没有合适的资源?快使用搜索试试~ 我知道了~
层次分析matlab代码-Comparing-normative-and-descriptive-models-of-proba...
共87个文件
png:46个
mat:16个
txt:6个
需积分: 9 0 下载量 181 浏览量
2021-05-23
16:18:54
上传
评论
收藏 85.58MB ZIP 举报
温馨提示
层次分析matlab代码比较概率加权的规范模型和描述模型 概率加权描述了主观概率与给定生成过程的客观概率之间的系统失真。 自从作为前景理论的一部分引入以来,概率加权就被认为是一种非理性的认知偏差-决策者做出的判断错误。 最近,出现了为概率加权提供规范性解释的理论,试图解释为什么决策者应该表达这些失真。 我们称其为机械模型的一种这样的理论提出,概率加权可以简单地解释为决策者对世界的不确定性要比实验者大。 这种不确定性自然是来自经验决策的结果,在决策中,决策者经历罕见结果的频率要少于实验者代码中规定的客观概率。 在此理论上,不确定性随着经验的增加而减少,引入了时间依赖性,从而减少了主观和客观概率之间的失真程度。 这种方法与前景理论(一种描述性理论)形成对比,后者提供了一种描述概率加权的功能形式,并将这种现象视为决策者的静态特征。 因此,两种理论方法做出了不同的实验预测。 在这里,我们提出了贝叶斯认知模型,该模型将两个竞争模型进行了形式化,将两个模型合并为一个层次化的潜在混合模型。 我们将探索不同的理论在面对来自经验的决策的简单实验范式时的表现。 我们根据每种理论模拟来自合成剂的选择数据,显
资源推荐
资源详情
资源评论
收起资源包目录
Comparing-normative-and-descriptive-models-of-probability-weighting-main.zip (87个子文件)
Comparing-normative-and-descriptive-models-of-probability-weighting-main
.gitignore 131B
Generating gambles
Gambles.csv 473B
Trial_generation.py 3KB
Presentations
Oral defence 07-01-2021.pptx 1.38MB
Project Presentation 09-10-2020.pptx 1.23MB
Results presentation 15-12-2020.pptx 952KB
README.md 6KB
Manuscript.pdf 4.26MB
Figures
Different shapes of the probability weighting function.png 108KB
PDF_peters_right.png 52KB
tmp_figs
.gitignore 70B
Experimental design.PNG 33KB
results-cpt-delta.png 25KB
PDF_peters_left.png 51KB
Dynamic_w(x).png 64KB
results-cpt-params.png 101KB
Latent mixture model.PNG 127KB
CDF_peters_right.png 53KB
results-lml-params.png 79KB
results-LML-difference.png 60KB
For appendix
results-cpt-w-agent9.png 130KB
results-cpt-w-agent12.png 133KB
results-lml-w-agent6.png 122KB
results-cpt-w-agent15.png 130KB
results-lml-w-agent8.png 122KB
results-cpt-w-agent8.png 130KB
results-cpt-w-agent18.png 128KB
results-lml-w-agent10.png 121KB
results-lml-w-agent9.png 121KB
results-cpt-w-agent13.png 127KB
results-lml-w-agent5.png 123KB
results-cpt-w-agent17.png 128KB
results-cpt-w-agent16.png 129KB
results-cpt-w-agent19.png 129KB
results-lml-w-agent7.png 122KB
results-cpt-w-agent4.png 130KB
results-lml-w-agent4.png 122KB
results-lml-w-agent1.png 122KB
results-cpt-w-agent7.png 128KB
results-cpt-w-agent10.png 131KB
results-cpt-w-agent14.png 131KB
results-cpt-w-agent3.png 130KB
results-lml-w-agent2.png 122KB
results-cpt-w-agent2.png 121KB
results-lml-w-agent3.png 121KB
results-cpt-w-agent11.png 129KB
results-cpt-w-agent1.png 132KB
results-cpt-w-agent6.png 131KB
results-cpt-w-agent5.png 127KB
results-cpt-w-agent20.png 130KB
results-cpt-gamma.png 25KB
results-cpt-difference.png 63KB
Overview.png 52KB
model_recovery.png 16KB
CDF_peters_left.png 46KB
Recovery
JAGS
JAGS_CPT.txt 4KB
JAGS.txt 8KB
JAGS_LML.txt 3KB
data
all_gambles.mat 1.79MB
metadata.txt 511B
setHLM.m 2KB
analysis
.gitignore 13B
functions.py 2KB
model_recovery.py 3KB
parameter_recovery.py 19KB
computeHLM.m 14KB
samples_stats
.gitignore 7B
model_comparison_CPT_regular_S.mat 39KB
model_comparison_CPT.mat 39KB
parameter_recovery_LML_Chunk_3.mat 7.92MB
parameter_recovery_CPT_Chunk_3.mat 8.6MB
Choices_simulated_from_CPT_regular_S.mat 74KB
CPT_int.txt 720B
Choices_simulated_from_CPT.mat 75KB
parameter_recovery_CPT_regular_S_Chunk_1.mat 8.52MB
model_comparison_LML.mat 39KB
parameter_recovery_LML_Chunk_1.mat 8.38MB
parameter_recovery_CPT_Chunk_1.mat 8.94MB
parameter_recovery_CPT_regular_S_Chunk_3.mat 7.96MB
Choices_simulated_from_LML.mat 72KB
parameter_recovery_CPT_Chunk_2.mat 8.63MB
LML_int.txt 360B
parameter_recovery_CPT_regular_S_Chunk_2.mat 8MB
parameter_recovery_LML_Chunk_2.mat 7.97MB
runHLM1_job.sh 84B
matjags.m 29KB
runHLM1.m 1KB
共 87 条
- 1
资源评论
weixin_38661087
- 粉丝: 3
- 资源: 979
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功