reprezentativnost heuristické byl vytvořen Daniel Kahneman a Amos Tversky, dva z nejvlivnějších postav v behaviorální ekonomii. Klasický příklad používá k ilustraci tohoto zkreslení žádá čtenáře, aby zvážila, Steve, kterého známý popsal jako „velmi plachý a uzavřený, vždy užitečné, ale s malým zájmem o lidi, nebo ve světě reality. Pokorná a uklizená duše, potřebuje pořádek a strukturu a vášeň pro detail.“Po přečtení popisu Steva si myslíte, že je pravděpodobnější, že Steve je knihovník nebo farmář? 2 intuitivně, většina z nás má pocit, že Steve musí být knihovník, protože je více reprezentativní pro náš obraz knihovníka než pro náš obraz farmáře.

stejně jako u všech kognitivních předsudků a heuristiky existuje jeden hlavní důvod, proč se tak často spoléháme na reprezentativnost: máme omezené kognitivní zdroje. Každý den, děláme tisíce samostatných rozhodnutí, a naše mozky jsou zapojeny, aby tak učinily, zatímco šetří co nejvíce energie. To znamená, že se často spoléháme na zkratky, abychom mohli rychle posoudit svět. Nicméně, tam je další hlavní důvod, že reprezentativnost heuristické stane. Je zakořeněn v základním způsobu, jakým vnímáme a chápeme lidi a objekty.

nakreslíme na prototypy, aby se rozhodnutí,

Seskupení podobné věci dohromady—to je, třídit je—je nezbytnou součástí toho, jak jsme světu smysl. To se může zdát jako nasnadě, ale kategorie jsou pro naši schopnost fungovat zásadnější, než si mnoho lidí uvědomuje. Přemýšlejte o všech věcech, s nimiž se pravděpodobně setkáte za jediný den. Kdykoli komunikujeme s lidmi, předměty nebo zvířaty, čerpáme z poznatků, které jsme se dozvěděli o jejich kategorii, abychom mohli vědět, co dělat. Když jdete do parku, například, můžete vidět zvířata v obrovské škále tvarů, velikostí a barev, ale proto, že můžete kategorizovat je jako „pes“, okamžitě víte zhruba, co od nich očekáváte: že se jim líbí běžet a honit věci, které chtějí dostat dárky, a že pokud jeden z nich začne vrčet, asi by ses měl zase pryč.

Bez kategorií, pokaždé, když jsme narazili na něco nového, měli bychom se učit od nuly, co to bylo a jak to fungovalo—nemluvě o skutečnosti, že ukládání tolik informací o každý samostatný subjekt by bylo nemožné, což naše omezené kognitivní kapacity. Naše schopnost porozumět a pamatovat si věci o světě závisí na kategorizaci. Na druhou stranu, způsob, jakým jsme se naučili kategorizovat věci, může také ovlivnit, jak je vnímáme.3 například v ruštině mají světlejší a tmavší odstíny modré různá jména („goluboy “ a“ siniy“), zatímco v angličtině jsou oba označovány jako „modré“.“Výzkum ukázal, že tento rozdíl v kategorizaci ovlivňuje to, jak lidé vidí modrou barvu: ruští mluvčí rychleji rozlišují mezi světlou a tmavou modrou barvou ve srovnání s anglickými reproduktory.4

podle jedné teorie kategorizace, známé jako teorie prototypů, lidé používají nevědomé mentální statistiky, aby zjistili, jak vypadá „průměrný“ člen Kategorie. Když se snažíme rozhodovat o neznámých věcech nebo lidech, odkazujeme na tento průměr-prototyp—jako na reprezentativní příklad celé kategorie. Existuje několik zajímavých důkazů na podporu myšlenky, že lidé jsou nějak schopni vypočítat „průměrné“ členy kategorie, jako je tento. Například, lidé mají tendenci najít tváře atraktivnější, čím blíže jsou k „průměrné“ tváři, jak je generován počítačem.5

prototypy vedou naše odhady o pravděpodobnosti, jako ve výše uvedeném příkladu o Stevovi a jeho profesi. Náš prototyp pro knihovníky je pravděpodobně někdo, kdo se Stevovi docela podobá-plachý, čistý, a hloupý—zatímco náš prototyp pro farmáře je pravděpodobně někdo svalnatější, více na zemi, a pravděpodobně méně plachý. Intuitivně, máme pocit, že Steve musí být knihovník, protože jsme povinni myslet z hlediska kategorií a průměrů.

přeceňovat význam podobnosti

problém s heuristika reprezentativnosti je, že reprezentativnost vlastně ani nemá nic společného s pravděpodobností—a přesto, že jsme se dát větší hodnotu, než my na informace, které jsou relevantní. Jedním takovým typem informací je předchozí Pravděpodobnost nebo základní sazby: jak běžné je něco obecně. Například, alespoň v USA, existuje mnohem více zemědělců než knihovníků. To znamená, že ze statistického hlediska, vždy by bylo nesprávné říci, že Steve je“ pravděpodobnější“, že bude knihovníkem, bez ohledu na to, jaká je jeho osobnost nebo jak se prezentuje.2

velikost vzorku je dalším užitečným typem informací, které často zanedbáváme. Když se snažíme dělat odhady o velké populaci, na základě dat z menšího vzorku, chceme, aby náš vzorek byl co největší, protože pak máme úplnější obrázek. Ale když se příliš soustředíme na reprezentativnost, velikost vzorku může skončit vytlačením.

pro ilustraci si představte nádobu naplněnou kuličkami. ⅔ Kuliček je jedna barva, zatímco ⅓ jsou jiné barvy. Sally kreslí 5 kuliček ze sklenice, z nichž 4 jsou červené a 1 je bílá. James kreslí 20 míčů, z toho 12 jsou červené a 8 jsou bílé. Mezi Sally a Jamesem, kdo by měl mít větší jistotu, že koule ve sklenici jsou ⅔ červené a white bílé?

většina lidí říká, že Sally má větší šanci, že má pravdu, protože podíl červených koulí, které nakreslila, je větší než podíl nakreslený Jamesem. Ale to je nesprávné: James nakreslil 20 míčů, mnohem větší než Sally 5, takže je v lepší pozici, aby posoudil obsah sklenice. Jsme intuitivně v pokušení jít pro Sally 4:1 vzorek je, protože to je více reprezentativní poměr hledáme, než James‘ 12:8, ale to nás vede k chybě v náš úsudek.