रिग्रेट (निर्णय सिद्धांत): Difference between revisions

From Vigyanwiki
(Created page with "{{Short description|Measure of value difference between best possible decision and made decision}} निर्णय सिद्धांत में, अनिश्...")
 
No edit summary
Line 1: Line 1:
{{Short description|Measure of value difference between best possible decision and made decision}}
{{Short description|Measure of value difference between best possible decision and made decision}}
[[निर्णय सिद्धांत]] में, [[अनिश्चितता]] के तहत चुनाव करने पर - क्या एक निश्चित निर्णय लेने के बाद कार्रवाई के सर्वोत्तम तरीके के बारे में जानकारी आनी चाहिए - 'अफसोस' की मानवीय भावनात्मक [[प्रतिक्रिया]] अक्सर अनुभव की जाती है, और इसे लिए गए निर्णय और इष्टतम निर्णय के बीच अंतर के मूल्य के रूप में मापा जा सकता है।
'''निर्णय सिद्धांत में''', अनिश्चितता के तहत निर्णय लेने पर सर्वोत्तम कार्रवाई के बारे में जानकारी निश्चित निर्णय के बाद आए मानवीय भावनात्मक प्रतिक्रिया का अनुभव किया जा सकता है, और इसे लिए गए निर्णय और इष्टतम निर्णय के बीच अंतर के मूल्य के रूप में मापा जा सकता है।।


'अफसोस घृणा' या 'प्रत्याशित पछतावा' के सिद्धांत का प्रस्ताव है कि किसी निर्णय का सामना करते समय, व्यक्ति पछतावे की आशा कर सकते हैं और इस प्रकार इस संभावना को खत्म करने या कम करने की अपनी इच्छा को अपनी [[पसंद]] में शामिल कर सकते हैं। पछतावा एक शक्तिशाली सामाजिक और प्रतिष्ठित घटक के साथ एक नकारात्मक प्रभाव है, और यह इस बात का केंद्र है कि मनुष्य अनुभव से कैसे सीखते हैं और [[जोखिम से बचने]] के मानव मनोविज्ञान में। अफसोस की सचेत प्रत्याशा एक प्रतिक्रिया बनाती है जो भावनात्मक क्षेत्र से अफसोस को पार करती है - जिसे अक्सर केवल मानव व्यवहार के रूप में देखा जाता है - तर्कसंगत विकल्प व्यवहार के दायरे में जो निर्णय सिद्धांत में तैयार किया गया है।
'रिग्रेट एवर्शन' या 'प्रत्याशित रिग्रेट' के सिद्धांत का अर्थ  है कि जब व्यक्ति निर्णय के सामने होते हैं, तो वे रिग्रेट की पूर्वानुमान कर सकते हैं और इसलिए अपने चयन में रिग्रेट को नष्ट करने या कम करने की इच्छा को सम्मिलित करते हैं। रिग्रेट एक नकारात्मक भावना है जिसमें एक शक्तिशाली सामाजिक और प्रतिष्ठा संबंध होता है, और इसे मानव अनुभव से सीखने और जोखिम से बचने के मानवीय मनोविज्ञान में केंद्रीय बनाया गया है। रिग्रेट की सचेत अपेक्षा ने एक प्रतिक्रिया गति उत्पन्न की है जो रिग्रेट को भावनात्मक क्षेत्र से पार कर देती है जिसे प्रायः केवल मानव व्यवहार के रूप में देखा जाता है और जो निर्णय सिद्धांत में प्रारूप  किए गए तथ्यों के क्षेत्र में तार्किक चयन व्यवहार मे किया जाता है।


==विवरण==
==विवरण==
रिग्रेट थ्योरी [[सैद्धांतिक अर्थशास्त्र]] में एक मॉडल है जिसे 1982 में [[ग्राहम लूम्स]] और [[रॉबर्ट सुगडेन (अर्थशास्त्री)]] द्वारा एक साथ विकसित किया गया था।<ref>{{cite journal |last1=Loomes |first1=G. |last2=Sugden |first2=R. |year=1982 |title=Regret theory: An alternative theory of rational choice under uncertainty |journal=Economic Journal |volume=92 |issue=4 |pages=805–824 |doi=10.2307/2232669 |jstor=2232669 }}</ref> डेविड ई. बेल,<ref>{{cite journal |last=Bell |first=D. E. |year=1982 |title=अनिश्चितता की स्थिति में निर्णय लेने में पछतावा|journal=Operations Research |volume=30 |issue=5 |pages=961–981 |doi=10.1287/opre.30.5.961 }}</ref> और पीटर सी. फिशबर्न।<ref>{{cite book |last=Fishburn |first=P. C. |year=1982 |title=अपेक्षित उपयोगिता की नींव|series=Theory & Decision Library |isbn=90-277-1420-7 }}</ref> पछतावा सिद्धांत प्रत्याशित पछतावे के प्रभाव को ध्यान में रखते हुए अनिश्चितता के तहत चुनाव का मॉडल तैयार करता है। इसके बाद, कई अन्य लेखकों ने इसमें सुधार किया।<ref name="Diecidue, E. 2017">{{cite journal |last1=Diecidue |first1=E. |last2=Somasundaram |first2=J. |year=2017 |title=Regret Theory: A New Foundation |journal=[[Journal of Economic Theory]] |volume=172 |pages=88–119 |doi=10.1016/j.jet.2017.08.006 }}</ref>
रिग्रेट थ्योरी [[सैद्धांतिक अर्थशास्त्र]] में एक प्रारूप है जिसे 1982 में [[ग्राहम लूम्स]] और [[रॉबर्ट सुगडेन (अर्थशास्त्री)|रॉबर्ट सुगडेन]] द्वारा एक साथ विकसित किया गया था।<ref>{{cite journal |last1=Loomes |first1=G. |last2=Sugden |first2=R. |year=1982 |title=Regret theory: An alternative theory of rational choice under uncertainty |journal=Economic Journal |volume=92 |issue=4 |pages=805–824 |doi=10.2307/2232669 |jstor=2232669 }}</ref> डेविड ई. बेल,<ref>{{cite journal |last=Bell |first=D. E. |year=1982 |title=अनिश्चितता की स्थिति में निर्णय लेने में पछतावा|journal=Operations Research |volume=30 |issue=5 |pages=961–981 |doi=10.1287/opre.30.5.961 }}</ref> और पीटर सी. फिशबर्न।<ref>{{cite book |last=Fishburn |first=P. C. |year=1982 |title=अपेक्षित उपयोगिता की नींव|series=Theory & Decision Library |isbn=90-277-1420-7 }}</ref> रिग्रेट सिद्धांत प्रत्याशित रिग्रेट के प्रभाव को ध्यान में रखते हुए अनिश्चितता के अंतर्गत      चुनाव का प्रारूप तैयार करता है। इसके बाद, कई अन्य लेखकों ने इसमें सुधार किया।<ref name="Diecidue, E. 2017">{{cite journal |last1=Diecidue |first1=E. |last2=Somasundaram |first2=J. |year=2017 |title=Regret Theory: A New Foundation |journal=[[Journal of Economic Theory]] |volume=172 |pages=88–119 |doi=10.1016/j.jet.2017.08.006 }}</ref>यह उपयोगिता फलन में एक रिग्रेट शब्द को सम्मिलित  करता है जो नकारात्मक रूप से वास्तविक परिणाम पर निर्भर करता है और सकारात्मक रूप से अनिश्चितता समाधान को देखते हुए सर्वोत्तम वैकल्पिक परिणाम पर निर्भर करता है। यह रिग्रेट शब्द सामान्यतः पारंपरिक उपयोगिता सूचकांक में घटाया गया एक बढ़ता हुआ, निरंतर और गैर-नकारात्मक कार्य है। इस प्रकार की प्राथमिकताएँ सदैव पारंपरिक अर्थों में [[सकर्मक संबंध]] का उल्लंघन करती हैं,<ref>{{cite journal |last1=Bikhchandani |first1=S. |last2=Segal |first2=U. |year=2011 |title=सकर्मक खेद|journal=Theoretical Economics |volume=6 |issue=1 |pages=95–108 |doi=10.3982/TE738 |doi-access=free }}</ref> यद्यपि अधिकांश कमजोर संस्करण को संतुष्ट करती हैं।<ref name="Diecidue, E. 2017"/>
यह उपयोगिता फ़ंक्शन में एक अफसोस शब्द को शामिल करता है जो नकारात्मक रूप से वास्तविक परिणाम पर निर्भर करता है और सकारात्मक रूप से अनिश्चितता समाधान को देखते हुए सर्वोत्तम वैकल्पिक परिणाम पर निर्भर करता है। यह खेदजनक शब्द आमतौर पर पारंपरिक उपयोगिता सूचकांक में घटाया गया एक बढ़ता हुआ, निरंतर और गैर-नकारात्मक कार्य है। इस प्रकार की प्राथमिकताएँ हमेशा पारंपरिक अर्थों में [[सकर्मक संबंध]] का उल्लंघन करती हैं,<ref>{{cite journal |last1=Bikhchandani |first1=S. |last2=Segal |first2=U. |year=2011 |title=सकर्मक खेद|journal=Theoretical Economics |volume=6 |issue=1 |pages=95–108 |doi=10.3982/TE738 |doi-access=free }}</ref> हालाँकि अधिकांश कमजोर संस्करण को संतुष्ट करते हैं।<ref name="Diecidue, E. 2017"/>




==साक्ष्य==
==साक्ष्य==


प्रोत्साहन और काल्पनिक दोनों विकल्पों पर कई प्रयोग इस प्रभाव की भयावहता की पुष्टि करते हैं।
कई प्रयोग उपयोगार्थी और कल्पनात्मक चयनों के लिए यह प्रभाव की महत्ता की पुष्टि करते हैं।


प्रथम मूल्य नीलामियों में प्रयोगों से पता चलता है कि प्रतिभागियों द्वारा प्राप्त फीडबैक में हेरफेर करने से औसत बोलियों में महत्वपूर्ण अंतर देखा जाता है।<ref>{{cite journal |last1=Filiz-Ozbay |first1=E. |last2=Ozbay |first2=E. Y. |year=2007 |title=Auctions with anticipated regret: Theory and experiment |journal=[[American Economic Review]] |volume=97 |issue=4 |pages=1407–1418 |doi=10.1257/aer.97.4.1407 |s2cid=51815774 |url=https://semanticscholar.org/paper/7617131f62b6046f9362025590ff912ae1b497b6 }}</ref> विशेष रूप से, नीलामी में सभी प्रतिभागियों को जीतने वाली बोली का खुलासा करके हारने वाले को पछतावा हो सकता है, और इस प्रकार हारने वालों को यह पता चलता है कि क्या वे लाभ कमाने में सक्षम होंगे और यह कितना हो सकता है (एक प्रतिभागी जिसका मूल्यांकन $ 50 है, $ 30 की बोली लगाता है और पता चलता है कि जीतने वाली बोली $ 35 थी, उसे यह भी पता चलेगा कि वह $ 35 से अधिक की बोली लगाकर $ 15 जितना कमा सकता था।) यह बदले में पछतावे की संभावना को सही ढंग से अनुमति देता है और यदि बोली लगाने वाले इसका अनुमान लगाते हैं। , वे उस मामले की तुलना में अधिक बोली लगाने की प्रवृत्ति रखते हैं जहां पछतावे की संभावना को कम करने के लिए विजेता बोली पर कोई प्रतिक्रिया प्रदान नहीं की जाती है।
प्रथम मूल्य नीलामी में प्रयोगों से यह दिखाया गया है कि प्रतिस्पर्धियों के और प्रतिस्पर्धियों के बीच औसत बोलियों में महत्वपूर्ण अंतर होता है। विशेष रूप से, "हारने का पछतावा" उस बिद नीलामी के सभी प्रतिभागियों को प्रकट करके उत्पन्न किया जा सकता है,<ref>{{cite journal |last1=Filiz-Ozbay |first1=E. |last2=Ozbay |first2=E. Y. |year=2007 |title=Auctions with anticipated regret: Theory and experiment |journal=[[American Economic Review]] |volume=97 |issue=4 |pages=1407–1418 |doi=10.1257/aer.97.4.1407 |s2cid=51815774 |url=https://semanticscholar.org/paper/7617131f62b6046f9362025590ff912ae1b497b6 }}</ref> और इस तरह हारने वालों को बताया जा सकता है कि उन्हें क्या लाभ हासिल किया जा सकता था और यह कितना हो सकता था जैसे, एक प्रतिभागी का मूल्यांकन $50 है, वह $30 बोलता है और जानता है कि जीतने वाली बोली $35 थी, तो उसे यह भी पता चल जाएगा कि उसे $35 से ऊपर कुछ भी बोलकर $15 कमा सकता था। इससे प्रतिस्पर्धियों को पछतावे की संभावना होती है और यदि बोलने वाले सही तरह से इसकी पूर्वानुमान करते हैं, तो उन्हें पछतावे की संभावना को कम करने के लिए जीतने से अधिक बोलने की प्रवृत्ति होती है।


लॉटरी पर निर्णयों में, प्रयोग प्रत्याशित अफसोस का सहायक साक्ष्य भी प्रदान करते हैं।<ref>{{cite journal |last1=Zeelenberg |first1=M. |last2=Beattie |first2=J. |last3=Van der Pligt |first3=J. |last4=de Vries |first4=N. K. |year=1996 |title=Consequences of regret aversion: Effects of expected feedback on risky decision making |journal=Organizational Behavior and Human Decision Processes |volume=65 |issue=2 |pages=148–158 |doi=10.1006/obhd.1996.0013 |url=http://dare.uva.nl/personal/pure/en/publications/consequences-of-regret-aversion-effect-of-expected-feedback-on-risky-decision-making(795bf97f-53f9-4641-86a2-a0635c537491).html }}</ref><ref>{{cite journal |last1=Zeelenberg |first1=M. |last2=Beattie |first2=J. |year=1997 |title=Consequences of regret aversion 2: Additional evidence for effects of feedback on decision making |journal=Organizational Behavior and Human Decision Processes |volume=72 |issue=1 |pages=63–78 |doi=10.1006/obhd.1997.2730 |url=https://research.tue.nl/nl/publications/consequences-of-regret-aversion-2-additional-evidence-for-effects-of-feedback-on-decision-making(f302d547-7f43-4a9b-96c7-ac50527548d9).html }}</ref><ref>{{cite journal |last1=Somasundaram |first1=J. |last2=Diecidue |first2=E. |year=2016 |title=खेद सिद्धांत और जोखिम दृष्टिकोण|journal=Journal of Risk and Uncertainty |volume=55 |issue=2–3 |pages=1–29 |doi=10.1007/s11166-017-9268-9 }}</ref> जैसा कि पहली कीमत की नीलामी के मामले में होता है, अनिश्चितता के समाधान पर फीडबैक में अंतर के कारण अफसोस की संभावना हो सकती है और यदि इसकी आशंका है, तो यह अलग-अलग प्राथमिकताओं को प्रेरित कर सकता है।
लॉटरी पर निर्णयों में, प्रयोग प्रत्याशित रिग्रेट का सहायक साक्ष्य भी प्रदान करते हैं।<ref>{{cite journal |last1=Zeelenberg |first1=M. |last2=Beattie |first2=J. |last3=Van der Pligt |first3=J. |last4=de Vries |first4=N. K. |year=1996 |title=Consequences of regret aversion: Effects of expected feedback on risky decision making |journal=Organizational Behavior and Human Decision Processes |volume=65 |issue=2 |pages=148–158 |doi=10.1006/obhd.1996.0013 |url=http://dare.uva.nl/personal/pure/en/publications/consequences-of-regret-aversion-effect-of-expected-feedback-on-risky-decision-making(795bf97f-53f9-4641-86a2-a0635c537491).html }}</ref><ref>{{cite journal |last1=Zeelenberg |first1=M. |last2=Beattie |first2=J. |year=1997 |title=Consequences of regret aversion 2: Additional evidence for effects of feedback on decision making |journal=Organizational Behavior and Human Decision Processes |volume=72 |issue=1 |pages=63–78 |doi=10.1006/obhd.1997.2730 |url=https://research.tue.nl/nl/publications/consequences-of-regret-aversion-2-additional-evidence-for-effects-of-feedback-on-decision-making(f302d547-7f43-4a9b-96c7-ac50527548d9).html }}</ref><ref>{{cite journal |last1=Somasundaram |first1=J. |last2=Diecidue |first2=E. |year=2016 |title=खेद सिद्धांत और जोखिम दृष्टिकोण|journal=Journal of Risk and Uncertainty |volume=55 |issue=2–3 |pages=1–29 |doi=10.1007/s11166-017-9268-9 }}</ref> जैसा कि पहली कीमत की नीलामी के विषय  में होता है, अनिश्चितता के समाधान पर फीडबैक में अंतर के कारण रिग्रेट की संभावना हो सकती है और यदि इसकी आशंका है, तो यह अलग-अलग प्राथमिकताओं को प्रेरित कर सकता है।
उदाहरण के लिए, जब निश्चितता के साथ $40 और सिक्के को उछालने पर $100 का भुगतान करने वाले विकल्प का सामना करना पड़ता है, यदि परिणाम का सही अनुमान लगाया जाता है और $0 अन्यथा, निश्चित भुगतान विकल्प न केवल जोखिम को कम करता है, बल्कि पछतावे की संभावना को भी कम करता है, क्योंकि आम तौर पर सिक्का उछाला नहीं जाएगा (और इस प्रकार अनिश्चितता का समाधान नहीं होता है) जबकि यदि सिक्का उछाला जाता है, तो $0 का भुगतान करने वाला परिणाम पछतावा पैदा करेगा। यदि चुने गए विकल्प की परवाह किए बिना सिक्का उछाला जाता है, तो वैकल्पिक भुगतान हमेशा ज्ञात रहेगा और फिर कोई विकल्प नहीं है जो पछतावे की संभावना को खत्म कर दे।
 
उदाहरण के लिए, जब निश्चितता के साथ $40 और सिक्के को उछालने पर $100 का भुगतान करने वाले विकल्प का सामना करना पड़ता है, यदि परिणाम का सही अनुमान लगाया जाता है और $0 अन्यथा, निश्चित भुगतान विकल्प न केवल जोखिम को कम करता है, बल्कि रिग्रेट की संभावना को भी कम करता है, क्योंकि सामान्यतः  सिक्का उछाला नहीं जाएगा जबकि यदि सिक्का उछाला जाता है, तो $0 का भुगतान करने वाला परिणाम रिग्रेट उत्पन्न करता है। यदि चुने गए विकल्प की परवाह किए बिना सिक्का उछाला जाता है, तो वैकल्पिक भुगतान सदैव ज्ञात रहता और पुनः कोई विकल्प नहीं रहता है जो रिग्रेट की संभावना को खत्म कर दे।
 
=== प्रत्याशित रिग्रेट और अनुभवी रिग्रेट  ===
पूर्वानुमानित रिग्रेट वे विकल्पों और कार्रवाइयों के लिए अधिक अनुमानित होता है जिनमें लोग अपने आप को जिम्मेदार महसूस करते हैं। लोग खासकर उन वस्तुओ के लिए रिग्रेट को अधिक अनुमानित करते हैं जिन्हें वे एक छोटे सीमा तक चाहते हुए भी प्राप्त नहीं कर सकते हैं। एक अध्ययन में, यात्रियों ने यह पूर्वानुमान किया कि उन्हें अधिक रिग्रेट का अनुभव होगा यदि उन्होंने ट्रेन 1 मिनट के बाद यात्रा नहीं की तो उन्होंने ट्रेन 5 मिनट के बाद यात्रा नहीं की, उदाहरणार्थ, परंतु वास्तविकता में, जिन यात्रियों ने वास्तविकता में 1 या 5 मिनट के बाद ट्रेन मिस की थी, उन्होंने कम रिग्रेट का अनुभव किया। यात्रियों को ऐसा अनुमान लगता था कि वे ट्रेन को छोटी सीमा तक मिस करने पर वे ज्यादा रिग्रेट का अनुभव करेगे, क्योंकि उन्होंने ट्रेन को यात्रा न करने का दोष बाह्य कारणों को कम मान लिया।<ref name=":0">{{Cite journal|title = पीछे की ओर देखने के लिए आगे की ओर देखना पछतावे की गलत भविष्यवाणी|journal = Psychological Science|date = 2004-05-01|issn = 0956-7976|pmid = 15102146|pages = 346–350|volume = 15|issue = 5|doi = 10.1111/j.0956-7976.2004.00681.x|language = en|first1 = Daniel T.|last1 = Gilbert|first2 = Carey K.|last2 = Morewedge|first3 = Jane L.|last3 = Risen|first4 = Timothy D.|last4 = Wilson|citeseerx = 10.1.1.492.9980}}</ref>


=== प्रत्याशित पछतावा बनाम अनुभवी पछतावा ===
प्रत्याशित पछतावा उन विकल्पों और कार्यों दोनों के लिए अधिक अनुमानित होता है जिनके लिए लोग स्वयं को जिम्मेदार मानते हैं।<ref name=":0">{{Cite journal|title = पीछे की ओर देखने के लिए आगे की ओर देखना पछतावे की गलत भविष्यवाणी|journal = Psychological Science|date = 2004-05-01|issn = 0956-7976|pmid = 15102146|pages = 346–350|volume = 15|issue = 5|doi = 10.1111/j.0956-7976.2004.00681.x|language = en|first1 = Daniel T.|last1 = Gilbert|first2 = Carey K.|last2 = Morewedge|first3 = Jane L.|last3 = Risen|first4 = Timothy D.|last4 = Wilson|citeseerx = 10.1.1.492.9980}}</ref><ref>{{Cite journal|title = निर्णयोत्तर प्रभाव का पक्षपातपूर्ण पूर्वानुमान|journal = Psychological Science|date = 2007-08-01|issn = 0956-7976|pmid = 17680936|pages = 678–681|volume = 18|issue = 8|doi = 10.1111/j.1467-9280.2007.01958.x|language = en|first1 = Nick|last1 = Sevdalis|first2 = Nigel|last2 = Harvey}}</ref> लोगों को विशेष रूप से उस पछतावे को अधिक महत्व देने की संभावना है जो उन्हें तब महसूस होगा जब वांछित परिणाम मामूली अंतर से चूक जाएगा। एक अध्ययन में, यात्रियों ने अनुमान लगाया कि यदि उनकी ट्रेन 1 मिनट अधिक छूट जाती है तो उन्हें अधिक पछतावा होगा, उदाहरण के लिए ट्रेन 5 मिनट छूटने की तुलना में, लेकिन जिन यात्रियों की ट्रेन वास्तव में 1 या 5 मिनट छूट गई, उन्हें कम पछतावा (बराबर और) कम मात्रा में पछतावा हुआ। ऐसा प्रतीत होता है कि यात्री बहुत कम अंतर से ट्रेन छूटने पर होने वाले अफसोस को अधिक आंकते हैं, क्योंकि वे इस हद तक कम आंकने की प्रवृत्ति रखते हैं कि ट्रेन छूटने का कारण बाहरी कारण हो सकते हैं (उदाहरण के लिए, उनका बटुआ गुम होना या शॉवर में कम समय बिताना)।<ref name=":0" />




==अनुप्रयोग==
==अनुप्रयोग==


लॉटरी पर विकल्पों की पारंपरिक सेटिंग के अलावा, पहली कीमत की नीलामी में आम तौर पर देखी जाने वाली ओवरबिडिंग के लिए एक स्पष्टीकरण के रूप में अफसोस घृणा का प्रस्ताव किया गया है,<ref>{{cite journal |last=Engelbrecht-Wiggans |first=R. |year=1989 |title=नीलामी में इष्टतम बोली पर पछतावे का प्रभाव|journal=Management Science |volume=35 |issue=6 |pages=685–692 |doi=10.1287/mnsc.35.6.685 |hdl=2142/28707 |hdl-access=free }}</ref> और [[स्वभाव प्रभाव]],<ref>{{cite journal |last1=Fogel |first1=S. O. C. |last2=Berry |first2=T. |year=2006 |title=The disposition effect and individual investor decisions: the roles of regret and counterfactual alternatives |journal=Journal of Behavioral Finance |volume=7 |issue=2 |pages=107–116 |doi=10.1207/s15427579jpfm0702_5 }}</ref> दूसरों के बीच में।
लॉटरी पर विकल्पों की पारंपरिक सेटिंग के अलावा, पहली कीमत की नीलामी में सामान्यतः  देखी जाने वाली ओवरबिडिंग के लिए एक स्पष्टीकरण के रूप में रिग्रेट एवर्शन    का प्रस्ताव किया गया है,<ref>{{cite journal |last=Engelbrecht-Wiggans |first=R. |year=1989 |title=नीलामी में इष्टतम बोली पर पछतावे का प्रभाव|journal=Management Science |volume=35 |issue=6 |pages=685–692 |doi=10.1287/mnsc.35.6.685 |hdl=2142/28707 |hdl-access=free }}</ref> और [[स्वभाव प्रभाव]],<ref>{{cite journal |last1=Fogel |first1=S. O. C. |last2=Berry |first2=T. |year=2006 |title=The disposition effect and individual investor decisions: the roles of regret and counterfactual alternatives |journal=Journal of Behavioral Finance |volume=7 |issue=2 |pages=107–116 |doi=10.1207/s15427579jpfm0702_5 }}</ref> दूसरों के बीच में।


==[[ अल्पमहिष्ठ ]] अफसोस==
==[[ अल्पमहिष्ठ ]] रिग्रेट==
मिनिमैक्स रिग्रेट दृष्टिकोण सबसे खराब स्थिति वाले रिग्रेट को कम करने के लिए है, जिसे मूल रूप से 1951 में [[लियोनार्ड सैवेज]] द्वारा प्रस्तुत किया गया था।<ref name="savage51">{{cite journal |last=Savage |first=L. J. |year=1951 |title=सांख्यिकीय निर्णय का सिद्धांत|journal=Journal of the American Statistical Association |volume=46 |issue=253 |pages=55–67 |doi=10.1080/01621459.1951.10500768 }}</ref> इसका उद्देश्य इष्टतम पाठ्यक्रम के जितना करीब संभव हो सके प्रदर्शन करना है। चूंकि यहां लागू मिनिमैक्स मानदंड भुगतान के बजाय अफसोस (भुगतान का अंतर या अनुपात) पर है, इसलिए यह सामान्य मिनिमैक्स दृष्टिकोण जितना निराशावादी नहीं है। समान दृष्टिकोणों का उपयोग विभिन्न क्षेत्रों में किया गया है जैसे:
मिनिमैक्स रिग्रेट दृष्टिकोण सबसे खराब स्थिति वाले रिग्रेट को कम करने के लिए है, जिसे मूल रूप से 1951 में [[लियोनार्ड सैवेज]] द्वारा प्रस्तुत किया गया था।<ref name="savage51">{{cite journal |last=Savage |first=L. J. |year=1951 |title=सांख्यिकीय निर्णय का सिद्धांत|journal=Journal of the American Statistical Association |volume=46 |issue=253 |pages=55–67 |doi=10.1080/01621459.1951.10500768 }}</ref> इसका उद्देश्य इष्टतम पाठ्यक्रम के जितना करीब संभव हो सके प्रदर्शन करना है। चूंकि यहां लागू मिनिमैक्स मानदंड भुगतान के बजाय रिग्रेट (भुगतान का अंतर या अनुपात) पर है, इसलिए यह सामान्य मिनिमैक्स दृष्टिकोण जितना निराशावादी नहीं है। समान दृष्टिकोणों का उपयोग विभिन्न क्षेत्रों में किया गया है जैसे:
* [[परिकल्पना परीक्षण]]
* [[परिकल्पना परीक्षण]]
* [[भविष्यवाणी]]
* [[भविष्यवाणी]]
*[[अर्थशास्त्र]]
*[[अर्थशास्त्र]]


मिनिमैक्स का एक लाभ (अपेक्षित अफसोस के विपरीत) यह है कि यह विभिन्न परिणामों की संभावनाओं से स्वतंत्र है: इस प्रकार यदि अफसोस की सटीक गणना की जा सकती है, तो कोई विश्वसनीय रूप से मिनिमैक्स अफसोस का उपयोग कर सकता है। हालाँकि, परिणामों की संभावनाओं का अनुमान लगाना कठिन है।
मिनिमैक्स का एक लाभ (अपेक्षित रिग्रेट के विपरीत) यह है कि यह विभिन्न परिणामों की संभावनाओं से स्वतंत्र है: इस प्रकार यदि रिग्रेट की सटीक गणना की जा सकती है, तो कोई विश्वसनीय रूप से मिनिमैक्स रिग्रेट का उपयोग कर सकता है। हालाँकि, परिणामों की संभावनाओं का अनुमान लगाना कठिन है।


यह मानक मिनिमैक्स दृष्टिकोण से भिन्न है क्योंकि यह परिणामों के बीच अंतर या अनुपात का उपयोग करता है, और इस प्रकार मानक मिनिमैक्स की तरह अंतराल या अनुपात माप, साथ ही [[क्रमिक माप]] (रैंकिंग) की आवश्यकता होती है।
यह मानक मिनिमैक्स दृष्टिकोण से भिन्न है क्योंकि यह परिणामों के बीच अंतर या अनुपात का उपयोग करता है, और इस प्रकार मानक मिनिमैक्स की तरह अंतराल या अनुपात माप, साथ ही [[क्रमिक माप]] (रैंकिंग) की आवश्यकता होती है।
Line 40: Line 41:


{|class="wikitable"
{|class="wikitable"
! Return !! Interest rates rise !! Static rates !! Interest rates fall || ''Worst return''
!रिटर्न
!ब्याज दरें बढ़ती हैं
!स्थैतिक दरें
!ब्याज दरें गिरती हैं
!खराब वापसी
|-
|-
! Stocks
!स्टाक
| −4 || 4 || 12 || ''−4''
| −4 || 4 || 12 || ''−4''
|-
|-
! Bonds
!बांड
| −2 || 3 || 8 || ''−2''
| −2 || 3 || 8 || ''−2''
|-
|-
! Money market
!मुद्रा बाजार
| 3 || 2 || 1 || ''1''
| 3 || 2 || 1 || ''1''
|-
|-
| ''Best return''
|बेस्ट रिटर्न
| ''3'' || ''4'' || ''12''
| ''3'' || ''4'' || ''12''
|}
|}
रिटर्न के आधार पर क्रूड [[मैक्सिमम (निर्णय सिद्धांत)]] विकल्प मुद्रा बाजार में निवेश करना होगा, जिससे कम से कम 1 का रिटर्न सुनिश्चित होगा। हालांकि, अगर ब्याज दरें गिरती हैं तो इस विकल्प से जुड़ा अफसोस बड़ा होगा। यह 11 होगा, जो 12 के बीच का अंतर है जो प्राप्त हो सकता था यदि परिणाम पहले से ज्ञात होता और 1 प्राप्त होता। शेयरों में लगभग 11.1% और मुद्रा बाजार में 88.9% के मिश्रित पोर्टफोलियो ने कम से कम 2.22 का रिटर्न सुनिश्चित किया होगा; लेकिन, यदि ब्याज दरें गिरीं, तो लगभग 9.78 का अफसोस होगा।
रिटर्न के आधार पर क्रूड [[मैक्सिमम (निर्णय सिद्धांत)]] विकल्प मुद्रा बाजार में निवेश करना होगा, जिससे कम से कम 1 का रिटर्न सुनिश्चित होगा। हालांकि, अगर ब्याज दरें गिरती हैं तो इस विकल्प से जुड़ा रिग्रेट बड़ा होगा। यह 11 होगा, जो 12 के बीच का अंतर है जो प्राप्त हो सकता था यदि परिणाम पहले से ज्ञात होता और 1 प्राप्त होता। शेयरों में लगभग 11.1% और मुद्रा बाजार में 88.9% के मिश्रित पोर्टफोलियो ने कम से कम 2.22 का रिटर्न सुनिश्चित किया होगा; लेकिन, यदि ब्याज दरें गिरीं, तो लगभग 9.78 का रिग्रेट होगा।


इस उदाहरण के लिए खेद तालिका, सर्वोत्तम रिटर्न से वास्तविक रिटर्न घटाकर बनाई गई है, इस प्रकार है:
इस उदाहरण के लिए खेद तालिका, सर्वोत्तम रिटर्न से वास्तविक रिटर्न घटाकर बनाई गई है, इस प्रकार है:
Line 70: Line 75:
| 0 || 2 || 11 || ''11''
| 0 || 2 || 11 || ''11''
|}
|}
इसलिए, पछतावे के आधार पर एक न्यूनतम विकल्प का उपयोग करते हुए, सबसे अच्छा तरीका बांड में निवेश करना होगा, जिससे यह सुनिश्चित हो सके कि पछतावा 5 से अधिक बुरा न हो। एक मिश्रित निवेश पोर्टफोलियो और भी बेहतर प्रदर्शन करेगा: स्टॉक में निवेश किया गया 61.1% और मुद्रा बाजार में 38.9% निवेश लगभग 4.28 से अधिक पछतावा नहीं पैदा करेगा।
इसलिए, रिग्रेट  के आधार पर एक न्यूनतम विकल्प का उपयोग करते हुए, सबसे अच्छा तरीका बांड में निवेश करना होगा, जिससे यह सुनिश्चित हो सके कि रिग्रेट  5 से अधिक बुरा न हो। एक मिश्रित निवेश पोर्टफोलियो और भी बेहतर प्रदर्शन करेगा: स्टॉक में निवेश किया गया 61.1% और मुद्रा बाजार में 38.9% निवेश लगभग 4.28 से अधिक रिग्रेट  नहीं पैदा करेगा।


==उदाहरण: रैखिक अनुमान सेटिंग==
==उदाहरण: रैखिक अनुमान सेटिंग==
निम्नलिखित एक उदाहरण है कि कैसे खेद की अवधारणा का उपयोग एक रेखीय अनुमानक को डिजाइन करने के लिए किया जा सकता है।
निम्नलिखित एक उदाहरण है कि कैसे खेद की अवधारणा का उपयोग एक रेखीय अनुमानक को डिजाइन करने के लिए किया जा सकता है।
इस उदाहरण में, समस्या एक परिमित-आयामी पैरामीटर वेक्टर के रैखिक अनुमानक का निर्माण करना है <math>x</math> ज्ञात शोर सहप्रसरण संरचना के साथ इसके शोर रैखिक माप से। के पुनर्निर्माण का नुकसान <math>x</math> माध्य-वर्ग त्रुटि (MSE) का उपयोग करके मापा जाता है। अज्ञात पैरामीटर वेक्टर एक [[दीर्घवृत्ताभ]] में स्थित होने के लिए जाना जाता है <math>E</math> शून्य पर केंद्रित. अफसोस को रैखिक अनुमानक के एमएसई के बीच अंतर के रूप में परिभाषित किया गया है जो पैरामीटर को नहीं जानता है <math>x</math>, और रैखिक अनुमानक का एमएसई जो जानता है <math>x</math>. इसके अलावा, चूंकि अनुमानक रैखिक होने तक सीमित है, इसलिए बाद वाले मामले में शून्य एमएसई हासिल नहीं किया जा सकता है। इस मामले में, उत्तल अनुकूलन समस्या का समाधान इष्टतम, न्यूनतम अफसोस-न्यूनतम रैखिक अनुमानक देता है, जिसे निम्नलिखित तर्क द्वारा देखा जा सकता है।
इस उदाहरण में, समस्या एक परिमित-आयामी पैरामीटर वेक्टर के रैखिक अनुमानक का निर्माण करना है <math>x</math> ज्ञात शोर सहप्रसरण संरचना के साथ इसके शोर रैखिक माप से। के पुनर्निर्माण का नुकसान <math>x</math> माध्य-वर्ग त्रुटि (MSE) का उपयोग करके मापा जाता है। अज्ञात पैरामीटर वेक्टर एक [[दीर्घवृत्ताभ]] में स्थित होने के लिए जाना जाता है <math>E</math> शून्य पर केंद्रित. रिग्रेट को रैखिक अनुमानक के एमएसई के बीच अंतर के रूप में परिभाषित किया गया है जो पैरामीटर को नहीं जानता है <math>x</math>, और रैखिक अनुमानक का एमएसई जो जानता है <math>x</math>. इसके अलावा, चूंकि अनुमानक रैखिक होने तक सीमित है, इसलिए बाद वाले मामले में शून्य एमएसई हासिल नहीं किया जा सकता है। इस मामले में, उत्तल अनुकूलन समस्या का समाधान इष्टतम, न्यूनतम रिग्रेट-न्यूनतम रैखिक अनुमानक देता है, जिसे निम्नलिखित तर्क द्वारा देखा जा सकता है।


मान्यताओं के अनुसार, मनाया गया वेक्टर <math>y</math> और अज्ञात नियतात्मक पैरामीटर वेक्टर <math>x</math> रैखिक मॉडल से बंधे हैं
मान्यताओं के अनुसार, मनाया गया वेक्टर <math>y</math> और अज्ञात नियतात्मक पैरामीटर वेक्टर <math>x</math> रैखिक प्रारूप  से बंधे हैं
:<math>y=Hx+w</math>
:<math>y=Hx+w</math>
कहाँ <math>H</math> एक ज्ञात है <math>n \times m</math> पूर्ण कॉलम रैंक के साथ मैट्रिक्स <math>m</math>, और <math>w</math> ज्ञात सहप्रसरण मैट्रिक्स के साथ एक शून्य माध्य यादृच्छिक वेक्टर है <math>C_w</math>.
कहाँ <math>H</math> एक ज्ञात है <math>n \times m</math> पूर्ण कॉलम रैंक के साथ मैट्रिक्स <math>m</math>, और <math>w</math> ज्ञात सहप्रसरण मैट्रिक्स के साथ एक शून्य माध्य यादृच्छिक वेक्टर है <math>C_w</math>.
Line 84: Line 89:
का एक रेखीय अनुमान हो <math>x</math> से <math>y</math>, कहाँ <math>G</math> है कुछ <math>m \times n</math> आव्यूह। इस अनुमानक का MSE द्वारा दिया गया है
का एक रेखीय अनुमान हो <math>x</math> से <math>y</math>, कहाँ <math>G</math> है कुछ <math>m \times n</math> आव्यूह। इस अनुमानक का MSE द्वारा दिया गया है
:<math>MSE = E\left(||\hat{x}-x||^2\right) = Tr(GC_wG^*) + x^*(I-GH)^*(I-GH)x.</math>
:<math>MSE = E\left(||\hat{x}-x||^2\right) = Tr(GC_wG^*) + x^*(I-GH)^*(I-GH)x.</math>
चूंकि एमएसई स्पष्ट रूप से निर्भर करता है <math>x</math> इसे सीधे तौर पर कम नहीं किया जा सकता. इसके बजाय, अच्छे एमएसई प्रदर्शन के साथ एक रैखिक अनुमानक को परिभाषित करने के लिए अफसोस की अवधारणा का उपयोग किया जा सकता है। यहां अफसोस को परिभाषित करने के लिए, एक रैखिक अनुमानक पर विचार करें जो पैरामीटर का मूल्य जानता है <math>x</math>, यानी, मैट्रिक्स <math>G</math> स्पष्ट रूप से निर्भर हो सकता है <math>x</math>:
चूंकि एमएसई स्पष्ट रूप से निर्भर करता है <math>x</math> इसे सीधे तौर पर कम नहीं किया जा सकता. इसके बजाय, अच्छे एमएसई प्रदर्शन के साथ एक रैखिक अनुमानक को परिभाषित करने के लिए रिग्रेट की अवधारणा का उपयोग किया जा सकता है। यहां रिग्रेट को परिभाषित करने के लिए, एक रैखिक अनुमानक पर विचार करें जो पैरामीटर का मूल्य जानता है <math>x</math>, यानी, मैट्रिक्स <math>G</math> स्पष्ट रूप से निर्भर हो सकता है <math>x</math>:
:<math>\hat{x}^o=G(x)y.</math>
:<math>\hat{x}^o=G(x)y.</math>
का एमएसई <math>\hat{x}^o</math> है
का एमएसई <math>\hat{x}^o</math> है
Line 94: Line 99:
इसे प्रतिस्थापित करना <math>G(x)</math> में वापस <math>MSE^o</math>, एक मिलता है
इसे प्रतिस्थापित करना <math>G(x)</math> में वापस <math>MSE^o</math>, एक मिलता है
:<math>MSE^o=\frac{x^*x}{1+x^*H^*C_w^{-1}Hx}.</math>
:<math>MSE^o=\frac{x^*x}{1+x^*H^*C_w^{-1}Hx}.</math>
यह एक रैखिक अनुमान के साथ प्राप्त किया जाने वाला सबसे छोटा एमएसई है जो जानता है <math>x</math>. व्यवहार में यह एमएसई हासिल नहीं किया जा सकता है, लेकिन यह इष्टतम एमएसई पर एक बंधन के रूप में कार्य करता है। द्वारा निर्दिष्ट रैखिक अनुमानक का उपयोग करने का अफसोस <math>G</math> के बराबर है
यह एक रैखिक अनुमान के साथ प्राप्त किया जाने वाला सबसे छोटा एमएसई है जो जानता है <math>x</math>. व्यवहार में यह एमएसई हासिल नहीं किया जा सकता है, लेकिन यह इष्टतम एमएसई पर एक बंधन के रूप में कार्य करता है। द्वारा निर्दिष्ट रैखिक अनुमानक का उपयोग करने का रिग्रेट <math>G</math> के बराबर है
:<math>R(x,G)=MSE-MSE^o=Tr(GC_wG^*) + x^*(I-GH)^*(I-GH)x-\frac{x^*x}{1+x^*H^*C_w^{-1}Hx}.</math>
:<math>R(x,G)=MSE-MSE^o=Tr(GC_wG^*) + x^*(I-GH)^*(I-GH)x-\frac{x^*x}{1+x^*H^*C_w^{-1}Hx}.</math>
यहां न्यूनतम पछतावा दृष्टिकोण सबसे खराब स्थिति वाले पछतावे को कम करने के लिए है, अर्थात,
यहां न्यूनतम रिग्रेट  दृष्टिकोण सबसे खराब स्थिति वाले रिग्रेट  को कम करने के लिए है, अर्थात,
  <math>\sup_{x\in E} R(x,G).</math> यह पैरामीटर के सबसे खराब मामले में सर्वोत्तम प्राप्त करने योग्य प्रदर्शन के जितना करीब हो सके प्रदर्शन की अनुमति देगा <math>x</math>. यद्यपि यह समस्या कठिन प्रतीत होती है, यह [[उत्तल अनुकूलन]] का एक उदाहरण है और विशेष रूप से एक संख्यात्मक समाधान की कुशलतापूर्वक गणना की जा सकती है।<ref>{{cite journal |first1=Y. C. |last1=Eldar |first2=A. |last2=Ben-Tal |first3=A. |last3=Nemirovski |title=लीनियर मिनिमैक्स सीमित डेटा अनिश्चितताओं के साथ नियतात्मक मापदंडों के आकलन पर खेद व्यक्त करता है|journal=IEEE Trans. Signal Process. |volume=52 |issue=8 |pages=2177–2188 |year=2004 |doi=10.1109/TSP.2004.831144 |bibcode=2004ITSP...52.2177E }}</ref> इसी तरह के विचारों का उपयोग कब किया जा सकता है <math>x</math> सहप्रसरण मैट्रिक्स में अनिश्चितता के साथ यादृच्छिक है।<ref>{{cite journal |first1=Y. C. |last1=Eldar |first2=Neri |last2=Merhav |title=रैंडम पैरामीटर्स के मजबूत अनुमान के लिए एक प्रतिस्पर्धी मिनिमैक्स दृष्टिकोण|journal=IEEE Trans. Signal Process. |volume=52 |issue=7 |pages=1931–1946 |year=2004 |doi=10.1109/TSP.2004.828931 |bibcode=2004ITSP...52.1931E }}</ref><ref>{{cite journal |first1=Y. C. |last1=Eldar |first2=Neri |last2=Merhav |title=सिग्नल सहप्रसरण अनिश्चितताओं के साथ मिनिमैक्स एमएसई-अनुपात अनुमान|journal=IEEE Trans. Signal Process. |volume=53 |issue=4 |pages=1335–1347 |year=2005 |doi=10.1109/TSP.2005.843701 |bibcode=2005ITSP...53.1335E }}</ref>
  <math>\sup_{x\in E} R(x,G).</math> यह पैरामीटर के सबसे खराब मामले में सर्वोत्तम प्राप्त करने योग्य प्रदर्शन के जितना करीब हो सके प्रदर्शन की अनुमति देगा <math>x</math>. यद्यपि यह समस्या कठिन प्रतीत होती है, यह [[उत्तल अनुकूलन]] का एक उदाहरण है और विशेष रूप से एक संख्यात्मक समाधान की कुशलतापूर्वक गणना की जा सकती है।<ref>{{cite journal |first1=Y. C. |last1=Eldar |first2=A. |last2=Ben-Tal |first3=A. |last3=Nemirovski |title=लीनियर मिनिमैक्स सीमित डेटा अनिश्चितताओं के साथ नियतात्मक मापदंडों के आकलन पर खेद व्यक्त करता है|journal=IEEE Trans. Signal Process. |volume=52 |issue=8 |pages=2177–2188 |year=2004 |doi=10.1109/TSP.2004.831144 |bibcode=2004ITSP...52.2177E }}</ref> इसी तरह के विचारों का उपयोग कब किया जा सकता है <math>x</math> सहप्रसरण मैट्रिक्स में अनिश्चितता के साथ यादृच्छिक है।<ref>{{cite journal |first1=Y. C. |last1=Eldar |first2=Neri |last2=Merhav |title=रैंडम पैरामीटर्स के मजबूत अनुमान के लिए एक प्रतिस्पर्धी मिनिमैक्स दृष्टिकोण|journal=IEEE Trans. Signal Process. |volume=52 |issue=7 |pages=1931–1946 |year=2004 |doi=10.1109/TSP.2004.828931 |bibcode=2004ITSP...52.1931E }}</ref><ref>{{cite journal |first1=Y. C. |last1=Eldar |first2=Neri |last2=Merhav |title=सिग्नल सहप्रसरण अनिश्चितताओं के साथ मिनिमैक्स एमएसई-अनुपात अनुमान|journal=IEEE Trans. Signal Process. |volume=53 |issue=4 |pages=1335–1347 |year=2005 |doi=10.1109/TSP.2005.843701 |bibcode=2005ITSP...53.1335E }}</ref>




==यह भी देखें==
==यह भी देखें==
* [[प्रतिस्पर्धी पछतावा]]
* [[प्रतिस्पर्धी पछतावा|प्रतिस्पर्धी रिग्रेट]]
* निर्णय सिद्धांत
* निर्णय सिद्धांत
* [[सूचना-अंतराल निर्णय सिद्धांत]]
* [[सूचना-अंतराल निर्णय सिद्धांत]]
* [[लॉस फंकशन]]
* [[लॉस फंकशन]]
* मिनिमैक्स
* मिनिमैक्स
* अफसोस (भावना)
* रिग्रेट (भावना)
* वाल्ड का मैक्सिमम मॉडल
* वाल्ड का मैक्सिमम प्रारूप 


==संदर्भ==
==संदर्भ==

Revision as of 13:21, 4 August 2023

निर्णय सिद्धांत में, अनिश्चितता के तहत निर्णय लेने पर सर्वोत्तम कार्रवाई के बारे में जानकारी निश्चित निर्णय के बाद आए मानवीय भावनात्मक प्रतिक्रिया का अनुभव किया जा सकता है, और इसे लिए गए निर्णय और इष्टतम निर्णय के बीच अंतर के मूल्य के रूप में मापा जा सकता है।।

'रिग्रेट एवर्शन' या 'प्रत्याशित रिग्रेट' के सिद्धांत का अर्थ है कि जब व्यक्ति निर्णय के सामने होते हैं, तो वे रिग्रेट की पूर्वानुमान कर सकते हैं और इसलिए अपने चयन में रिग्रेट को नष्ट करने या कम करने की इच्छा को सम्मिलित करते हैं। रिग्रेट एक नकारात्मक भावना है जिसमें एक शक्तिशाली सामाजिक और प्रतिष्ठा संबंध होता है, और इसे मानव अनुभव से सीखने और जोखिम से बचने के मानवीय मनोविज्ञान में केंद्रीय बनाया गया है। रिग्रेट की सचेत अपेक्षा ने एक प्रतिक्रिया गति उत्पन्न की है जो रिग्रेट को भावनात्मक क्षेत्र से पार कर देती है जिसे प्रायः केवल मानव व्यवहार के रूप में देखा जाता है और जो निर्णय सिद्धांत में प्रारूप किए गए तथ्यों के क्षेत्र में तार्किक चयन व्यवहार मे किया जाता है।

विवरण

रिग्रेट थ्योरी सैद्धांतिक अर्थशास्त्र में एक प्रारूप है जिसे 1982 में ग्राहम लूम्स और रॉबर्ट सुगडेन द्वारा एक साथ विकसित किया गया था।[1] डेविड ई. बेल,[2] और पीटर सी. फिशबर्न।[3] रिग्रेट सिद्धांत प्रत्याशित रिग्रेट के प्रभाव को ध्यान में रखते हुए अनिश्चितता के अंतर्गत चुनाव का प्रारूप तैयार करता है। इसके बाद, कई अन्य लेखकों ने इसमें सुधार किया।[4]यह उपयोगिता फलन में एक रिग्रेट शब्द को सम्मिलित करता है जो नकारात्मक रूप से वास्तविक परिणाम पर निर्भर करता है और सकारात्मक रूप से अनिश्चितता समाधान को देखते हुए सर्वोत्तम वैकल्पिक परिणाम पर निर्भर करता है। यह रिग्रेट शब्द सामान्यतः पारंपरिक उपयोगिता सूचकांक में घटाया गया एक बढ़ता हुआ, निरंतर और गैर-नकारात्मक कार्य है। इस प्रकार की प्राथमिकताएँ सदैव पारंपरिक अर्थों में सकर्मक संबंध का उल्लंघन करती हैं,[5] यद्यपि अधिकांश कमजोर संस्करण को संतुष्ट करती हैं।[4]


साक्ष्य

कई प्रयोग उपयोगार्थी और कल्पनात्मक चयनों के लिए यह प्रभाव की महत्ता की पुष्टि करते हैं।

प्रथम मूल्य नीलामी में प्रयोगों से यह दिखाया गया है कि प्रतिस्पर्धियों के और प्रतिस्पर्धियों के बीच औसत बोलियों में महत्वपूर्ण अंतर होता है। विशेष रूप से, "हारने का पछतावा" उस बिद नीलामी के सभी प्रतिभागियों को प्रकट करके उत्पन्न किया जा सकता है,[6] और इस तरह हारने वालों को बताया जा सकता है कि उन्हें क्या लाभ हासिल किया जा सकता था और यह कितना हो सकता था जैसे, एक प्रतिभागी का मूल्यांकन $50 है, वह $30 बोलता है और जानता है कि जीतने वाली बोली $35 थी, तो उसे यह भी पता चल जाएगा कि उसे $35 से ऊपर कुछ भी बोलकर $15 कमा सकता था। इससे प्रतिस्पर्धियों को पछतावे की संभावना होती है और यदि बोलने वाले सही तरह से इसकी पूर्वानुमान करते हैं, तो उन्हें पछतावे की संभावना को कम करने के लिए जीतने से अधिक बोलने की प्रवृत्ति होती है।

लॉटरी पर निर्णयों में, प्रयोग प्रत्याशित रिग्रेट का सहायक साक्ष्य भी प्रदान करते हैं।[7][8][9] जैसा कि पहली कीमत की नीलामी के विषय में होता है, अनिश्चितता के समाधान पर फीडबैक में अंतर के कारण रिग्रेट की संभावना हो सकती है और यदि इसकी आशंका है, तो यह अलग-अलग प्राथमिकताओं को प्रेरित कर सकता है।

उदाहरण के लिए, जब निश्चितता के साथ $40 और सिक्के को उछालने पर $100 का भुगतान करने वाले विकल्प का सामना करना पड़ता है, यदि परिणाम का सही अनुमान लगाया जाता है और $0 अन्यथा, निश्चित भुगतान विकल्प न केवल जोखिम को कम करता है, बल्कि रिग्रेट की संभावना को भी कम करता है, क्योंकि सामान्यतः सिक्का उछाला नहीं जाएगा जबकि यदि सिक्का उछाला जाता है, तो $0 का भुगतान करने वाला परिणाम रिग्रेट उत्पन्न करता है। यदि चुने गए विकल्प की परवाह किए बिना सिक्का उछाला जाता है, तो वैकल्पिक भुगतान सदैव ज्ञात रहता और पुनः कोई विकल्प नहीं रहता है जो रिग्रेट की संभावना को खत्म कर दे।

प्रत्याशित रिग्रेट और अनुभवी रिग्रेट

पूर्वानुमानित रिग्रेट वे विकल्पों और कार्रवाइयों के लिए अधिक अनुमानित होता है जिनमें लोग अपने आप को जिम्मेदार महसूस करते हैं। लोग खासकर उन वस्तुओ के लिए रिग्रेट को अधिक अनुमानित करते हैं जिन्हें वे एक छोटे सीमा तक चाहते हुए भी प्राप्त नहीं कर सकते हैं। एक अध्ययन में, यात्रियों ने यह पूर्वानुमान किया कि उन्हें अधिक रिग्रेट का अनुभव होगा यदि उन्होंने ट्रेन 1 मिनट के बाद यात्रा नहीं की तो उन्होंने ट्रेन 5 मिनट के बाद यात्रा नहीं की, उदाहरणार्थ, परंतु वास्तविकता में, जिन यात्रियों ने वास्तविकता में 1 या 5 मिनट के बाद ट्रेन मिस की थी, उन्होंने कम रिग्रेट का अनुभव किया। यात्रियों को ऐसा अनुमान लगता था कि वे ट्रेन को छोटी सीमा तक मिस करने पर वे ज्यादा रिग्रेट का अनुभव करेगे, क्योंकि उन्होंने ट्रेन को यात्रा न करने का दोष बाह्य कारणों को कम मान लिया।[10]


अनुप्रयोग

लॉटरी पर विकल्पों की पारंपरिक सेटिंग के अलावा, पहली कीमत की नीलामी में सामान्यतः देखी जाने वाली ओवरबिडिंग के लिए एक स्पष्टीकरण के रूप में रिग्रेट एवर्शन का प्रस्ताव किया गया है,[11] और स्वभाव प्रभाव,[12] दूसरों के बीच में।

अल्पमहिष्ठ रिग्रेट

मिनिमैक्स रिग्रेट दृष्टिकोण सबसे खराब स्थिति वाले रिग्रेट को कम करने के लिए है, जिसे मूल रूप से 1951 में लियोनार्ड सैवेज द्वारा प्रस्तुत किया गया था।[13] इसका उद्देश्य इष्टतम पाठ्यक्रम के जितना करीब संभव हो सके प्रदर्शन करना है। चूंकि यहां लागू मिनिमैक्स मानदंड भुगतान के बजाय रिग्रेट (भुगतान का अंतर या अनुपात) पर है, इसलिए यह सामान्य मिनिमैक्स दृष्टिकोण जितना निराशावादी नहीं है। समान दृष्टिकोणों का उपयोग विभिन्न क्षेत्रों में किया गया है जैसे:

मिनिमैक्स का एक लाभ (अपेक्षित रिग्रेट के विपरीत) यह है कि यह विभिन्न परिणामों की संभावनाओं से स्वतंत्र है: इस प्रकार यदि रिग्रेट की सटीक गणना की जा सकती है, तो कोई विश्वसनीय रूप से मिनिमैक्स रिग्रेट का उपयोग कर सकता है। हालाँकि, परिणामों की संभावनाओं का अनुमान लगाना कठिन है।

यह मानक मिनिमैक्स दृष्टिकोण से भिन्न है क्योंकि यह परिणामों के बीच अंतर या अनुपात का उपयोग करता है, और इस प्रकार मानक मिनिमैक्स की तरह अंतराल या अनुपात माप, साथ ही क्रमिक माप (रैंकिंग) की आवश्यकता होती है।

उदाहरण

मान लीजिए कि किसी निवेशक को स्टॉक, बॉन्ड या मुद्रा बाजार में निवेश के बीच चयन करना है, और कुल रिटर्न इस पर निर्भर करता है कि ब्याज दरों पर क्या होता है। निम्न तालिका कुछ संभावित रिटर्न दिखाती है:

रिटर्न ब्याज दरें बढ़ती हैं स्थैतिक दरें ब्याज दरें गिरती हैं खराब वापसी
स्टाक −4 4 12 −4
बांड −2 3 8 −2
मुद्रा बाजार 3 2 1 1
बेस्ट रिटर्न 3 4 12

रिटर्न के आधार पर क्रूड मैक्सिमम (निर्णय सिद्धांत) विकल्प मुद्रा बाजार में निवेश करना होगा, जिससे कम से कम 1 का रिटर्न सुनिश्चित होगा। हालांकि, अगर ब्याज दरें गिरती हैं तो इस विकल्प से जुड़ा रिग्रेट बड़ा होगा। यह 11 होगा, जो 12 के बीच का अंतर है जो प्राप्त हो सकता था यदि परिणाम पहले से ज्ञात होता और 1 प्राप्त होता। शेयरों में लगभग 11.1% और मुद्रा बाजार में 88.9% के मिश्रित पोर्टफोलियो ने कम से कम 2.22 का रिटर्न सुनिश्चित किया होगा; लेकिन, यदि ब्याज दरें गिरीं, तो लगभग 9.78 का रिग्रेट होगा।

इस उदाहरण के लिए खेद तालिका, सर्वोत्तम रिटर्न से वास्तविक रिटर्न घटाकर बनाई गई है, इस प्रकार है:

Regret Interest rates rise Static rates Interest rates fall Worst regret
Stocks 7 0 0 7
Bonds 5 1 4 5
Money market 0 2 11 11

इसलिए, रिग्रेट के आधार पर एक न्यूनतम विकल्प का उपयोग करते हुए, सबसे अच्छा तरीका बांड में निवेश करना होगा, जिससे यह सुनिश्चित हो सके कि रिग्रेट 5 से अधिक बुरा न हो। एक मिश्रित निवेश पोर्टफोलियो और भी बेहतर प्रदर्शन करेगा: स्टॉक में निवेश किया गया 61.1% और मुद्रा बाजार में 38.9% निवेश लगभग 4.28 से अधिक रिग्रेट नहीं पैदा करेगा।

उदाहरण: रैखिक अनुमान सेटिंग

निम्नलिखित एक उदाहरण है कि कैसे खेद की अवधारणा का उपयोग एक रेखीय अनुमानक को डिजाइन करने के लिए किया जा सकता है। इस उदाहरण में, समस्या एक परिमित-आयामी पैरामीटर वेक्टर के रैखिक अनुमानक का निर्माण करना है ज्ञात शोर सहप्रसरण संरचना के साथ इसके शोर रैखिक माप से। के पुनर्निर्माण का नुकसान माध्य-वर्ग त्रुटि (MSE) का उपयोग करके मापा जाता है। अज्ञात पैरामीटर वेक्टर एक दीर्घवृत्ताभ में स्थित होने के लिए जाना जाता है शून्य पर केंद्रित. रिग्रेट को रैखिक अनुमानक के एमएसई के बीच अंतर के रूप में परिभाषित किया गया है जो पैरामीटर को नहीं जानता है , और रैखिक अनुमानक का एमएसई जो जानता है . इसके अलावा, चूंकि अनुमानक रैखिक होने तक सीमित है, इसलिए बाद वाले मामले में शून्य एमएसई हासिल नहीं किया जा सकता है। इस मामले में, उत्तल अनुकूलन समस्या का समाधान इष्टतम, न्यूनतम रिग्रेट-न्यूनतम रैखिक अनुमानक देता है, जिसे निम्नलिखित तर्क द्वारा देखा जा सकता है।

मान्यताओं के अनुसार, मनाया गया वेक्टर और अज्ञात नियतात्मक पैरामीटर वेक्टर रैखिक प्रारूप से बंधे हैं

कहाँ एक ज्ञात है पूर्ण कॉलम रैंक के साथ मैट्रिक्स , और ज्ञात सहप्रसरण मैट्रिक्स के साथ एक शून्य माध्य यादृच्छिक वेक्टर है .

होने देना

का एक रेखीय अनुमान हो से , कहाँ है कुछ आव्यूह। इस अनुमानक का MSE द्वारा दिया गया है

चूंकि एमएसई स्पष्ट रूप से निर्भर करता है इसे सीधे तौर पर कम नहीं किया जा सकता. इसके बजाय, अच्छे एमएसई प्रदर्शन के साथ एक रैखिक अनुमानक को परिभाषित करने के लिए रिग्रेट की अवधारणा का उपयोग किया जा सकता है। यहां रिग्रेट को परिभाषित करने के लिए, एक रैखिक अनुमानक पर विचार करें जो पैरामीटर का मूल्य जानता है , यानी, मैट्रिक्स स्पष्ट रूप से निर्भर हो सकता है :

का एमएसई है

इष्टतम खोजने के लिए , के संबंध में विभेदित है और व्युत्पन्न 0 प्राप्त करने के बराबर है

फिर, मैट्रिक्स उलटा लेम्मा का उपयोग करें

इसे प्रतिस्थापित करना में वापस , एक मिलता है

यह एक रैखिक अनुमान के साथ प्राप्त किया जाने वाला सबसे छोटा एमएसई है जो जानता है . व्यवहार में यह एमएसई हासिल नहीं किया जा सकता है, लेकिन यह इष्टतम एमएसई पर एक बंधन के रूप में कार्य करता है। द्वारा निर्दिष्ट रैखिक अनुमानक का उपयोग करने का रिग्रेट के बराबर है

यहां न्यूनतम रिग्रेट दृष्टिकोण सबसे खराब स्थिति वाले रिग्रेट को कम करने के लिए है, अर्थात,

 यह पैरामीटर के सबसे खराब मामले में सर्वोत्तम प्राप्त करने योग्य प्रदर्शन के जितना करीब हो सके प्रदर्शन की अनुमति देगा . यद्यपि यह समस्या कठिन प्रतीत होती है, यह उत्तल अनुकूलन का एक उदाहरण है और विशेष रूप से एक संख्यात्मक समाधान की कुशलतापूर्वक गणना की जा सकती है।[14] इसी तरह के विचारों का उपयोग कब किया जा सकता है  सहप्रसरण मैट्रिक्स में अनिश्चितता के साथ यादृच्छिक है।[15][16]


यह भी देखें

संदर्भ

  1. Loomes, G.; Sugden, R. (1982). "Regret theory: An alternative theory of rational choice under uncertainty". Economic Journal. 92 (4): 805–824. doi:10.2307/2232669. JSTOR 2232669.
  2. Bell, D. E. (1982). "अनिश्चितता की स्थिति में निर्णय लेने में पछतावा". Operations Research. 30 (5): 961–981. doi:10.1287/opre.30.5.961.
  3. Fishburn, P. C. (1982). अपेक्षित उपयोगिता की नींव. Theory & Decision Library. ISBN 90-277-1420-7.
  4. 4.0 4.1 Diecidue, E.; Somasundaram, J. (2017). "Regret Theory: A New Foundation". Journal of Economic Theory. 172: 88–119. doi:10.1016/j.jet.2017.08.006.
  5. Bikhchandani, S.; Segal, U. (2011). "सकर्मक खेद". Theoretical Economics. 6 (1): 95–108. doi:10.3982/TE738.
  6. Filiz-Ozbay, E.; Ozbay, E. Y. (2007). "Auctions with anticipated regret: Theory and experiment". American Economic Review. 97 (4): 1407–1418. doi:10.1257/aer.97.4.1407. S2CID 51815774.
  7. Zeelenberg, M.; Beattie, J.; Van der Pligt, J.; de Vries, N. K. (1996). "Consequences of regret aversion: Effects of expected feedback on risky decision making". Organizational Behavior and Human Decision Processes. 65 (2): 148–158. doi:10.1006/obhd.1996.0013.
  8. Zeelenberg, M.; Beattie, J. (1997). "Consequences of regret aversion 2: Additional evidence for effects of feedback on decision making". Organizational Behavior and Human Decision Processes. 72 (1): 63–78. doi:10.1006/obhd.1997.2730.
  9. Somasundaram, J.; Diecidue, E. (2016). "खेद सिद्धांत और जोखिम दृष्टिकोण". Journal of Risk and Uncertainty. 55 (2–3): 1–29. doi:10.1007/s11166-017-9268-9.
  10. Gilbert, Daniel T.; Morewedge, Carey K.; Risen, Jane L.; Wilson, Timothy D. (2004-05-01). "पीछे की ओर देखने के लिए आगे की ओर देखना पछतावे की गलत भविष्यवाणी". Psychological Science (in English). 15 (5): 346–350. CiteSeerX 10.1.1.492.9980. doi:10.1111/j.0956-7976.2004.00681.x. ISSN 0956-7976. PMID 15102146.
  11. Engelbrecht-Wiggans, R. (1989). "नीलामी में इष्टतम बोली पर पछतावे का प्रभाव". Management Science. 35 (6): 685–692. doi:10.1287/mnsc.35.6.685. hdl:2142/28707.
  12. Fogel, S. O. C.; Berry, T. (2006). "The disposition effect and individual investor decisions: the roles of regret and counterfactual alternatives". Journal of Behavioral Finance. 7 (2): 107–116. doi:10.1207/s15427579jpfm0702_5.
  13. Savage, L. J. (1951). "सांख्यिकीय निर्णय का सिद्धांत". Journal of the American Statistical Association. 46 (253): 55–67. doi:10.1080/01621459.1951.10500768.
  14. Eldar, Y. C.; Ben-Tal, A.; Nemirovski, A. (2004). "लीनियर मिनिमैक्स सीमित डेटा अनिश्चितताओं के साथ नियतात्मक मापदंडों के आकलन पर खेद व्यक्त करता है". IEEE Trans. Signal Process. 52 (8): 2177–2188. Bibcode:2004ITSP...52.2177E. doi:10.1109/TSP.2004.831144.
  15. Eldar, Y. C.; Merhav, Neri (2004). "रैंडम पैरामीटर्स के मजबूत अनुमान के लिए एक प्रतिस्पर्धी मिनिमैक्स दृष्टिकोण". IEEE Trans. Signal Process. 52 (7): 1931–1946. Bibcode:2004ITSP...52.1931E. doi:10.1109/TSP.2004.828931.
  16. Eldar, Y. C.; Merhav, Neri (2005). "सिग्नल सहप्रसरण अनिश्चितताओं के साथ मिनिमैक्स एमएसई-अनुपात अनुमान". IEEE Trans. Signal Process. 53 (4): 1335–1347. Bibcode:2005ITSP...53.1335E. doi:10.1109/TSP.2005.843701.


बाहरी संबंध