这与标准预期效用理论得出的结果一致。可以看到偏好(f f)∧(f) f) Ellsberg预测,出现在λ>0的范围内。然后,决策者倾向于不喜欢Fan中的未知风险,Fan将这种评估嵌入到他(她)的选择行为中。尤其是α≈ 1/2,首选项(f f)∧ (f) f) 即使正表3:机器悖论的例子也能实现。50balls 51ballsR B W Yf202 2 02 101 101f202 1 01 202 101f303 2 02 101 0f303 1 01 202 0λ非常小。通常,α和λ是决策者主观确定的数量。然而,我们预测许多人会留在α≈ 1/2,除非给出了关于白球和黄球比率的一些外部信息。换句话说,我们被迫公平地意识到白球和黄球的存在,因为这两种球的比例是未知的。从这个角度来看,我们得出结论,图2支持埃尔斯伯格的预测。3.2机器解ParadoxMachina给出了以下情况作为模糊度下选择的示例[]:一个urn包含101个球。50个球为红色(R)或b缺球(b)。51个字母为白色(W)或黄色(Y)。这些比率未知。考虑一下表中所示的四种彩票。3,如果你从瓮中抽出一个球,你将从实用程序中获得re 303、202、101或0的结果。(fk,2a)和(fk,a)的批次,a=101。地块包括(fk,3a)、(fk,2a)、(fk,a)和(fk,0)。桌子。4显示了为这些事件分配的概率,其中p=50/101,q=1-p=51/101,参数α,β(0≤ α, β ≤ 1) 指定未知的R和B的比率以及W和Y的比率。我们可以看到,只有标段是明确的,其他标段对事件发生的概率具有模糊性。
|