人类在世界上能够生存下来并成为这个世界的领导者,可以说与人们所做的决策有着非常大的关系。因此,探究人们究竟是如何在纷繁复杂的条件下做出决策便成为哲学家、经济学家、心理学家等孜孜以求的目标。从无限理性到受限制条件下的无限理性以至有限理性反映了科学尤其是自然科学的进步对人们认识自身所起的巨大作用。由于不确定条件下的概率判断日益为人们所关注,心理学家、数学家、经济学家以及其他一些社会和行为科学家中有越来越多人开始从事这方面的研究。其中贝叶斯理论的引入、有限理性和启发式观点的提出对不确定条件下的概率判断研究起到非常重要的推动作用。 随着自然科学的进步以及认知心理学的兴起人们开始认识到,人类的能力是有限的而非无限的,其中有限理性观的提出就是一个很好的实例。面对大量的信息,人们不得不进行有选择性的接收,并依靠启发式做出自己的决策。1980年以后,启发式成为心理学家最为热衷的课题之一,其中尤以Kahneman等人的研究最具代表性。毋庸置疑,启发式的观点也存在一些不足之处,所以有些心理学家提出了一些新的理论,比如Tversky等人的支持理论(Support Theory),Kohler在此基础上提出的证据受支持程度的累积模型(ESAM),Gigrenzer提出的简捷启发式(Simple Heuristics)等。 本研究以多重线索概率学习范式为基础并结合ESAM来解释人们在不确定条件下是如何做出概率判断的,他们的判断在不同的线索结构下是否会有不同的表现以及他们进行判断的内在机制是什么。其中对不确定条件的模拟主要是通过控制线索的状况(线索出现、不出现或未知)来实现的。通过一系列的研究发现,人们在完全信息条件下所做的判断不同于部分信息条件下的判断,两者之间存在显著差异,同时发现影响部分信息条件下概率判断的一些因素并证明人们在线索未知的时候会借助由于推断平均数的方法来做出自己的判断。