我们注意到，在整个会话中，值范围（ΔVA -ΔVB）的差异与动物选择A（％选择）和相对值（ρ）的试验的比例相关。原则上，这些相关性可以代表混杂因素。实际上，50μA刺激可能会部分破坏估值过程。结果，动物可能会默认对该会议中最常选择的果汁类型或首选果汁类型做出响应。如果是这样，依赖范围的偏差将类似于偏差（实验1），从某种意义上说，这是由于功能中断而不是促进性而造成的。为了解决这个问题，我们确定了一部分会议的子集，这些会话几乎均匀地分开了两种果汁之间的选择。在此会话子集中，价值范围的差异和选择的分数没有相关。我们认为，如果对整个数据集观察到的范围依赖性偏差是由默认值驱动到最常选择的选项的驱动，那么当分析仅限于该会话子集时，偏差将消失。但是，事实并非如此。实际上，针对选定子集测得的范围依赖性偏差大于整个人群测得的偏差。我们得出的结论是，依赖范围的偏见并不能反映出简单的启发式方法。a，值范围的差异与选择的分数之间的相关性。每个数据点代表一个会话。考虑到整个数据集（黑色数据点，n = 96个会话），这两个度量显着相关（r≥0.71，p <10-15，皮尔逊和斯皮尔曼相关性测试）。我们定义了一个以坐标为中心[0，50]（axes = [9，14]）的小椭圆形。椭圆形确定了数据的子集（粉红色数据点，n = 31个会话），该数据的值范围和选择的分数与该数据的差异无关（P≥0.69，Pearson和Spearman相关测试）。b， 值范围差异与相对值之间的相关性。考虑到整个数据集，这两个度量显着相关（R≥0.33，P≤0.001，Pearson和Spearman相关测试）。但是，当分析仅限于在（粉红色数据点）中确定的会话子集时，相关性会更改符号。C，范围依赖性偏差，与图4C，d中相同的数据。考虑到整个数据集，相对值的变化与值范围的差异显着相关（r≥0.34，p≤0.0007，皮尔逊和斯皮尔曼相关测试）。当分析仅限于在A（粉红色数据点；r≥0.45，p≤0.01），皮尔森（Pearson）和斯皮尔曼（Spearman）相关性测试中）时，相关性不会消失。在此图中，将这两只动物的数据组合在一起。三个面板中的灰色和粉红色线是从脱离回归中获得的。
源数据
