利用 Chapman-Kolmogorov 方程分析动态决策模型

动态环境中的决策通常需要适应性证据累积，即对新证据的权重高于旧观测。近期对动态决策任务的实验研究要求被试做出在单次试验中正确选择随机切换的决策。在此类情况下，理想观察者的信念由双重随机的演化方程描述，反映了观测与环境变化中的随机性。在这些背景下，我们证明信念的概率密度可使用微分 Chapman-Kolmogorov 方程表示，从而能够高效计算系综统计量。这使我们能够可靠地将规范模型与近规范近似进行比较，使用决策响应准确率和信念分布的 Kullback-Leibler 散度作为模型性能指标。此类信念分布可通过要求被试报告其决策置信度而从经验上获得。我们还研究了额外内部噪声如何影响响应准确率，表明最优性要求随着噪声增加而更长的积分时间尺度。最后，我们证明了我们的方法可应用于证据以离散脉动方式而非连续到达的任务。