代表性启发

心理学术语

人们在不确定的情况下，会关注一个事物与另一个事物的相似性，以推断第一个事物与第二个事物的类似之处，人们假定将来的模式会与过去相似并寻求熟悉的模式来做判断，并且不考虑这种模式产生的原因或重复的概率，即人们倾向于根据样本是否代表（或类似）总体来判断其出现的概率，认知心理学将这种推理过程称之为代表性启发法。

代表性启发概述

代表性启发（ representatitiveness heuristic）在使用启发时，首先会考虑到借鉴要判断事件本身或事件的同类事件以往的经验即以往出现的结果，这种推理过程称之为代表性启发。

代表性启发偏差

在很多情况下，代表性法则是一种非常有效的方法，能帮助人们迅速地抓住问题的本质推断出结果，但有时也会造成严重的偏差，特别是会忽视事件的基本要素（base rate neglect），即无条件概率和样本大小。

1973年Kahneman及Tversky进行了一个名为“Tom W ”的著名实验，大概如下：给被试以下一段关于Tom W.的描述：“Tom W.智商很高，但是缺乏真正的创造力。他喜欢按部就班，把所有事情都安排得井然有序，写的文章无趣、呆板，但有时也会闪现一些俏皮的双关语和科学幻想。他很喜欢竞争，看起来不怎么关心别人的感情，也不喜欢和其他人交往。虽然以自我为中心，但也有很强的道德感。” 然后要被试估计，Tom W.最有可能是以下哪个专业的学生：企业管理，工程，教育，法律，图书，医学，社会学？想象一下如果你是其中一名被试，你会怎么回答。结果，绝大多数被试都认为Tom W.最有可能是工程系学生。相信你的答案也不多。为什么呢？很有可能是因为Tom W.最像一个学工程学的学生。也就是说，对Tom W.的以上描述，与我们心目中一个理工科学生所应当具有的形象完全吻合（或者说代表了一个理工科学生的形象），所以我们认为Tom W.最有可能是工程系的学生。这就是典型的代表性启发式思维方式。当面对不确定的事件，我们往往根据其与过去经验的相似程度来进行判断或预测。说简单一点，就是基于（过去经验的）相似性来预测（当前事件的）可能性。到底个体A是否归属于群体B？如果个体A具有群体B的某些特征（具有相似性、代表性），则认为个体A归属于群体B。但是被试就完全忽略了学生在各个专业中的基础比率（base rate）。就算上述7个专业的学生都一样多，那么任何一个学生是工程系的学生的概率和他是其它任何一个专业的学生的概率是一样的，即1/7。根据另外一组被试对所有学生在各个专业中所占的比率的估计，学工程学的学生应该比学其他专业的学生要更少，即还占不到1/7。如果考虑到这一点，那么任意抽一个学生出来（比如Tom W.），他是学工程学的可能性应该是很低的。这种在判断时忽略基础比率而导致的谬误就是所谓的基础比率谬误（base rate fallacy）。

代表性启发应用

在很多情况下，代表性法则是一种非常有效的方法，能帮助人们迅速地抓住问题的本质推断出结果，但有时也会造成严重的偏差。

如果我们在公共汽车上看到一个人鬼鬼祟祟，像个小偷，则我们会认为他就是一个小偷，并提高警惕性。有时相似性确实和可能性有关，因此这种判断是正确的，但有时则可能会因此忽略其它相关信息而做出错误的判断。

统计学中有个大数规则,但研究发现,人们往往信奉“小数规则”,即不管样本容量多小,人们总认为它能反映总体。比如前五次抛出的硬币都是正面时,大多数人就会认为第六次抛出的硬币更可能是反面,因为人们认为“正正正正正反”比“正正正正正正”更具有一般性。一些投资者老抱着一些深度套牢的股票不放,就是自认为已经两年没涨了,该轮到它了吧。投资者的这种股价会“自我矫正”的错误观念,无疑是“把牢底坐穿”的一个很重要的原因。

所以使用代表性启发法一方面是我们在生活中简化认知过程快速得出结论的捷径，另一方面使用这种捷径得到的结论却并不总是正确的，所以我们要理性地对待认知结果。

全国各地天气预报查询

上海市

云南省

云南省

云南省

云南省