Notera att antagandet i Detektion samförekomst och härledning Weber's lag: Via Students t-test om att vi konvergerar mot en neuron för mening tillsammans med uttrycket härlett mellan t-testet och Weber's lag också ger en förklaring till en del bias och feltolkningar människor ofta gör.
Ett exempel är människans tendens att acceptera argument som bryter mot rimlig konjunktion rörande just samförekomst d.v.s. accepterande att en händelse eller argument indikerande att A och B tillsammans kan vara större än A resp. B var för sig. Människor har står benägenhet att acceptera detta i information.
Genom att det egentligen just är intensiteter och inte sannolikheter samtidigt som att efter att samförekomsten är inlärd konvergerar den till en neuron kommer A och B ej blandas in i bedömningen för bedömningar som söks vara energieffektiva utan kräver att vi tänker till och skapar mer arbetsamma representationer av information från flera olika neuroner i motsvarande arbetsminne för detektion.
Uttrycket för intensitet för samförekomst jämförs primärt endast vid konvergensen enligt uttrycket sist presenterat.
I alla situationer där effekten och skattningen är den samma är detta dock inte ett brott mot konjunktion-lagen. Ett exempel är symboler bestående av flera ord vi tolkar till en mening ex. Costa Rica. Det är endast ett brott mot konjunktions-lagen om vi antar och förutsätter att orden i sig är den enhet vi följer. Någon anledning att göra det för Costa Rica i engelskan där orden costa och rica approximativt inte alls förekommer finns inte. Från detta och dess stora realitet inte minst i visuell information inser vi varför detta är en effektiv optimering trots att vi kan bli lurade av bedräglig riktad information skapad av människor.
Det ger mig ibland viss tillfredsställelse att diskutera dom här uttrycken mer troligt först. Allmänt gäller dock att det nu när vi mycket oftare är nära det praktiska (vilket gör dem också intressantare för andra än en själv) tenderar jag att vara väldigt försiktig i vad som översätter till beräkningseffektiva algoritmer och som inte är välkända.
