文件名称：信息处理中的有限记忆和偏差-研究论文
文件大小：645KB
文件格式：PDF
更新时间：2024-06-29 13:31:41
imperfect recall; bounded rationality;
我开发了一个受有限记忆约束的贝叶斯学习模型。 决策者 (DM) 在两个具有状态相关收益的行动之间做出选择之前，可以观察信息信号的过程，以固定的机会终止每个时期。 DM 必须始终将信息汇总到有限多个记忆状态中的一个，因此必须设计一个转换规则，指定在观察到每个新信号后如何更新记忆状态。 我描述了最优协议； 我证明这是一个不完全回忆的动态博弈的平衡，其中一个新玩家在每个时期运行每个记忆状态。 我通常证明所有参与者的行为就好像他们的转换选择在一个常见的一次性有限动作贝叶斯决策问题中最大化了预期收益。 专门研究多项信号，我证明了预期收益随着信号的预期数量增加，但随着信号数量的激增而与完整信息相距甚远。 我完全描述了具有大量预期信号的均衡游戏：DM 忽略除两个最极端的信号之外的所有信号，有时会混合极端信号（“粘性”行为）。 最佳方案与许多行为现象一致，例如显着性的作用、第一印象的重要性、确认偏差和信念两极分化。 我的结果包含了较旧的计算机科学文献的结果，并提供了与信息放牧文献的对比。