Advertisement

Metrika

, Volume 18, Issue 1, pp 35–55 | Cite as

„Wahrscheinlichkeitslernen“ in der statistischen Lerntheorie

  • Gustav Feichtinger
Article

Zusammenfassung

In diesem Beitrag zur statistischen Lerntheorie (Stimulus Sampling Theorie) wird einN-elementiges „Pattern“-Modell mitr verfügbaren Antworten und nichtkontingenter Verstärkungsvorschrift diskutiert. Um von der lerntheoretischen Literatur nicht zu sehr abhängig zu sein, wird zunächst ein kanpper Überblick über die Grundbegriffe der Stimulus Sampling Theorie gegeben. Der Vorgang des „Wahrscheinlichkeitslernens“ wird mittels des Reiz-Antwort-Schemas der statistischen Lerntheorie erklärt. Durch die Einführung der sogenannten bedingenden Zustände gelangt die Theorie derMarkovketten zur Anwendung. Schließlich wird das Problem der Übereinstimmung von empirischen Daten aus Lernexperimenten mit den aus der Theorie abgeleiteten anhand von Sequentialstatistiken studiert.

Summary

In this contribution to the statistical learning theory (stimulus sampling theory) aN-element pattern model withr availables responses and noncontingent reinforcement schedule is discussed. First a short survey of the principles of the stimulus sampling theory is given. The process of „probability learning“ is explained by the stimulus-response model of the statistical theory of learning. By the introduction of the so-called conditioning states the theory ofMarkov chains may be applicated. Finaly, the goodness-of-fit between empirical data of learning experiments and predicted statistics is studied on the basis of sequential predictions.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Asch, S. E.: Studies of independence and conformity: I. A minority of one against a unanimous majority. Psychol. Monogr.,70, Whole No. 416, 1956.Google Scholar
  2. Atkinson, R. C., G. H. Bower andE. J. Crothers: An introduction to mathematical learning theory. New York: Wiley, 1965.zbMATHGoogle Scholar
  3. Atkinson, R. C. andW. K. Estes: Stimulus Sampling Theory. In: Handbook of Mathematical Psychology Vol. II (R. D. Luce, R. R. Bush and E. Galanter, eds.), 121–268, 1963.Google Scholar
  4. Bush, R. R. andF. Mosteller: Stochastic Models for Learning. New York: Wiley, 1955.zbMATHGoogle Scholar
  5. Cox, D. R. andH. D. Miller: The theory of stochastic processes, London: Methuen, 1965.zbMATHGoogle Scholar
  6. Ebbinghaus, H.: Über das Gedächtnis. Leip-Duncker, trans. H. Rugere and C. E. Bussenius, New York: Columbia Teachers College, 1885, 1913.Google Scholar
  7. Estes, W. K.: Toward a statistical theory of learning. Psychol. Rev.,57, 94–107, 1950.CrossRefGoogle Scholar
  8. Estes, W. K.: Of models and man. Amer. Psychol.,12, 609–617, 1957.CrossRefGoogle Scholar
  9. Estes, W. K.: Component and pattern models with Markovian interpretations. In R. R. Bush and W. K. Estes (Eds.), Studies in mathematical learning theory. Stanford: Stanford Univer. Press, 9–52, 1959.Google Scholar
  10. Estes, W. K. andC. J. Burke: A theory of stimulus variability in learning. Psychol. Rev.,60, 276–286, 1953.CrossRefGoogle Scholar
  11. Estes, W. K. andJ. H. Straughan: Analysis of a verbal conditioning situation in terms of statistical learning theory. J. exp. Psychol.,47, 225–234, 1954.CrossRefGoogle Scholar
  12. Feichtinger, G.: Stochastische Automaten als Grundlage linearer Lernmodelle. Statistische Hefte. 10. Jahrgang, 5–21, 1969.Google Scholar
  13. Ferschl, F.: Zufallsabhängige Wirtschaftsprozesse. Wien: Physica-Verlag, 1964.zbMATHGoogle Scholar
  14. Messick, S. andA. H. Brayfield: Decision and Choice. Contributions of Sidney Siegel. New York: McGraw-Hill, 1964.Google Scholar
  15. Morgenstern, D.: Einführung in die Wahrscheinlichkeitsrechnung und mathematische Statistik. Berlin: Springer, 1964.Google Scholar
  16. Suppes, P. andR. C. Atkinson: Markov learning models for multiperson interactions. Stanford: Stanford Univer. Press, 1960.zbMATHGoogle Scholar

Copyright information

© Physica-Verlag 1972

Authors and Affiliations

  • Gustav Feichtinger
    • 1
  1. 1.Universität Bonn, Statistische Abteilung des Instituts für Gesellschafts-und Wirtschaftswissenschaften53 Bonn

Personalised recommendations