view in publisher's site
- خانه
- لیست مقالات
- چکیده
Reporting probabilistic expectations with dynamic uncertainty about possible distributions
We study how experimental subjects report subjective probability distributions in the presence of ambiguity characterized by uncertainty over a fixed set of possible probability distributions generating future outcomes. Subjects observe draws from the true but unknown probability distribution generating outcomes at the beginning of each period of the experiment and state at selected periods a) the likelihoods that each probability distribution in the set is the true distribution, and b) the likelihoods of future outcomes. We estimate heterogeneity of rules used to update uncertainty about the true distribution and rules used to report distributions of future outcomes. We find that approximately 65% of subjects report distributions by properly weighing the possible distributions using their expressed uncertainty over them, while 22% of subjects report distributions close to the distribution they perceive as most likely. We find significant heterogeneity in how subjects update their expressed uncertainty. On average, subjects tend to overweigh the importance of their prior uncertainty relative to new information, leading to ambiguity that is substantially more persistent than would be predicted using Bayes’ rule. Counterfactual simulations suggest that this persistence will likely hold in settings not covered by our experiment.
گزارش انتظارات احتمالاتی با عدم قطعیت پویا در مورد توزیع‌های احتمالی
ما مطالعه می‌کنیم که چگونه موضوعات تجربی توزیع احتمال ذهنی را در حضور ابهام گزارش می‌کنند که مشخصه آن عدم قطعیت در مجموعه‌ای ثابت از توزیع‌های احتمالی محتمل است که نتایج آتی را تولید می‌کنند. موضوعاتی که در ابتدای هر دوره از آزمایش و حالت در دوره‌های منتخب مشاهده می‌شوند (a که هر توزیع احتمالی در مجموعه، توزیع واقعی و b)likelihoods پیامدهای آینده است. ما ناهمگنی قوانین مورد استفاده برای به روز رسانی عدم قطعیت در مورد توزیع واقعی و قوانین مورد استفاده برای گزارش توزیع نتایج آینده را برآورد می‌کنیم. ما دریافتیم که تقریبا ۶۵ درصد از افراد توزیع را با توزین درست توزیع‌های احتمالی با استفاده از عدم قطعیت بیان‌شده بر روی آن‌ها گزارش می‌کنند، در حالی که ۲۲ درصد از افراد توزیع‌های نزدیک به توزیع را به احتمال زیاد مشاهده می‌کنند. ما ناهمگونی قابل‌توجهی در نحوه به روز رسانی عدم قطعیت بیان‌شده آن‌ها پیدا می‌کنیم. به طور میانگین، افراد به اهمیت عدم قطعیت قبلی خود نسبت به اطلاعات جدید تمایل دارند و منجر به ابهام می‌شوند که به طور قابل‌توجهی پایدارتر از آن است که با استفاده از قاعده Bayes پیش‌بینی می‌شود. شبیه‌سازی‌های Counterfactual نشان می‌دهد که این مداومت به احتمال زیاد در محیط‌هایی که تحت پوشش تجربه ما نیستند نگهداری خواهد شد.
ترجمه شده با 
- مقاله Economics and Econometrics
- ترجمه مقاله Economics and Econometrics
- مقاله اقتصاد و اقتصادسنجی
- ترجمه مقاله اقتصاد و اقتصادسنجی
- مقاله Finance
- ترجمه مقاله Finance
- مقاله مالی
- ترجمه مقاله مالی
- مقاله Accounting
- ترجمه مقاله Accounting
- مقاله حسابداری
- ترجمه مقاله حسابداری
ترجمه کنید