决策偏差一：代表性启发式

1 什么是代表性启发式

代表性启发式：1970年代初期提出，是一种常见的认知偏差。人们会通过“A在多大程度上代表B，或者A在多大程度上与B相似”来判断事件发生的可能性。

赌徒连续输了很多次后，会有一种强烈的感觉——下次一定会赢，当你多次抛的硬币，都是正面向上，你会认为下一次反面向上概率更大。但事实却是，每一次赌局都是随机独立的事件，下一次输赢并不受上一局结果的影响，硬币正反面向上概率是50%，并不受前面结果的影响。这是典型的赌徒谬误。

为什么会产生这种认知偏差呢？人们潜意识里认为，当事件偏离常态时，会出现校正。

2 代表性偏差常见类型

小数法则。特沃斯基和卡尼曼在研究赌徒谬误后，提出小数法则，即人们通过掌握的有限的样本信息，去评估整体。样本能否代表整体，取决于样本的代表性，即抽样的方法。但是，在现实世界中，对一件事情的判断，受到时间、获取信息的难度等限制，易产生代表性偏差。你观察到的信息，不一定能反映某事件的全貌。

幸存者偏差。身边随处可见创业成功者，你会觉得创业很容易。实际情况却是，99%以上的创业项目悄无声息的死了。

琳达效应。高估两个事件共同发生的概率，提供的情景细节性越具体，人们越容易高估发生的概率。看下面一个例子：

琳达，31岁，单身，坦率直言，性格开朗，主修哲学。在学生时代，她就非常关注歧视和社会公正问题，还参加了反对核武器的活动。下面两种情况哪种可能性更大？
A.琳达是银行出纳。
B.琳达是银行出纳，同时她还积极参与女权运动

大部分人会认为B选项可能性更大。我们画一个图，就一目了然了，根据题目给出的信息，B出现的概率远小于A出现的概率，所以琳达是银行出纳的可能性更大。

3 如何利用代表性启发式？

代表性启发式有很多弊端，那么如何避免呢？

关注基础概率。这点太有用了。大家常说的“选择大于努力”，换个说法是：选择正确的道路，成功的基础概率更大，至少付出同样的努力，收获更多。如果你仔细看一下统计数据，你会发现发生车祸的概率远高于飞机遇难，飞机出事被媒体报道远高于车祸，让你产生了偏差。大量样本统计后得出的基础概率，可信度远高于随机样本得到的结果。

不要被细节迷惑。越具体、鲜活的细节，越让人陷入其中。当别人给你讲事业合伙制时，讲了很多成功的案例和操作细节，你就觉得自己的公司能搞一套了？这还需要详细的调查和了解实际情况才能决定。

最后，提醒一下，我们不是否定代表性启发式，人类千百年进化后，大部分决策都是依靠直觉的。

2021年4月9日