Kausales Denken, Bayes-Netze und die Markov-Bedingung

Weitere Magazine

Empfehlungen

Info

95 ten Ursachen, Gonz und Murks. Insgesamt ergeben sich dadurch acht Fälle, die diesmal auch alle vorgelegt wurden. Für die Durchführung des Versuchs wurde wieder ein Aktenordner angelegt, der die Instruktionen (je vier Seiten für die „Reading“- bzw. die „Sending“- Bedingung), die acht Testfälle sowie die Datentabelle und eine mit Excel erzeugte Randomisierungstabelle (für die randomisierte Reihenfolge) enthielt. Die Durchführung erfolgte auf dem Campus der Universität Göttingen und in umliegenden Gebäuden. Sie dauerte ca. 10–15 Minuten pro Versuchsperson. Design. Für die Auswertung wurden die Bewertungen für die beiden Fälle, in denen eine der beiden indirekten Ursachen anwesend ist (entweder Gonz oder Murks denkt an „POR“), pro Versuchsperson per Durchschnittsbildung zusammengefasst. Dann ergibt sich wie in den vorhergehenden Experimenten ein 2x2x3-ANOVA-Design mit dem experimentellen Faktor RS, „Reading“ vs. „Sending“ sowie zwei Messwiederholungsfaktoren: dem Status der direkten Ursache (direct cause, DC) und der Anzahl der als anwesend beobachteten indirekten Ursachen (indirect cause, N IC+ ). Vorhersage. Die empirische Vorhersage ergibt sich aus der Vorhersage des auf die Causal-Chain-Struktur angewendeten Basismodells. Wenn die direkte Ursache anwesend ist, sollten sich demnach deutlich höhere Bewertungen der Anwesenheit des Zieleffekts zeigen, als wenn die direkte Ursache abwesend ist (Haupteffekt DC). Sowohl für den Fall der Anwesenheit als auch für den Fall der Abwesenheit der Ursache sollte sich kein Einfluss der Anzahl der als anwesend beobachteten indirekten Ursachen zeigen (kein Haupteffekt für den Faktor N IC+ ) 44 . Insbesondere sollte es keinen Unterschied in der Wirkung der Anzahl der als anwesend beobachteten indirekten Ursachen im Hinblick auf den „Reading“- vs.-„Sending“-Faktor (Faktor RS) geben – auch dann, wenn entgegen der Vorhersage doch ein Haupteffekt auftreten sollte. Ebenso wird eine Drei-Wege- Interaktion nicht erwartet. 44 Wie es sich aber bereits in den vorhergehenden Experimenten gezeigt hat, mag ein solcher Haupteffekt auftreten, weil die Versuchspersonen eine weitere, generative Ursache annehmen. Eine solche müsste dann aber unabhängig von der „reading“-vs.-„sending“-Manipulation sein, d.h. die vorhergesagten Interaktionseffekte sind die bedeutenderen Effekte.
96 5.2.4 Experiment 5: Ergebnisse In Tabelle 7 und in Abbildung 27 sind die Ergebnisse von Experiment 5 dargestellt. Die detaillierten varianzanalytischen Ergebnisse finden sich in Tabelle G-1, Tabelle G-2 und Tabelle G-3 in Anhang G. Im Wesentlichen konnten die Vorhersagen gut bestätigt werden, insbesondere zeigt sich offenkundig keinerlei Einfluss der „Reading“-vs.-„Sending“-Manipulation. Wie in den vorhergehenden Experimenten sind die Bewertungen hinsichtlich der Anwesenheit des Zieleffekts im Durchschnitt deutlich höher, wenn die direkte Ursache anwesend ist (Haupteffekt DC: F 1,48 =191.99, p
Seite 1 und 2:
Kausales Denken, Bayes-Netze und di
Seite 3 und 4:
If the brain were so simple we coul
Seite 5 und 6:
II 3.3.3 Diskussion ...............
Seite 7 und 8:
8 Zusammenfassung .................
Seite 9 und 10:
2 Neuere Forschung, in der die Intu
Seite 11 und 12:
4 Diese Idee wird in Kapitel 3 in d
Seite 13 und 14:
6 2 Theoretischer und empirischer H
Seite 15 und 16:
8 potentiellen Ursache im Vergleich
Seite 17 und 18:
10 deren Unabhängigkeit von Drittv
Seite 19 und 20:
12 und C abhängig voneinander. Auc
Seite 21 und 22:
14 2000; Spirtes et al., 2000) 14 .
Seite 23 und 24:
16 tung haben hierbei vor allem die
Seite 25 und 26:
18 Wahrscheinlichkeit verbindet (z.
Seite 27 und 28:
20 Tenenbaum, dass sich die beiden
Seite 29 und 30:
22 Abbildung 4. Einfache Common-Cau
Seite 31 und 32:
24 ausgeschlossen werden, dass es s
Seite 33 und 34:
26 z.B. bezüglich der Typikalität
Seite 35 und 36:
28 auch in sehr abstrakten Settings
Seite 37 und 38:
30 3 Basisexperimente Wie im vorher
Seite 39 und 40:
32 Kausalprozesse unkonfundiert man
Seite 41 und 42:
34 Versuchsdurchführung und Materi
Seite 43 und 44:
36 Es wurde verdeutlicht, dass die
Seite 45 und 46:
38 Für die Durchführung des Versu
Seite 47 und 48:
40 Tabelle 1 Durchschnittliche Bewe
Seite 49 und 50:
42 ebenfalls gaben. Es könnte jedo
Seite 51 und 52: 44 Für die Durchführung wurde ebe
Seite 53 und 54: 46 leichten, aber nicht signifikant
Seite 55 und 56: 48 beschriebenen Kausalprozessen ab
Seite 57 und 58: 50 guration die Anwesenheit des Zie
Seite 59 und 60: 52 Ist die Ursache anwesend (Gonz d
Seite 61 und 62: 54 3.3.3 Diskussion In Experiment 3
Seite 63 und 64: 56 4 Modellierung Wie im letzten Ka
Seite 65 und 66: 58 der kausalen Mechanismen widersp
Seite 67 und 68: 60 darauf aufbauend um eine Noisy-O
Seite 69 und 70: 62 Denn die Inferenz über den Ziel
Seite 71 und 72: 64 System. Ist w PN hoch, die gemei
Seite 73 und 74: 66 Das Modell sagt damit bei Anwese
Seite 75 und 76: 68 Abbildung 17: Modellvorhersage b
Seite 77 und 78: 70 Modellvorhersage außer in Extre
Seite 79 und 80: 72 schiedenen w PN -Manipulationen
Seite 81 und 82: 74 3) Keine Effekte gegeben C=0: so
Seite 83 und 84: 76 gesagte bedingte Haupteffekt und
Seite 85 und 86: 78 sal nicht aktiv beschrieben (in
Seite 87 und 88: Tabelle 5 Bedingte Wahrscheinlichke
Seite 89 und 90: 82 auf außerirdisch) oder an „PO
Seite 91 und 92: 84 de Effektaliens denken an „POR
Seite 93 und 94: 86 5.1.4 Experiment 4: Ergebnisse D
Seite 95 und 96: 88 5.1.5 Diskussion Die Ergebnisse
Seite 97 und 98: 90 wendet werden. Hierfür definier
Seite 99 und 100: 92 (19) Abbildung 25. Eine einfache
Seite 101: 94 Weiteren wurde erklärt, dass si
Seite 105 und 106: 98 5.2.5 Diskussion Die Ergebnisse
Seite 107 und 108: 100 ist (die detaillierte Herleitun
Seite 109 und 110: 102 Als Vorhersage des Modells ergi
Seite 111 und 112: 104 5.3.3 Experiment 6: Methode Ver
Seite 113 und 114: 106 Gonz Zoohng ? Bruuf Murks Abbil
Seite 115 und 116: 108 Vorhersage. Für den Vergleich
Seite 117 und 118: 110 Tabelle 8 Durchschnittliche Bew
Seite 119 und 120: 112 auf dem Campus, im Zentralen H
Seite 121 und 122: 114 Abbildung 35. Durchschnittliche
Seite 123 und 124: 116 gen wurden experimentell in ein
Seite 125 und 126: 118 6 Modellerweiterung: Merkmalsba
Seite 127 und 128: 120 Nichtsdestotrotz lässt sich ob
Seite 129 und 130: 122 (25) Auf dieser Ebene handelt e
Seite 131 und 132: 124 Abbildung 36. Vier Beispiele f
Seite 133 und 134: 126 gelb zu sein). Entsprechend bes
Seite 135 und 136: 128 entsprechend mit mehreren stark
Seite 137 und 138: 130 werden, die für unterschiedlic
Seite 139 und 140: 132 Mezukt Brxxx Gonz ? Zoohng Kark
Seite 141 und 142: 134 6.3.2 Ergebnisse In Tabelle 10
Seite 143 und 144: 136 Tabelle 10 Durchschnittliche Be
Seite 145 und 146: 138 nur von den Annahmen über die
Seite 147 und 148: 140 ten Effekt: Da nunmehr besonder
Seite 149 und 150: 142 7 Gesamtdiskussion und Ausblick
Seite 151 und 152: 144 schiedlich starken Abhängigkei
Seite 153 und 154:
146 vielmehr auf die beobachtete pr
Seite 155 und 156:
148 ment die Auswirkungen verschied
Seite 157 und 158:
150 Ganz außen vorgelassen worden,
Seite 159 und 160:
152 schen Ebene genutzt wurde (ohne
Seite 161 und 162:
154 9 Literaturverzeichnis Ahn, W.-
Seite 163 und 164:
156 Cheng, P. W. & Novick, L. R. (1
Seite 165 und 166:
158 Hagmayer, Y. & Meder, B. (2008)
Seite 167 und 168:
160 Leising, K. J., Wong, J., Waldm
Seite 169 und 170:
162 Perales, J. C. & Shanks, D. R.
Seite 171 und 172:
164 Sommerville, J. A. (2007). Dete
Seite 173 und 174:
166 White, P. A. (2005). The power
Seite 175 und 176:
168 Tabelle A-2 Konditionale Varian
Seite 177 und 178:
170 Tabelle B-2 Konditionale Varian
Seite 179 und 180:
172 Tabelle C-2 Konditionale Varian
Seite 181 und 182:
174 Seien Ursache C sowie die Effek
Seite 183 und 184:
176 Anhang E - Varianzanalytische E
Seite 185 und 186:
178 Anhang F - Herleitung des Model
Seite 187 und 188:
180 Anhang G - Varianzanalytische E
Seite 189 und 190:
182 Anhang H - Herleitung für den
Seite 191 und 192:
184 (H-9) mit (H-10) Damit gilt ver
Seite 193 und 194:
186 Anhang I - Varianzanalytische E
Seite 195 und 196:
188 Tabelle I-3 Konditionale Varian
Seite 197 und 198:
190 Anhang K - Ausführliche Herlei
Seite 199 und 200:
192 Das Likelihood einer Merkmalsko
Seite 201 und 202:
194 Anhang L - Detaillierte Vorhers
Seite 203 und 204:
196 Anhang M - Detaillierte Ergebni
Seite 205 und 206:
198 Anhang N - Varianzanalytische E
Alle anzeigen

Kausales Denken, Bayes-Netze und die Markov-Bedingung

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?