the representativeness heuristic on keksinyt Daniel Kahneman ja Amos Tversky, kaksi vaikutusvaltaisinta henkilöä käyttäytymistaloustieteessä. Klassinen esimerkki, jota käytetään havainnollistamaan tätä ennakkoluuloa, pyytää lukijaa ottamaan huomioon Steven, jota eräs tuttava on kuvaillut ”hyvin ujoksi ja sulkeutuneeksi, poikkeuksetta avuliaaksi, mutta vähällä kiinnostuksella ihmisiä tai todellisuuden maailmaa kohtaan. Nöyrä ja siisti sielu, hänellä on tarve järjestykseen ja rakenteeseen, ja intohimo yksityiskohtiin.”Luettuasi kuvauksen Stevestä, luuletko, että on todennäköisempää, että Steve on kirjastonhoitaja tai maanviljelijä? 2 intuitiivisesti, useimmat meistä tuntuu Steve täytyy olla kirjastonhoitaja, koska hän on enemmän edustaja meidän kuva kirjastonhoitaja kuin hän on meidän kuva viljelijä.

kuten kaikissa kognitiivisissa harhoissa ja heuristiikassa, on yksi pääsyy, miksi luotamme edustavuuteen niin usein: meillä on rajalliset kognitiiviset resurssit. Teemme joka päivä tuhansia erillisiä päätöksiä, ja aivomme on kytketty tekemään niin säästäen samalla mahdollisimman paljon energiaa. Tämä tarkoittaa sitä, että luotamme usein oikoteihin tehdäksemme nopeita arvioita maailmasta. On kuitenkin toinen suuri syy, että edustavuus heuristinen tapahtuu. Sen juuret ovat perustavassa tavassa, jolla hahmotamme ja ymmärrämme ihmisiä ja esineitä.

käytämme prototyyppejä tehdäksemme päätöksiä

samankaltaisten asioiden ryhmittely yhteen—eli niiden kategorisointi—on olennainen osa sitä, miten saamme maailmasta tolkkua. Tämä voi tuntua turhalta, mutta kategoriat ovat toimintakykymme kannalta olennaisempia kuin monet tajuavatkaan. Ajattele, mitä kaikkea kohtaat todennäköisesti yhden päivän aikana. Aina kun olemme vuorovaikutuksessa ihmisten, esineiden tai eläinten kanssa, hyödynnämme tietoa, jonka olemme oppineet heidän kategoriastaan, jotta voimme tietää, mitä tehdä. Kun menet esimerkiksi koirapuistoon, saatat nähdä eläimiä valtavassa muodossa, koossa ja väreissä, mutta koska voit luokitella ne kaikki ”koiriksi”, tiedät heti, mitä voit odottaa niiltä: että ne tykkäävät juosta ja jahdata asioita, että ne tykkäävät saada herkkuja, ja että jos yksi niistä alkaa murista, sinun pitäisi luultavasti perääntyä.

ilman kategorioita, joka kerta kun kohtasimme jotain uutta, meidän olisi opittava tyhjästä, mitä se oli ja miten se toimi—puhumattakaan siitä, että niin paljon tietoa jokaisesta erillisestä oliosta olisi mahdotonta tallentaa, mikä antaisi rajallisen kognitiivisen kapasiteettimme. Kykymme ymmärtää ja muistaa asioita maailmasta nojaa kategorisointiin. Kääntöpuolena se, miten olemme oppineet luokittelemaan asioita, voi myös vaikuttaa siihen, miten havaitsemme ne.3 esimerkiksi venäjän kielessä sinisen vaaleammilla ja tummemmilla sävyillä on eri nimet (”goluboy ”ja” siniy”, vastaavasti), kun taas englannin kielessä molempiin viitataan nimellä ” blue.”Tutkimusten mukaan tämä luokitteluero vaikuttaa siihen, miten ihmiset näkevät sinisen värin: venäjänkieliset ovat englanninkielisiin verrattuna nopeampia erottamaan vaalean ja tumman Bluesin toisistaan.4

erään kategorisointiteorian, joka tunnetaan prototyyppiteoriana, mukaan ihmiset käyttävät tiedostamattomia henkisiä tilastoja selvittääkseen, miltä kategorian ”keskiverto” jäsen näyttää. Kun yritämme tehdä päätöksiä tuntemattomista asioista tai ihmisistä, viittaamme tähän keskiarvoon—prototyyppiin—edustavana esimerkkinä koko kategoriasta. On olemassa joitakin mielenkiintoisia todisteita, jotka tukevat ajatusta siitä, että ihmiset pystyvät jotenkin laskemaan ”keskivertoluokan” jäseniä tällä tavalla. Ihmisillä on esimerkiksi taipumus pitää kasvoja sitä viehättävämpinä, mitä lähempänä ne ovat tietokoneen tuottamia ”keskivertokasvoja”.5

prototyypit ohjaavat arvauksiamme todennäköisyydestä, kuten yllä olevassa esimerkissä Stevestä ja hänen ammatistaan. Meidän prototyyppi kirjastonhoitajille on luultavasti joku, joka muistuttaa Steve melko läheisesti-ujo, siisti, ja nörtti—kun taas meidän prototyyppi viljelijöille on luultavasti joku lihaksikas, maanläheisempi, ja luultavasti vähemmän Arka. Intuitiivisesti meistä tuntuu, että Steven täytyy olla kirjastonhoitaja, koska meidän on pakko ajatella kategorioiden ja keskiarvojen kannalta.

yliarvioimme samankaltaisuuden tärkeyden

edustavuuden heuristisen ongelma on se, että edustavuudella ei itse asiassa ole mitään tekemistä todennäköisyyden kanssa—ja silti annamme sille enemmän arvoa kuin merkitykselliselle tiedolle. Yksi tällainen informaatiotyyppi on ennakkotodennäköisyys tai peruskorot: kuinka yleistä jokin ylipäätään on. Esimerkiksi ainakin Yhdysvalloissa on paljon enemmän maanviljelijöitä kuin kirjastonhoitajia. Tämä tarkoittaa sitä, että tilastollisesti olisi aina väärin sanoa, että Steve on ”todennäköisemmin” kirjastonhoitaja, riippumatta siitä, millainen hänen persoonallisuutensa on tai miten hän esittää itsensä.2

otoskoko on toinen hyödyllinen tietotyyppi, jota usein laiminlyömme. Kun yritämme tehdä arvioita suuresta populaatiosta, perustuen pienemmän otoksen tietoihin, haluamme otoksemme olevan mahdollisimman suuri, koska silloin meillä on täydellisempi kuva. Mutta kun keskitymme liikaa edustavuuteen, otoskoko voi päätyä ahtaaksi.

havainnollistaakseen tätä kuvitelkaa purkki, joka on täynnä palloja. ⅔ Pallot ovat yksi väri, kun taas ⅓ ovat toinen väri. Sally piirtää purkista 5 palloa, joista 4 on punaisia ja 1 on valkoisia. James piirtää 20 palloa, joista 12 on punaisia ja 8 valkoisia. Sallyn ja Jamesin välillä, kumman pitäisi luottaa enemmän siihen, että purkissa olevat pallot ovat ⅔ punaisia ja ⅓ valkoisia?

useimpien mielestä Sallylla on paremmat mahdollisuudet olla oikeassa, koska hänen piirtämiensä punaisten pallojen osuus on suurempi kuin Jamesin piirtämien. Mutta tämä on väärin: James piirsi 20 palloa, paljon enemmän kuin Sally 5, joten hän pystyy paremmin arvioimaan purkin sisällön. Olemme intuitiivisesti kiusaus mennä Sally 4:1 näyte on, koska se on enemmän edustava suhde etsimme kuin James’ 12: 8, mutta tämä johtaa meidät virhearvio.