Traditionele beslissingstheorieën stellen dat men nauwkeurige representaties van kansen en uitkomsten gebruikt om keuzes te evalueren. Geobserveerd gedrag lijkt daarentegen veel minder nauwkeurig. Khaw et al. (2020) nemen een essentiële stap door onnauwkeurigheid te incorporeren in besluitvormingsmodellen. Meer specifiek gaat hun model ervan uit dat mensen mentaal onnauwkeurige representaties van getallen maken die resulteren in zowel een kleine risicoaversie als stochastische keuzes. Dit project beoogt deze argumenten empirisch te bewijzen. De eerste studie manipuleert de cognitieve belasting om het cognitief vermogen van proefpersonen te bezetten en zo meer ruis aan hun getalrepresentaties te geven om te testen of de keuzes van de behandelde proefpersonen meer risiconeutraal en willekeurig worden. Enkele studies tonen aan dat de accuraatheid van mentale getalrepresentaties wordt bepaald door ‘subjectieve gecijferdheid’, een numerieke competentie die uit twee elementen bestaat. De tweede studie wijst willekeurig twee behandelingen (hersenstimulatie en -training) toe aan proefpersonen om deze eerder genoemde elementen te versterken en test vervolgens of behandelde proefpersonen zich risico neutraler en consistenter gedragen. Verder wordt de relatieve rol van deze twee elementen van ‘subjectieve gecijferdheid’ in het nemen van beslissingen vergeleken. Ten slotte onderzoekt de derde studie of en hoe ruis op getalrepresentaties leidt tot schendingen van stochastische dominantie.