详细内容或原文请订阅后点击阅览
不确定性，学习和理性期望
理性期望假设以内部一致性的原因为前提，即代理具有对所有相关概率分布的完全了解。当经济学家试图将学习纳入这些模型时，它总是在非常有限的意义上。没有真正意外的事情发生。取而代之的是，学习减少为更新的机械过程[…]
来源:Lars P Syll理性期望假设以内部一致性的原因为前提，即代理具有对所有相关概率分布的完全了解。当经济学家试图将学习纳入这些模型时，它总是在非常有限的意义上。没有真正意外的事情发生。取而代之的是，学习减少为更新的机械过程 - 完善现有信息集和概率功能的精度。
在这些崇高的模型中，什么都没有真正发生。他们对学习的统计表征仅仅是关于信息和适应在现实世界中如何实际展现的讽刺漫画。这是从假设人们的决定可以表示的假设，就好像他们基于已知概率分布一样，根据定义，这可以假定对每个可能事件的知识。否则，从严格的统计意义上讲，这根本不是概率分布。
实际上，作为行为和实验经济学反复表明，人们经常将有条件的分布误认为是完全概率分布。在基于理性期望的假设建立的那种模型中，这种错误是不可能的，这是主流经济学家如此坚决捍卫的。在这些模型中，理性期望代理人平均是正确的。但是，真正的新信息并不简单地减少估计错误；它可以推翻估计本身，从而改变决定。为了真正的新信息，信息必须是意外的。如果已经预见到它，则可以从现有信息集中推断出来。
那么，这离开了我们？正如约翰·凯（John Kay）和默文·金（Mervyn King）恰当地说：
John Kay和Mervyn KingJohn Kay和Mervyn King