In diesem Abschnitt erforschen wir die Geheimnisse der Aggregation, d.h. der Addition von Dingen. Wir beginnen mit der Frage, wie Zahlen aggregiert werden, und konzentrieren uns dabei auf den zentralen Grenzwertsatz (Central Limit Theorem). Dann wenden wir uns den Additionsregeln zu. Wir betrachten das Spiel des Lebens und eindimensionale zelluläre Automatenmodelle. Beide Modelle zeigen, wie einfache Regeln kombiniert werden können, um interessante Phänomene zu erzeugen. Zuletzt betrachten wir die Aggregation von Präferenzen. Hier sehen wir, wie individuelle Präferenzen rational sein können, aber die Aggregate müssen es nicht sein. Es gibt viele gute Seiten im Internet, um mehr über den zentralen Grenzwertsatz, die Binomialverteilung, Six Sigma, das Spiel des Lebens usw. zu erfahren. Ich habe einige Links für den Anfang zusammengestellt. Die Lektüre zu zellulären Automaten und zu verschiedenen Präferenzen sind kurze Auszüge aus meinen Büchern Complex Adaptive Social Systems bzw. The Difference.

In diesem Abschnitt untersuchen wir verschiedene Arten, wie Sozialwissenschaftler Menschen modellieren. Wir untersuchen und vergleichen drei verschiedene Modelle. Der Ansatz des rationalen Akteurs, verhaltensorientierte Modelle und regelbasierte Modelle. Diese Vorlesungen liefern den Kontext für viele der folgenden Modelle. Es gibt keine spezielle Lektüre für diese Vorlesungen, aber ich erwähne einige Bücher über Verhaltensökonomie, die Sie vielleicht in Betracht ziehen sollten. Wenn Sie das Spiel "Race to the Bottom" interessant finden, geben Sie einfach "Rosemary Nagel Race to the Bottom" in eine Suchmaschine ein und Sie erhalten mehrere gute Links. Sie können auch gute Einführungen in "Zero Intelligence Traders" finden, indem Sie das ebenfalls eingeben.

In diesem Abschnitt befassen wir uns mit Kipp-Punkten. Wir konzentrieren uns auf zwei Modelle. Ein Perkolationsmodell aus der Physik, das wir auf Banken anwenden, und ein Modell für die Ausbreitung von Krankheiten. Das Krankheitsmodell ist komplizierter, daher unterteile ich es in zwei Teile. Der erste Teil konzentriert sich auf die Ausbreitung. Im zweiten Teil kommt die Wiederherstellung hinzu. Die Lektüre für diesen Abschnitt besteht aus zwei Auszügen aus dem Buch, das ich über Modelle schreibe. Der eine behandelt die Diffusion. Der andere behandelt Tipps. Es gibt auch ein technisches Papier über Kipp-Punkte, das ich in einem Link eingefügt habe. Ich habe ihn zusammen mit PJ Lamberson geschrieben und er wird im Quarterly Journal of Political Science veröffentlicht. Ich habe den Link eingefügt, damit Sie einen Eindruck davon bekommen, wie sozialwissenschaftliche Fachartikel aussehen. Sie müssen ihn nicht vollständig lesen, aber ich empfehle Ihnen die Einleitung. Er enthält auch eine wunderbare Referenzliste.

In diesem Abschnitt gehen wir auf einige Modelle der Problemlösung ein, um zu zeigen, welche Rolle die Vielfalt bei der Innovation spielt. Wir sehen, wie unterschiedliche Perspektiven (Problemdarstellungen) und Heuristiken es Gruppen von Problemlösern ermöglichen, besser abzuschneiden als Einzelpersonen. Wir stellen auch einige neue Konzepte wie "zerklüftete Landschaften" und "lokale Optima" vor. In der letzten Vorlesung werden wir die unglaubliche Kraft der Rekombination sehen und wie sie zum Wachstum beiträgt. Die Lektüre für dieses Kapitel besteht aus einem Auszug aus meinem Buch The Difference, das mit freundlicher Genehmigung der Princeton University Press erschienen ist.

Modelle können uns dabei helfen, die Art der von einem System erzeugten Ergebnisse zu bestimmen: Wird das System ein Gleichgewicht, einen Zyklus, Zufälligkeit oder Komplexität erzeugen? In dieser Reihe von Vorlesungen behandeln wir Lyapunov-Funktionen. Diese sind eine Technik, mit der wir viele Systeme identifizieren können, die ins Gleichgewicht kommen. Darüber hinaus ermöglichen sie uns, Grenzen dafür zu setzen, wie schnell das Gleichgewicht erreicht wird. In dieser Reihe von Vorlesungen lernen wir die formale Definition von Lyapunov-Funktionen kennen und sehen, wie man sie in einer Vielzahl von Situationen anwenden kann. Wir sehen auch, wo sie nicht anwendbar sind und untersuchen sogar ein Problem, bei dem niemand weiß, ob das System ins Gleichgewicht kommt oder nicht.

In dieser Reihe von Vorlesungen behandeln wir die Pfadabhängigkeit. Wir tun dies anhand einiger sehr einfacher Urnenmodelle. Das bekannteste davon ist der Polya-Prozess. Diese Modelle sind sehr einfach, aber sie ermöglichen es uns, die Logik dessen zu entschlüsseln, was einen Prozess pfadabhängig macht. Wir setzen die Pfadabhängigkeit auch mit steigenden Erträgen und Kipp-Punkten in Beziehung. Die Lektüre für diesen Vortrag ist ein Artikel, den ich geschrieben habe und der im Quarterly Journal of Political Science veröffentlicht wurde

In diesem Abschnitt gehen wir zunächst auf den Zufall und seine verschiedenen Quellen ein. Dann erörtern wir, wie die Performance von Können und Glück abhängen kann, wobei Glück als Zufall modelliert wird. Anschließend lernen wir ein grundlegendes Random-Walk-Modell kennen, das wir auf die Effizienzmarkthypothese anwenden, d.h. die Vorstellung, dass die Marktpreise alle relevanten Informationen enthalten, so dass nur der Zufall übrig bleibt. Abschließend erörtern wir das Finite-Memory-Random-Walk-Modell, das zur Modellierung des Wettbewerbs verwendet werden kann. Die Lektüre für diesen Abschnitt ist ein Aufsatz von Michael Mauboussin über die Unterscheidung von Können und Glück.

In diesem Abschnitt behandeln wir das Gefangenendilemma, Probleme mit kollektivem Handeln und Probleme mit gemeinsamen Ressourcen. Zunächst erörtern wir das Gefangenendilemma und zeigen, wie individuelle Anreize zu unerwünschten sozialen Ergebnissen führen können. Anschließend behandeln wir sieben Möglichkeiten, Kooperation zu erzeugen. Fünf davon werden in dem unten aufgeführten Papier von Nowak und Sigmund behandelt. Abschließend sprechen wir über kollektives Handeln und Probleme mit gemeinsamen Ressourcen und darüber, dass diese Probleme nur durch gründliches Nachdenken gelöst werden können. Dazu gibt es einen wunderbaren Artikel von der Nobelpreisträgerin Elinor Ostrom zu lesen.

In diesem Abschnitt befassen wir uns mit der Replikator-Dynamik und dem Fundamentalsatz von Fisher. Die Replikator-Dynamik wurde verwendet, um Lernen und Evolution zu erklären. Das Theorem von Fisher zeigt, wie die Anpassungsrate mit der Menge der Variation zunimmt. Abschließend beschreiben wir, wie Sie sowohl das Theorem von Fisher als auch unsere Ergebnisse zu Six Sigma und zur Variationsreduzierung verstehen können. Die Lektüre für diesen Abschnitt ist sehr kurz. Die zweite Lektüre zu Fishers Theorem ist eher technisch. Beides sind Auszüge aus Diversity and Complexity (Vielfalt und Komplexität).