代表性偏誤(Representativeness Bias)

代表性偏誤(Representativeness Bias)是一種常見的認知偏誤,指人們在評估某事物或過程的概率時,會過度依賴於它與某個特定群體或過程的表面相似程度,而忽視了其它重要的基本概率信息。

例子1:

一名精通統計的人被問到:"在一所大學中,有更多未婚生育的女教師還是未婚女生?"如果直覺上認為未婚生育的女教師較多,就是代表性偏誤在起作用。因為整個女教師群體的數量小於女生群體,所以即便未婚生育的比例高,未婚生育的女生的絕對數量仍可能更大。

例子2:

賽馬時,如果一匹名為"閃電"的馬在起跑時非常迅速,人們往往會高估它最終獲勝的概率,因為它的表現"代表"了速度很快的特徵。但實際上,它能否獲勝還取決於其他因素,如耐力、技術等。

例子3:

在招聘時,面試官可能會過分關注應聘者是否"看上去像一個好程序員",忽視了其他重要線索,如教育背景、工作經驗等,這就是一種代表性偏誤。

代表性偏誤會導致人們做出不合理的概率判斷和決策。識別並糾正這種認知偏差,需要客觀考慮所有相關數據和證據,而不僅僅依賴表面印象。