表明性啓發式 —— 在不肯定時作判斷

面對不肯定的事物，人們一般基於啓發式來判斷。啓發式頗有用，可是也會帶來偏誤：好比 看不清=距離遠 這一判斷在大多數狀況下是正確的，可是若是你故意模糊某個東西，人們會錯誤地覺得它更遠。

人們在判斷機率和估值時候，經常使用這樣三個啓發式：表明性 (representativeness) 啓發式，易得性 (availability) 啓發式，調整與錨定 (adjustment and anchoring) 啓發式。

表明性 (representativeness) 啓發式

1. ==人們會錯把表明性當機率==。鄰居描述史蒂夫是一個羞澀寡言，樂於助人，可是對人和世界不感興趣的人。讓人們去判斷他的職業是哪一種職業的可能性更大：農民、推銷員、機長、圖書管理員、醫生。人們會錯認爲史蒂夫是圖書管理員，由於這符合他們對這個職業的刻板印象。
2. 那麼考慮到哪些因素就可以更好地幫助對機率的判斷呢？
   1. 先驗機率，又名==基礎比率==。人們在考慮表明性的時候，尤爲是獲得了無心義的證據的時候，會下意識地忽略基礎比率，使用表明性來錯誤的作判斷。一樣的是上面的史蒂夫問題，應用先驗機率和貝葉斯才能獲得正確的答案。
   2. 樣本大小。相比於樣本揭示的規律，樣本大小有時候可以更好的解釋問題。
   3. 對概率的正確理解。賭徒謬誤，好比開大小的時候錯誤地覺得機率會自我修正到中間，可是實際上只是自我稀釋罷了，連開十次「大」和五五開的機率是同樣的。
   4. 可預測性。可預測性越高，預估值的區間就越廣。好比單憑一個對教師教學水平的簡短的評測，是不該該可以判斷出這個教師五年以後的教學水平的。
   5. 當心過分自信而對本身的預測產生的有效性幻覺 (illusion of validity) ，緣由是確認偏誤 (confirmation bias)，即人們會傾向於尋找到可以支持本身觀點的證據，對支持本身觀點的信息更加關注，或者把信息往能支持本身觀點的方向解釋。從幾個獨立的事件來作判斷的效果會比冗餘的有相關性的事件來作判斷效果好。
   6. 迴歸均值。人們每每忽略這一趨勢的存在，即使意識到也很容易隨意地解釋其緣由。例如，在飛行員的訓練中，教官發現，在平穩着陸後給表揚，下一次就會表現得相對更差；在硬着陸後給批評，下一次就會表現得相對更好，而後教官會錯誤地覺得，是表揚和批評致使了下一次的表現。而實際上只是下一次迴歸均值而已。所以，人們一般會高估批評的效果，低估表揚的效果。

本文首發於 硅谷io