Démo Interactive

Explorer la Théorie des Perspectives

Utilisez les curseurs pour voir comment la Théorie des Perspectives prédit les comportements de confiance et de risque

Votre Cerveau Calcule. Juste Pas Comme Vous le Pensez.

En 1979, Kahneman et Tversky ont demandé aux gens de choisir entre différents paris. Des jeux simples avec des probabilités claires. Puis ils ont rétro-conçu les "mathématiques" que le cerveau des gens utilisait.

Il s'avère que nous calculons la valeur attendue. Juste pas avec les vrais nombres. Nous faisons quelque chose de plus étrange. Nous distordons les probabilités. Nous ressentons les pertes plus que les gains. Nous suivons des patterns.

Ce travail a remporté le Prix Nobel en 2002. Maintenant je teste si les mêmes mathématiques expliquent la confiance.

1. Sensibilité aux Résultats

Comment nous percevons les gains et les pertes. Les pertes semblent plus importantes que les gains (aversion à la perte), et la valeur marginale diminue à mesure que les montants augmentent.

Fonction de Valeur v(x)
α (alpha) • Curvature
0.88

L'importance accordée au montant par rapport au simple fait de gagner ou perdre. Valeurs plus faibles = sensibilité décroissante plus forte.

λ (lambda) • Aversion aux Pertes
2.25

λ = 2,25 signifie qu'une perte de 10$ est ressentie aussi intensément qu'un gain de 22,50$. Valeurs plus élevées = les pertes font plus mal.

Points Clés

  • La courbe est plus raide pour les pertes que pour les gains (asymétrie)
  • Les deux côtés montrent une sensibilité décroissante
  • Les gens sont averses au risque pour les gains mais recherchent le risque pour les pertes

2. Comment Nous Distordons les Probabilités

Nous ne percevons pas les probabilités de manière linéaire. Les petites chances semblent plus grandes qu'elles ne le sont, tandis que les probabilités moyennes et élevées semblent moins certaines.

Fonction de Pondération w(p)
(Gains) γ⁺
0.61

Valeurs plus faibles = plus de distorsion. Les petites probabilités semblent plus grandes ; les probabilités élevées semblent moins certaines.

(Losses) δ⁻
0.69

Même concept que pour les gains, mais pour les pertes. Généralement similaire à γ⁺ mais empiriquement légèrement différent.

Exemples du Monde Réel

  • Billets de loterie : nous surpondérons la faible chance de gagner des millions
  • Assurance : nous surpondérons les petits risques de catastrophe
  • La ligne diagonale montre une calibration parfaite

From Risk to Trust

La Théorie des Perspectives fonctionne pour les lancers de pièce et les dés. Mais qu'en est-il de faire confiance aux gens ?

3. Testez par Vous-Même

Même pari. Source différente. Ajustez les curseurs to see how your perception changes.

Scénario Actuel

Votre investissement $10
Si vous gagnez 60%
+$30
Si vous perdez 40%
-$10

Comparaison Rapide

Valeur Confiance +2.4
Valeur Risque +2.4

Mêmes chiffres. Sources différentes. Cela change-t-il votre décision ?

Jeu de Confiance

Contexte Social

Un inconnu décide. Il rend la pareille 60% of the time.

Valeur Subjective

+2.4

2.4

Oui, cela vaut la peine d'investir

Ajuster les Paramètres de Confiance

Sensitivity α 0.95
Aversion aux Pertes λ 2.70
Distorsion (Gains) γ⁺ 2.01
Distorsion (Pertes) δ⁻ 0.51

Jeu de Risque

Non-Social

Un ordinateur décide. 60% chance de gagner.

Valeur Subjective

+2.4

2.4

Oui, cela vaut la peine d'investir

Ajuster les Paramètres de Risque

Sensitivity α 0.88
Aversion aux Pertes λ 2.25
Distorsion (Gains) γ⁺ 0.61
Distorsion (Pertes) δ⁻ 0.69

Le Point Principal

Même pari. Décision différente. Vos paramètres changent votre perception.

  • Paramètres = perception. Mêmes chiffres, ressentis différents.
  • Aversion aux pertes élevée ? Même les bons paris font peur.
  • Distordre les probabilités ? Change tout.
  • Ma recherche : La confiance et le risque utilisent-ils des paramètres différents ?

Découvrez Comment Nous Construisons Cela

Maintenant que vous comprenez la théorie, découvrez comment nous avons conçu l'expérience pour mesurer ces paramètres dans le cerveau.

Voir le Parcours de Recherche