachruft, dass ein rücksichtsloser Green-Fahrer verantwortlich war. Die zweite ist die Zeugenaussage, die entschieden darauf hindeutet, dass es ein Blue-Taxi war. Die Schlüsse aus den beiden Geschichten über die Farbe des Taxis sind widersprüchlich und heben sich annähernd gegenseitig auf. Die Wahrscheinlichkeit der beiden Farben ist
etwa gleich groß (der Bayessche Schätzwert beträgt 41 Prozent, worin sich die Tatsache widerspiegelt, dass die Basisrate von Green-Taxis etwas größer ist als die Zuverlässigkeit des Zeugen, der ein blaues Taxi gesehen zu haben glaubt).
    Das Taxi-Beispiel veranschaulicht zwei Typen von Basisraten. »Statistische Basisraten« sind Tatsachen über eine Population , zu der ein Einzelfall gehört, aber sie sind nicht relevant für den Einzelfall. »Kausale Basisraten« verändern Ihre Sichtweise darüber, was einen Einzelfall hervorgebracht hat. Die beiden Typen von Informationen über Basisraten werden unterschiedlich behandelt:
– Statistische Basisraten werden im Allgemeinen untergewichtet und manchmal völlig außer Acht gelassen, wenn spezifische Informationen über den vorliegenden Fall verfügbar sind.
– Kausale Basisraten werden als Informationen über den Einzelfall behandelt und lassen sich leicht mit anderen fallspezifischen Informationen verknüpfen.
    Die kausale Version des Taxi-Problems hatte die Form eines