Tidigare studier har visat att individer med neuropsykiatrisk funktionsnedsättning som Autism Spectrum Disorder (ASD) skiljer sig åt i prediktiva beteenden som informationssökning och hanteringen av prediktionsfel jämfört med neurotypiska individer(NT). Det har även påvisats att individer med ASD söker information annorlunda med blicken genom att inspektera en mindre andel av den visuella tillgängliga informationen jämfört mot NT personer. Därför är syftet med denna studie att undersöka om grad av ASD-liknande egenskaper bland neurotypiska individer är kopplade till skillnader i informationssökning för modelluppdatering. Detta undersöktes genom att registrera blickbeteendet hos nio deltagare(19–25 år), utan funktionsnedsättning. Deltagarna hade till uppgift att predicera var en animerad fluga skulle dyka upp i ett enkelt dataspelsliknande test. Efter en inledande inlärningsperiod ändrades förutsättningarna för flugans uppdykande vilket krävde en uppdatering av deltagarens prediktiva modell. Efter flugspelet besvarade deltagarna ett kort ASD-screeningtest. Resultatet visade att deltagare generellt drivs att utforska till följd av prediktionsfel och att blicken som regel utforskar innan kostsammare informationssökning sker. Två separata Pearsons korrelationskoefficientstest har beräknats för att se om variablerna ASD-drag och utfall i flug-experimentet som berör informationssökning och ASD-drag och prestation, korrelerar med varandra. Resultaten visade att det inte fanns några signifikanta korrelationer mellan ASD-poäng och antal utforskande beteenden eller mellan ASD-poäng och antal trial.

To be able to make accurate predictions and adapt, we sometimes need to adjust our understanding of the world, yet what incentivizes expansion of our mental world models remains poorly understood. The aim of this study was to investigate what motivates people to update their world models – here referred to as the ontological model structure, and how updating is related to uncertainty. The study is of experimental design and uses a digital game divided into two conditions (ambiguous and unambiguous) that vary the expectations for the game’s causal structure. The goal of the game was to gain points by accurately predicting on what food item a fly will land. To make accurate predictions, the participant should adjust their cognitive model when encountering new information. Data from 84 participants was collected online, using Prolific.co. It was hypothesized that initial ambiguity would affect the likelihood of information seeking by increasing the frequency of prediction errors and would result in a faster switch to an optimal cognitive model. The study found that participants in the more ambiguous condition sought information earlier, gained more prediction errors and changed to an optimal model faster than participants in the less ambiguous condition. However, both participant groups seemed equally as equipped to change models as a result of prediction errors. This might indicate that despite similar support for an initial model, it is the prediction errors and our recent history that affects our tendency to adjust our cognitive models. / För att kunna göra korrekta prediktioner och anpassa oss behöver vi ibland justera vår förståelse av världen, vad som motiverar en revidering av våra mentala modeller är dock fortfarande oklart. Studiens syfte var att undersöka vad som motiverar människor att uppdatera sina modeller – benämnd här som den ontologiska modellstrukturen, och hur uppdateringen är relaterad till osäkerhet. Studien är av experimentell design och använder ett digitalt spel uppdelat i två betingelser (tvetydig och entydig), som varierar förväntningarna på spelets ontologiska struktur. Spelets mål var att samla poäng genom att korrekt predicera på vilken matvara en fluga kommer att landa. För att kunna göra korrekta prediktioner bör deltagaren justera sin kognitiva modell när ny information fås. Data från 84 deltagare samlades in online, med hjälp av Prolific.co. Det antogs att den initiala tvetydigheten skulle påverka sannolikheten för informationssökning genom att öka frekvensen av prediktionsfel och att det skulle resultera i en snabbare övergång till en optimal kognitiv modell. Studien fann att deltagare i den mer tvetydiga betingelsen sökte information tidigare, fick fler prediktionsfel och ändrade till en optimal modell snabbare än deltagare i den mindre tvetydiga betingelsen. Däremot verkade båda deltagargrupperna lika väl utrustade att byta modell till följd av prediktionsfel. Det kan tyda på att trots liknande stöd för en initialmodell är det prediktionsfel och vår närhistoria som påverkar vår tendens att justera våra kognitiva modeller.

Spelbolag AB has a long history in the Swedish market. Their products are all based on randomness, with a predetermined probability of winning. Some of Spelbolag AB's products are stable in sales throughout the year, while others fluctuate with holidays. Spelbolag AB offers products whose sales are largely influenced by the prize value; higher prize amounts attract more gamblers, while lower prize amounts attract fewer gamblers. Spelbolag AB also has products that are purchased more or less based on the value of the prize, i.e. a higher prize pot increases the number of gamblers and vice versa. Through campaigns, the company wishes to enhance the interest in their products. To estimate the total revenue from the products, a statistical tool has been used. The predictions are made for different key performance indexes (KPIs) which are used as the foundation for some strategic decisions. A wish to improve the statistical tool used by the company has risen due to poor performance. This thesis aimed to create an updated statistical tool. This tool was based on a time series analysis of the weekly net game revenue (NGR). The goal of the time series analysis was to find a statistical model with high forecast accuracy. To find the optimal model for forecast accuracy, a grid search algorithm was used. The performance measure mean squared prediction error (MSPE) was used as a decision base in the grid search along with the mean absolute percentage error (MAPE). Akaike information criterion (AIC) was also estimated as a goodness-of-fit measure. The thesis work resulted in two different SARIMAX models that were analyzed and tested, both including the same exogenous variables. The recommended SARIMAX(1, 0, 2)(1, 1, 1)52 model obtained an MAPE of 4.49%. / Spelbolag AB har en lång historia på den svenska marknaden. Deras produkter är alla slumpmässiga i dess utfall, med en förbestämd chans att vinna. Vissa av Spelbolag ABs produkter har stabil försäljning, medan andra flukturerar med högtider. Spelbolag AB har även produkter vars försäljning påverkas av vinstsumman; fler personer spelar när vinstsumman är hägre och tvärtom. Genom kampanjer önskar företaget öka intresset för sina produkter, och på så vis öka försäljningen. För att prediktera och kunna förutse de totala intäkterna från produkternas försäljning har ett statistisk verktyg använts. Dessa prediktioner har gjorts för olika KPIer, vilka används för att fatta strategiska beslut. Detta verktyg har på den senaste tiden resulterat i dåliga prediktioner, varpå en önskan om att förnya verktyget har uppkommit. Syftet med denna uppsats har därmed varit att uppdatera det statistiska verktyget. Verktyget har baserats på en tidsserieanalys av veckovist netto spelinkomst (NSI). Målet med tidsserieanalysen var att hitta en statistisk modell med hög träffsäkerhet i prediktionerna. För att hitta en optimal modell för just prediktionsnoggrannhet användes algoritmen rutnätssökning. Beslutsunderlaget i denna rutnätssökning var medelkvadratisk predikteringsfel (MSPE) samt medelabsolut procentuellt fel (MAPE). Dessutom estimerades akaike informationskriteriet (AIC) som ett mått på modellanpassning. Uppsatsen resulterade i två olika SARIMAX modeller som båda analyserades och testades, och dessa modeller inkluderade samma exogena variabler. Den rekommenderade SARIMAX(1, 0, 2)(1, 1, 1)52 modellen erhöll ett MAPE av 4.49%.