Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
22<br />
Abbildung 4. Einfache Common-Cause-Struktur mit einer Ursache C <strong>und</strong> drei Effekten,<br />
E 1 , E 2 <strong>und</strong> E 3 , wie sie von Rehder <strong>und</strong> Burnett (2005) in den beschriebenen<br />
Experimenten verwendet wurde.<br />
In der Testphase 20 wurden den Probanden Testfälle vorgelegt, <strong>die</strong> den Zustand<br />
des Ursache-Merkmals beschrieben (anwesend = typisch bzw. abwesend =<br />
untypisch) sowie <strong>die</strong> Zustände zweier Effekt-Merkmale. Aufgabe der Probanden<br />
war es, auf einer Skala von 0 bis 100 einzuschätzen, wie wahrscheinlich es sei,<br />
dass das dritte Effekt-Merkmal, dessen Status nicht bekannt war, anwesend ist<br />
(<strong>die</strong>ses also <strong>die</strong> typische Ausprägung hat). Der <strong>Markov</strong>-<strong>Bedingung</strong> entsprechend<br />
dürften <strong>die</strong>se Urteile nur vom Zustand der Ursache, aber nicht vom Wissen um<br />
den Zustand der weiteren Effekte der Common-Cause-Struktur abhängig sein, da<br />
der Zieleffekt konditionalisiert auf <strong>die</strong> Ursache unabhängig von den weiteren<br />
Variablen des Systems ist.<br />
In Abbildung 5 sind <strong>die</strong> Ergebnisse des Experiments (durchgezogenen Linien)<br />
sowie eine Vorhersage auf der Basis der <strong>Markov</strong>-<strong>Bedingung</strong> (gestrichelte<br />
Linien) abgetragen. Die oberen beiden Linien stellen dabei <strong>die</strong> Einschätzungen<br />
für den Fall der Anwesenheit der Ursache <strong>und</strong> <strong>die</strong> unteren beiden Linien entsprechend<br />
den Fall ihrer Abwesenheit dar. Auf der X-Achse abgetragen findet sich <strong>die</strong><br />
Anzahl der weiteren als anwesend beobachteten Effekte, im vorliegenden Fall<br />
also null, eins oder zwei (da der dritte Effekt unbeobachtet ist, können also<br />
höchstens zwei weitere Effekte anwesend sein). Da der <strong>Markov</strong>-<strong>Bedingung</strong> nach<br />
<strong>die</strong> Inferenz über den Zieleffekt unabhängig von den anderen Effekten sein sollte,<br />
deren Anwesenheit oder Abwesenheit mithin also keinen Einfluss haben dürfte,<br />
entspricht <strong>die</strong> <strong>Markov</strong>-konforme Vorhersage zwei horizontalen Linien. Im Fall,<br />
20 Rehder <strong>und</strong> Burnett haben noch mehr als das hier Beschriebene abgefragt, so zum Beispiel <strong>die</strong><br />
Wahrscheinlichkeit der Zugehörigkeit zur Kategorie etc. Die weiteren Fragen sind aber im Hinblick<br />
auf <strong>die</strong> <strong>Markov</strong>-<strong>Bedingung</strong> nicht interessant. Auf deren Darstellung wird daher aus Gründen der<br />
Übersichtlichkeit verzichtet.