×
珀西·米斯特里。;伊曼纽尔·波托斯。;约阿希姆·范德克霍夫;Jennifer S.Trueblood。

因果推理中个体差异的量子概率解释。 （英语） Zbl 1411.91472号

数学杂志。精神病。 87, 76-97 (2018).
摘要：我们使用量子概率（QP）理论来研究因果推理中的个体差异。通过分析来自的数据集B.再热器[“人类因果推理中的独立性和依赖性”，《认知心理学》第72卷，第54–107页（2014年；doi:10.1016/j.cogpsych.2014.02.002)]论比较判断B.再热器和M.R.Waldmann先生[“在描述的与经验丰富的因果学习场景中，解释和筛选失败”，Mem.Cogn.45，No.2，245-260（2016；doi:10.3758/s13421-016-0662-3)]在绝对判断方面，我们表明QP模型可以解释因果判断中的个体差异，以及为什么这些判断有时会违反因果贝叶斯网的属性。我们在同一层次贝叶斯推理框架内实现了这一模型和先前提出的因果推理模型（包括经典概率模型），以提供这些模型之间的详细比较，包括计算贝叶斯因子。对QP模型的推断参数的分析说明了如何根据因果推理的假定认知机制来解释这些参数。此外，我们实现了一种潜在的分类机制，该机制基于推断认知过程的属性识别推理子类别，而不是事后聚类。QP模型还为聚合行为提供了简约的解释，这也只能用多种现有模型的混合来解释。通过QP模型的视角调查个体差异，可以发现对于人们如何进行因果推断时经常观察到的两分法的现有解释的简单但有力的替代方法。这些替代性解释源自对量子概率模型参数和结构的认知解释。

MSC公司：

91E99型 数学心理学
第62页，共15页 统计学在心理学中的应用
2015年1月62日 贝叶斯推断
第81页，共16页 量子状态空间、操作和概率概念

关键词：

个人差异;因果推理;量子概率;因果图形模型;贝叶斯推断

软件：

卡爪
PDF格式BibTeX公司 XML格式引用
\textit{P.K.Mistry}等人，J.数学。精神病。87、76-97（2018年；Zbl 1411.91472）
全文： 内政部 链接

参考文献：

[1] 阿尔茨，D。；Broekaert，J。；加博拉，L。；Sozzo，S.，《量子结构与人类思维》，《行为与脑科学》，第36、3、274-276页（2013年）
[2] 阿尔茨，D。；加博拉，L。；Sozzo，S.，《概念及其动力学：人类思维的量子理论建模》，《认知科学主题》，第5、4、737-772页（2013年）
[3] 阿尔茨，D。；索佐，S。；Veloz，T.，《自然概念组合中非经典结构的新基本证据》，《皇家学会哲学学报A》，3742058，第20150095页，（2016）
[4] Atmanspacher，H。；Filk，T.，《双稳态感知中时间非局部性的拟议测试》，《数学心理学杂志》，54，314-321（2010）·Zbl 1191.62181号
[5] Brainerd，C。；王，Z。；Reyna，V.，情景记忆的叠加：过度分布和量子模型，《认知科学主题》，2013年第5期，第4期
[6] Busemeyer，J.R。；Bruza，P.，认知和决策的量子模型（2012），剑桥大学出版社：剑桥大学出版社，英国剑桥
[7] Busemeyer，J.R.、Wang，Z.、Pothos，E.M.和Trueblood，J.S.（2015）。合取谬误、证实与量子理论：评Tentori、Crupi和Russo，2013。；Busemeyer，J.R.、Wang，Z.、Pothos，E.M.和Trueblood，J.S.（2015）。合取谬误、确认和量子理论：对Tentori、Crupi和Russo的评论，2013年。
[8] Busemeyer，J.R。；王，Z。；Shiffrin，R.M.，贝叶斯模型比较支持量子而非标准决策理论对动态不一致性的解释，decision，2，1，1（2015）
[9] Cheng，P.W.，《从共变到因果关系：因果力量理论》，《心理学评论》，104367-405（1997）
[10] 科威尔，R.G。；Dawid，A.P。；Lauritzen，S.L。；Spiegelhalter，D.J.，概率网络和专家系统。工程和信息科学统计（1999），Springer-Verlag:Springer-Verlag New York，Inc·Zbl 0937.68121号
[11] Daw，N.D。；奥多尔蒂，J.P。；大研，P。；西摩，B。；Dolan，R.J.，《人类探索性决策的皮层基质》，《自然》，441，7095，876（2006）
[12] Druzdzel，M.J。；Henrion，M.，《利用非标准化祖先节点进行因果推理》，（第九届人工智能不确定性国际会议论文集（1993），Morgan Kaufmann Publishers Inc），317-325
[13] Evans，J.St.B.T。；林奇，J.S.，选择任务中的匹配偏差，《英国心理学杂志》，64，391-397（1973）
[14] 芬巴赫，P.M。；Darlow，A。；Sloman，S.A.，《在预测性但非诊断性推理中忽略替代原因》，《心理科学》，21，3，329-336（2010）
[15] 芬巴赫，P.M。；Rehder，B.，因果推理中的认知捷径，论证与计算，4，1，64-88（2013）
[16] Fernbach先生。；Sloman，S.A.，《局部计算的因果学习》，《实验心理学杂志：学习、记忆和认知》，35，3，678（2009）
[17] Gelman，A。；Rubin，D.B.，使用多序列从迭代模拟中推断，《统计科学》，457-472（1992）·兹比尔1386.65060
[18] 新墨西哥州古德曼。；乌尔曼，T.D。；Tenenbaum，J.B.，《学习因果关系理论》，《心理学评论》，118，1，110-119（2011）
[19] Griffiths，T.L。；查特，N。；坎普，C。；Perfors，A。；Tenenbaum，J.B.，《认知的概率模型：探索表征和归纳偏见》，《认知科学趋势》，第14期，第357-364页（2010年）
[20] Griffiths，T.L。；Tenenbaum，J.B.，《基于理论的因果归纳法》，《心理学评论》，第116、4、661-716页（2009年）
[21] Hagmayer，Y。；Waldmann，M.R.，因果学习和推理的约束满足模型，（Gray，W.D.；Schunn，C.D.，认知科学学会第二十四届年会论文集（2002），Erlbaum:Erlbaum Mahwah，NJ），405-410
[22] Jeffreys，H.，《概率论》（1961），牛津大学出版社：牛津大学出版社，纽约·Zbl 0116.34904号
[23] 詹金斯，H.M。；Ward，W.C.，《反应与结果之间偶然性的判断》，《心理学专著：一般与应用》，79，1-17（1965）
[24] 坎普，C。；新墨西哥州古德曼。；Tenenbaum，J.B.，《学习因果模型》，认知科学，34，7，1185-1243（2010）
[25] Kim，J.H.和Pearl，J.（1983年）。推理系统中因果和诊断推理的计算模型。在第八届国际人工智能联合会议记录; Kim，J.H.和Pearl，J.（1983年）。推理系统中因果和诊断推理的计算模型。在第八届国际人工智能联合会议记录
[26] Lee，M.D.，《认知建模如何从分层贝叶斯模型中受益》，《数学心理学杂志》，55，1，1-7（2011）·Zbl 1208.91123号
[27] Lee，医学博士。；Webb，M.R.，《认知中的个体差异建模》，《心理学通报与评论》，第12期，第605-621页（2005年）
[28] 龙虾，K。；Shanks，D.R.，因果归纳法是基于因果力量吗？《程的批判》（1997），《心理学评论》，107，1，195-212（2000）
[29] Lodewyckx，T。；Kim，W。；Lee，医学博士。；Tuerlinckx，F。；库彭斯，P。；Wagenmakers，E.J.，《用乘积空间法进行贝叶斯因子估计的教程》，《数学心理学杂志》，55，5，331-347（2011）·Zbl 1225.62037号
[30] Marr，D.，《视觉：人类视觉信息表征和处理的计算研究》（1982年），W.H.Freeman:W.H.Freeman旧金山
[31] 米斯特里，P.K。；Trueblood，J.S。；范德克霍夫，J。；Pothos，E.M.，《贝叶斯推理框架内因果推理的潜在量子概率模型》，（认知科学学会第37届年会论文集（2015），认知科学学会：德克萨斯州奥斯汀认知科学学会）
[32] 奥克斯福德，M。；Chater，N.，《贝叶斯理性的原理：人类推理的概率方法》，《行为与脑科学》，32，69-120（2009）
[33] 帕克，J。；Sloman，S.A.，《机械信念决定因果推理中对马尔可夫属性的坚持》，认知心理学，67，4，186-216（2013）
[34] Pearl，J.，《智能系统中的概率推理：似是而非推理网络》（1988），摩根·考夫曼
[35] Pearl，J.，《因果推理的演绎方法》，《因果推断杂志》，第2期，第2页（2014年）
[36] Plummer，M.，JAGS:使用吉布斯抽样分析贝叶斯图形模型的程序，（第三届分布式统计计算国际研讨会论文集，第124卷（2003）），3月（第125.10号）
[37] 波托斯，E.M。；Busemeyer，J.R.，《违反“理性”决策的量子概率模型解释》，英国皇家学会学报B，276，1665，2171-2178（2009）
[38] 波托斯，E.M。；Busemeyer，J.R.，量子概率能为认知建模提供新方向吗？，行为与脑科学，36，255-327（2013）
[39] 波托斯，E.M。；Busemeyer，J.R。；Trueblood，J.S.，《相似性的量子几何模型》，《心理学评论》，第120、3、679页（2013年）
[40] 波托斯，E.M。；Trueblood，J.S.，相似性量子概率模型中的结构化表示，《数学心理学杂志》，64，35-43（2015）·Zbl 1318.91050号
[41] Rehder，B.，《人类因果推理中的独立性和依赖性》，认知心理学，72，54-107（2014）
[42] Rehder，B。；Waldmann，M.R.，在描述的与经验丰富的因果学习场景中解释和筛选失败，记忆与认知，1-16（2016）
[43] 罗特曼，B.M。；Hastie，R.，《因果关系推理：因果网络上的推理》，《心理学公报》，140，1，109（2014）
[44] 罗素·S·J。；Norvig，P。；坎尼，J.F。；Malik，J.M。；Edwards，D.D.，《人工智能：现代方法》（第2卷）（2003年），普伦蒂斯·霍尔：普伦蒂斯霍尔-上鞍河
[45] Shanks，D.R.，《关于经验情境和描述情境中因果判断的相似性》，《心理科学》，第2、5、341-350页（1991年）
[46] Sloman，S.A。；Fernbach，P.M.，《复杂因果系统的人类表征和推理》，《信息、知识、系统管理》，2011年第10期，第1-15页
[47] Sozzo，S.，《自然概念的连接与否定：量子理论建模》，《数学心理学杂志》，第66期，第83-102页（2015年）·Zbl 1354.91126号
[48] 斯坦诺维奇，K.E。；West，R.F.，《推理中的个体差异：对理性辩论的影响？》？，行为与脑科学，23645-726（2000）
[49] Tenenbaum，J.B。；Griffiths，T.L.，代表性的理性基础，（认知科学学会第23届年会论文集（2001），劳伦斯·埃尔鲍姆协会），1036-1041
[50] Tenenbaum，J.B。；格里菲思，T.L。；Kemp，C.，归纳学习和推理的基于理论的贝叶斯模型，认知科学趋势，10，7，309-318（2006）
[51] Trueblood，J。；Busemeyer，J.R.，推理中顺序效应的量子概率论，认知科学，351518-1552（2011）
[52] Trueblood，J.S。；Busemeyer，J.R.，因果推理的量子概率模型，认知科学前沿，3，1-13（2012）
[53] Trueblood，J.S。；Mistry，P.K。；Pothos，E.M.，《因果推理的量子贝叶斯网方法》，《从量子物理学到心理学的语境》，第6449页（2015）
[54] Trueblood，J.S.和Pothos，E.M.（2014）。人类因果推理的量子概率方法。在认知科学学会第36届年会论文集; Trueblood，J.S.和Pothos，E.M.（2014）。人类因果推理的量子概率方法。在认知科学学会第36届年会论文集
[55] Trueblood，J.S。；Yearsley，J.M。；Pothos，E.M.，人类概率推理的量子概率框架，实验心理学杂志：综述，146，91307（2017）
[56] Waldmann，M.R。；Cheng，P.W。；Hagmayer，Y。；Blaisdell，A.P.，《老鼠和人类的因果学习：最小理性模型》（The probability mind.Prospects for Bayesian cognitive science，2008），453-484
[57] 王，Z。；Busemeyer，J.R。；Atmanspacher，H。；Pothos，E.M.，《使用量子理论构建认知模型的潜力》，《认知科学专题》，第5、4、672-688页（2013年）
[58] Wellman，M.P。；Henrion，M.，解释“解释离开”，IEEE模式分析和机器智能汇刊，15，3，287-292（1993）
[59] 怀特，P.A.，《权力个人电脑理论与因果权力：评程（1997）和诺维克与程（2004）》，《心理学评论》，第112、3、675-682页（2005）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。