代表性和概率
使用代表性来解释概率判断和直觉预测是基于下面的假设：
（1）“X对M（非常/……/全然不）具有代表性”这一关系，可以由判断者进行有意义的评估。
（2）这些评估不是基于概率或者频率的印象，而是由代表性来解释的。
（3）代表性有其自己的逻辑，它系统地区分于概率逻辑。
当这些条件满足时，来检验概率判断是否受代表性的评估的调节，是有重要意义的。
对不确定事件发生概率的评估或者未知数值的预测，是一个复杂的过程，它包括对问题的解释、对相关信息的搜索和合理回答的选择。它可以和一个灵活的计算机程序的运行相比较，这种计算机程序包容了多种潜在有用的子程序。依照这个类比，代表性启发式是其中的一个程序，它可以被用来提取、解释和评估信息。当然，这一启发式的使用，并不排除其他程序的使用，这也正如形象性（imagery）启发式在回忆中的使用，并不排除其他策略的使用。但是，对启发式的依赖会导致特有的偏差。当形象性启发式被用来回忆在某一会议中在场的人时，与会者中可以被清楚看到，相比那些不能清楚看到的更能被记住。同样地，用代表性启发式评估主观概率会造成对某些概率的高估和对其他概率的低估。
早先的研究导致极端的假设，即认为某些概率判断完全是基于代表性的。比如说，主观样木分布基本独立于样本容量这一观察（Kahneman & Tversky，1972b，3）表明，人们根据样本统计量和相应的总体参数的相似度来评估样本的概率。但是，大部分可资使用的数据都支持一个更温和的假设，即直觉预测和概率判断，对代表性是高度敏感的，但不是完全受其控制。因此，主观概率受到那些（标准上）不相关但影响代表性的因素的强烈影响，而对（标准上）相关但不影响代表性的因素相对不敏感。代表性偏差的大小以及样本容量、可靠性和基率等变量的影响，取决于问题的性质、实验设计的特点、回答者的严谨程度和在场的暗示性的线索或者其他需求特征（demand characteristics）。我们将在第34章对这些因素在有关判断的研究中的角色进行讨论。
如果对代表性的依赖会造成系统的错误，那为何人们还使用这一关系作为预测和判断的基础？对这一问题的回答有三点。第一，代表性显得容易获取和易于评估。当代对范畴化的研究（Mervis& Rosch，1981；Rosch，1978）表明，概念性的知识，通常是用原型或者代表性的实例的方式进行组织和处理的。因而，我们会发现，评估某一实例对所属类别的代表性比评估它的条件概率更容易。第二，更可能发生的事件，通常比更不可能发生的事件更具代表性。比如说，一个与总体相似的样本，通常比同样样本容量的高度非典型的样本更可能发生。第三，样本通常对母体具有代表性，这一信念致使人们高估频率和代表性之间或者统计关联和隐含的相似度之间的相关关系。因此，代表性之所以被使用，是因为：（1）它易获取，（2）它通常与概率相关联，以及（3）人们高估了这一相关关系。但是，对代表性的依赖会导致可预见的判断错误，因为代表性有它自己的逻辑，而这一逻辑与概率逻辑不同。
代表性和概率间的反差，在下面的情况中最为显著：（1）当证据是错误的，或者（2）当目标事件是高度特殊的。在第一种情况中，对我们的模型具有高度代表性的结果，也许是不可能发生的——如果我们观念中的模型，是建立在不具有效性的证据上。比如说，请思考在一次面试中给人留下突出印象的候选人完成一项非常困难的任务的可能性。因为基于面试的印象，是臭名昭著地不可靠，且工作成功与否是由多种因素控制的，而这些因素，并不是从一次简单的交谈中就可以预测到的。因此，尽管成功非常能体现候选人给我们的印象，但成功还是很有可能不会发生。
就第二种情况而言，代表性的结果也许会非常不可能发生，因为它太特殊或者说太具体。一般而言，一个事件不可能发生，或者是因为它是非典型的，或者因为它太特殊。低于135磅的体重对中年男子来说是非典型的；157.625磅的体重是典型的，但过于特殊。事实上，尽管前者更有可能，但后者更能代表中年男子。如本例所示，特殊性的增加，通常不会导致代表性的减少。因此，具有不同特殊性的事件之间的比较，通常会导致代表性和概率间的冲突。比如说，随机抽取的四张牌的样本由红心K、黑桃A、方块9和梅花4组成，它比四张一样的牌组成的样本显得更具代表性，尽管后者往往更可能发生。因此，概率判断中的代表性偏差，在对具代表性但高度特殊的事件的评估中最为显著。这类偏差，在我们下一节要描述的对复合事件的概率判断的研究中有所展示。
用户评论