Nasceu em Tel-Aviv (Israel) mas tem também a cidadania norte-americana. Em 1954, completou a graduação em Psicologia e Matemática pela Hebrew University de Jerusalém. Em 1961, obteve seu Ph.D. em Psicologia pela Universidade da Califórnia. Iniciou sua carreira docente em 1961 na Hebrew University onde lecionou até 1966. Entre 1967 e 1970, foi professor visitante de várias universidades norte-americanas como a Universidade de Michigan e de Harvard. Durante os anos 80, lecionou na Universidade da Califórnia (Berkeley) e no Canadá, na University of British Columbia. Em 1993 foi professor de Psicologia na Princeton University e professor de Public Affairs da Woodrow Wilson School. Recebeu o Prêmio Nobel em Economia em 2002. É um dos criadores da Teoria do prospecto (Prospect Theory) e dos destacados representantes da Economia Experimental, também denominada “Neuroeconomics”. Entre suas obras destacam-se: Training Agents of Social Change in Israel: Definitions of Objectives and a Training Approach (Treinando Agentes da Mudança Social em Israel: Definição de Objetivos e uma Abordagem de Treinamento), em conjunto com Amos Tversky, 1973; On the Psychology of Prediction (Sobre a Psicologia da Previsão), em conjunto com Amos Tversky, 1979; Prospect Theory: An Analysis of Decisions Under Risk (Teoria da Perspectiva: uma Análise de Decisões sob Risco), em conjunto com Amos Tversky, 1985; Experimental Economics: A Psychological Perspective and When More Pain is Preferred to Less: Adding a Better End (Economia Experimental: uma Perspectiva Psicológica e Quando uma Dor Maior é Preferível a uma Menor: Acrescentando um Melhor Fim), 1994; Choices, Values and Frames (Escolhas, Valores e Estruturas), 2000; Heuristics and Biases: The Psychology of Intuitive Judgment (Heurística e Vieses: a Psicologia de Juízos Intuitivos), 2002. Veja também Neuroeconomics; Kahneman e a Teoria do Prospecto; Teoria da Perspectiva.
A Teoria dos Prospectos – como os indivíduos escolhem sob incerteza – é uma das três contribuições de maior relevância de Kahneman no campo da teoria. As outras duas são as seguintes: o estudo dos erros de decisão e viéses cognitivos que os indivíduos estão sujeitos quando utilizam heurísticas, isto é, processos que visam simplificar a tomada de decisão e, o trabalho sobre os chamados “efeitos da apresentação” (framing effects) e seus impactos no processo de decisão. Oe efeitos da apresentação dizem respeito às formas como indivíduos, diante de problemas logicamente equivalentes, podem ser levados a tomar decisões completamente diferentes dependendo da forma como o problema de decisão é apresentado. A Teoria dos Prospectos (Prospect Theory) – O termo “prospecto” utilizado por Kahneman e Tversky tem o significado de prêmio monetário com uma probabilidade definida de ocorrência, como acontece nas apostas de loterias. E, a Teoria dos Prospectos baseia-se em três princípios. Primeiro, que o processo de escolha contém duas fases: uma de edição e outra de avaliação. A fase de edição envolve a aplicação sucessiva de uma série de operações mentais que visam simplificar os prospectos e facilitar o processo de escolha. Tanto os resultados quanto as probabilidades do prospecto são subjetivamente transformadas. Na fase de avaliação os valores dos prospectos, já editados são calculados e aquele de maior valor é escolhido. Segundo, que os indivíduos usam um ponto de referência – nível de renda, riqueza já acumulada etc. – na avaliação de um prospecto: os indivíduos atribuem valor não aos valores absolutos de possíveis ganhos ou perdas, mas aos valores relativos ao nível de renda ou de riqueza já possuídos, isto é, em relação ao seu ponto de referência. Nesse caso a Teoria dos Prospectos “dialoga” e apresenta uma alternativa à Teoria da Utilidade Esperada. De acordo com esta última se apresentássemos a alguém a alternativa de receber a) R$ 50 mil de reais com certeza ou b) R$ 70 mil com a probabilidade de 99% de receber ou 1% de não receber nada, a escolha seria a alternativa b pois, a probabilidade de ganhar 40% a mais seria de 99% enquanto a de não ganhar nada seria apenas de 1%. O problema é explicar por que diante desta aposta muitos preferem a alternativa a. É claro que esta decisão como já foi assinalado, depende em grande medida do nível de renda que os agentes que fazem a escolha já possuem. Para aqueles que são muito ricos uma “perda” de 50 mil reais pode não significar grande coisa e eles estariam mais propensos a escolher a alternativa b; aqueles cujo nível de renda é baixo certamente seriam induzidos a dar preferência pela certeza e escolher os 50 mil reais, ou seja a alternativa a. A Teoria dos Prospectos considera que o valor atribuído a uma perda (a dor causada por uma perda pecuniária) é maior do que o prazer obtido por um ganho da mesma proporção. Portanto, mesmo diante desta considerável vantagem de ganho, mas diante de uma possibilidade de perda os agentes prefeririam não correr riscos aceitando os 50 mil e rejeitando correr o risco representado pela outra alternativa. Existe ampla evidência empírica sobre esta preferência de tal forma que a Teoria dos Prospectos é hoje uma das principais alternativas à Teoria da utilidade esperada. Erros de decisão e as simplificações do processo de decisão – No fim dos anos 60, Kahneman e seu colega de departamento, Amos Tversky, se intrigaram pela forma como as pessoas avaliavam as probabilidades de eventos incertos sobre os quais tinham pouca informação. Por exemplo: como as pessoas avaliam a probabilidade de que choverá amanhã dado que não chove há uma semana? Embora o uso de regras simplificadoras possam ser efetivas em reduzir a complexidade das tarefas, os resultados observados sugerem que muitas vezes elas levam os indivíduos a cometerem grandes erros de previsão. Mesmo indivíduos com treinados e conhecedores do instrumental estatístico estariam sujeitos a tais julgamentos errôneos. Kahneman e Tversky apresentam três regras simplificadoras: representatividade, disponibilidade e ancoramento. O uso dessas regras simplificadoras não é excludente, de modo que duas delas ou todas, dependendo do tipo de problema envolvido, podem influenciar as previsões e decisões sob incerteza que o indivíduo faz. A representatividade – A representatividade é normalmente utilizada quando temos que decidir qual é a probabilidade de que certo evento faça parte de um contexto. Qual é a probabilidade de um indivíduo criativo e sensível à opinião dos outros tornar-se um economista ou um astrônomo? No exemplo acima, julgaríamos em que medida indivíduos criativos e sensíveis à opinião alheia são representativos da população de economistas e astrônomos. Quanto mais representativo ou semelhanças esse tipo de indivíduo tivesse, por exemplo, com o grupo de astrônomos, mais tenderíamos a acreditar que ele seria um deles. Atribuiríamos baixa probabilidade, no entanto, se julgássemos que indivíduos com tais características são muito diferentes do que se acredita ser o perfil de um astrônomo. Parece natural que usemos esse tipo de raciocínio nesse tipo de julgamento probabilístico. No entanto, o uso desse tipo de abordagem em tarefas de previsão, é problemática porque ignora aspectos que seriam cruciais para uma estimativa de probabilidades mais precisa. Por exemplo, ao usar tal heurística faríamos previsões que ignoram informações sobre as probabilidades incondicionais dos resultados possíveis. No exemplo anterior, o uso da representatividade nos levaria a ignorar a probabilidade de que um indivíduo seja um economista ou um astrônomo independentemente de ser criativo ou não. Kahneman e Tversky testaram experimentalmente essa hipótese, e os resultados indicam que, as pessoas tenderiam a ignorar as probabilidades incondicionais de ser um economista ou um astrônomo quando são dadas informações, mesmo que irrelevantes, sobre características do indivíduo. A Disponibilidade – A segunda heurística – disponibilidade – é normalmente usada quando temos que avaliar a frequência de ocorrência de certa classe de objetos ou eventos dentro de uma população. Um exemplo é quando temos que prever qual a chance de um indivíduo com menos de um 1,70 m de altura fazer parte do time nacional de voleibol. A disponibilidade nos levaria a avaliar a probabilidade desse tipo de ocorrência com base na facilidade com que conseguimos nos lembrar de exemplos de indivíduos com tal altura que fazem parte de uma seleção de voleibol. O Ancoramento – A terceira regra simplificadora, o ancoramento, tende a ser usada quando fazemos previsões numéricas e temos algum valor em mãos. A sugestão de Kahneman e Tversky é que usamos esses valores iniciais como ponto de partida, fazendo consecutivos ajustes até que se chegue num valor final para a previsão. O problema é que os ajustes que tendemos a fazer são insuficientes para produzir uma previsão acurada. A maior parte dos erros de decisão que podem ser induzidos pelo uso dessas formas simplificadoras envolve concepções equivocadas ou mesmo desconhecimento de princípios estatísticos. Alguns desses princípios poderiam ser apreendidos a partir de nossas próprias experiências, o que não ocorre, porque tais situações não estariam propriamente codificadas de modo a chamar nossa atenção para os princípios estatísticos em funcionamento. Por exemplo, tendemos a acreditar que, se 20% é a média nacional de indivíduos com mais de 1,70 m de altura, teríamos a mesma probabilidade de observar essa mesma proporção tanto em uma cidade pequena como em uma metrópole. Contudo, de acordo com princípios de amostragem, seria mais provável encontrar proporções diferentes da média nacional em uma cidade pequena (pequena amostra) do que em uma cidade grande (grande amostra). Esta nova abordagem foi considerada por alguns como uma tentativa de pôr em cheque a própria ideia de racionalidade, o que foi claramente rejeitada posteriormente por Kahneman e Tversky. Posteriormente alguns trabalhos experimentais demonstraram que alguns desses vieses tendem a desaparecer quando, por exemplo, os participantes executavam as tarefas repetidamente, tendo assim a oportunidade de aprendizado. Os “efeitos da apresentação” (framing effects) – Kahneman e Tversky observaram que a forma pela qual os problemas de decisão são apresentados podem ter influência relevante no processo de escolha. Um efeito de representação existe quando um problema de escolha é apresentado em duas formas distintas e, muito embora sejam logicamente equivalentes, conduzem a escolhas diferentes (reversão de preferências). Um exemplo comumente citado é o seguinte: as pessoas devem escolher entre dois programas de saúde pública que visam lidar com uma epidemia que ameaça matar 600 pessoas. O problema é apresentado em duas versões. Na primeira pede-se que as pessoas escolham entre um programa que salvará 200 pessoas com certeza (das 600), ou outro que tem uma chance de 1/3 de salvar todas as 600 pessoas, embora exista uma chance de 2/3 de que nenhuma pessoa será salva. Nessa versão do problema, virtualmente todos os experimentos mostraram que a maior parte das pessoas prefere o primeiro programa que salva 200 pessoas com certeza. Na segunda versão o mesmo problema é apresentado da seguinte forma: um programa resultará na morte de 400 pessoas, enquanto no outro programa, se adotado, existe uma chance de 2/3 de que todas as 600 pessoas morram e uma chance de 1/3 de que nenhuma pessoa morra. Embora essa versão seja equivalente à primeira, as respostas são diferentes, com a maioria das pessoas preferindo o segundo programa – visivelmente mais arriscado do que o primeiro. Esse tipo de escolha inconsistente tem sido observada mesmo quando são apresentadas, em momentos diferentes do tempo, mas para o mesmo grupo de pessoas, as duas versões do problema. Esses “efeitos da apresentação” não explicam todo tipo de reversão de preferência observada e, de fato, são matematicamente difíceis de serem incorporados num modelo de decisão. Contudo, análises do processo de decisão têm tentado levar em consideração esses efeitos, já que eles nada mais são do que uma manifestação de como a percepção humana por si só impõe limites na racionalidade do nosso processo de escolha. Veja também Kahneman, Daniel; Paradoxo de Allais; Paradoxo de São Petersburgo; Teoria das Decisões.