a reprezentativitás heurisztikus alkotta Daniel Kahneman és Amos Tversky, két legbefolyásosabb alakja viselkedési közgazdaságtan. Az elfogultság szemléltetésére használt klasszikus példa arra kéri az olvasót, hogy fontolja meg Steve-t, akit egy ismerős “nagyon félénk és visszahúzódó, mindig hasznos, de kevés érdeklődést mutat az emberek iránt, vagy a valóság világában. Szelíd és rendezett lélek, szüksége van a rendre és a struktúrára, és szenvedélye a részletekre.”Miután elolvasta Steve leírását, gondolod, hogy valószínűbb, hogy Steve könyvtáros vagy gazdálkodó? 2 intuitív módon, a legtöbben úgy érzik, Steve kell egy könyvtáros, mert ő több képviselője a kép egy könyvtáros, mint ő a kép egy gazda.

mint minden kognitív torzításnál és heurisztikánál, van egy fő oka annak, hogy ilyen gyakran támaszkodunk a reprezentativitásra: korlátozott kognitív erőforrásaink vannak. Minden nap több ezer különböző döntést hozunk, és az agyunk erre van kötve, miközben annyi energiát takarítunk meg, amennyit csak lehet. Ez azt jelenti, hogy gyakran hivatkozunk a parancsikonokra, hogy gyors döntéseket hozzunk a világról. Van azonban egy másik fő oka annak, hogy a reprezentativitás heurisztikus történik. Ez gyökerezik az alapvető módon, hogy érzékeljük és megértsük az emberek és tárgyak.

prototípusokra támaszkodunk, hogy döntéseket hozzunk

a hasonló dolgok csoportosítása-azaz kategorizálása-elengedhetetlen része annak, hogy hogyan értelmezzük a világot. Ez úgy tűnhet, mint egy nem-agy, de kategóriák több alapvető, hogy a képesség, hogy működjön, mint sokan észre. Gondolj minden dolog, akkor valószínű, hogy találkozik egy nap. Amikor emberekkel, tárgyakkal vagy állatokkal lépünk kapcsolatba, arra a tudásra támaszkodunk, amelyet a kategóriájukról megtanultunk, hogy tudjuk, mit kell tennünk. Amikor például egy kutyaparkba megy, előfordulhat, hogy hatalmas formájú, méretű és színű állatokat lát, de mivel mindegyiket “kutyának” minősítheti, azonnal nagyjából tudja, mit várhat tőlük: hogy szeretnek futni és üldözni a dolgokat, hogy szeretik a kezeléseket, és ha egyikük elkezd morgni, akkor valószínűleg vissza kell térnie.

kategóriák nélkül, minden alkalommal, amikor valami újat találkoztunk, a semmiből meg kell tanulnunk, mi volt és hogyan működött-nem is beszélve arról, hogy lehetetlen lenne annyi információt tárolni minden különálló entitásról, korlátozott kognitív képességünket adva. Az a képességünk, hogy megértsük és emlékezzünk a világ dolgaira, a kategorizálásra támaszkodik. A másik oldalon, ahogy megtanultuk kategorizálni a dolgokat is befolyásolhatja, hogyan érzékeljük őket.3 például az orosz, világosabb, sötétebb árnyalatú kék különböző nevek (“goluboy”, illetve “siniy”), míg az angol, mind a továbbiakban a ” kék.”A kutatások kimutatták, hogy ez a kategorizálás különbsége befolyásolja, hogy az emberek hogyan látják a kék színt: az orosz hangszórók gyorsabban megkülönböztetik a világos és a sötét bluest az angol hangszórókhoz képest.4

a kategorizálás egyik elmélete szerint, prototípuselméletként ismert, az emberek tudattalan mentális statisztikákat használnak annak kiderítésére, hogy néz ki egy kategória” átlagos ” tagja. Amikor ismeretlen dolgokról vagy emberekről próbálunk döntéseket hozni, erre az átlagra—a prototípusra—az egész kategória reprezentatív példájaként hivatkozunk. Van néhány érdekes bizonyíték annak alátámasztására, hogy az emberek valahogy képesek kiszámítani az “átlagos”kategóriájú tagokat. Például, az emberek hajlamosak vonzóbb arcokat találni, minél közelebb vannak az “átlagos” archoz, amelyet egy számítógép generál.5

prototípusok útmutató a találgatások a valószínűség, mint a fenti példában a Steve és a szakma. A könyvtárosok prototípusa valószínűleg olyasvalaki, aki nagyon hasonlít Steve—re—félénk, csinos és kocka -, míg a farmerek prototípusa valószínűleg valaki izmosabb, föld alatti, és valószínűleg kevésbé félénk. Intuitív módon úgy érezzük, hogy Steve könyvtárosnak kell lennie, mert kategóriák és átlagok alapján kell gondolkodnunk.

túlbecsüljük a hasonlóság fontosságát

a reprezentativitás heurisztikus problémája az, hogy a reprezentativitásnak valójában nincs semmi köze a valószínűséghez—mégis több értéket adunk rá, mint a releváns információkra. Az egyik ilyen típusú információ előzetes valószínűség vagy alapkamat: mennyire gyakori valami általában. Például, legalábbis az USA-ban, sokkal több gazdálkodó van, mint könyvtárosok. Ez azt jelenti, hogy statisztikai szempontból mindig helytelen lenne azt mondani, hogy Steve” nagyobb valószínűséggel ” könyvtáros lesz, függetlenül attól, hogy milyen a személyisége, vagy hogyan mutatja be magát.2

a minta mérete egy másik hasznos típusú információ, amelyet gyakran elhanyagolunk. Amikor megpróbálunk becsléseket készíteni egy nagy népességről, egy kisebb minta adatai alapján, azt akarjuk, hogy a minta a lehető legnagyobb legyen, mert akkor teljesebb képet kapunk. De amikor túl sokat koncentrálunk a reprezentativitásra, a minta mérete végül zsúfolt lehet.

ennek illusztrálásához képzeljen el egy golyókkal töltött edényt. ⅔ A golyók egy szín, míg ⅓ egy másik szín. Sally 5 golyót húz az edényből, ebből 4 piros, 1 pedig fehér. James húz 20 golyó, ebből 12 piros, 8 Fehér. Sally és James között, kinek kellene magabiztosabbnak lennie abban, hogy az üvegben lévő golyók ⅔ vörös és ⅓ fehérek?

A legtöbb ember azt mondja, hogy Sally-nek jobb esélye van arra, hogy igaza legyen, mert az általa rajzolt vörös golyók aránya nagyobb, mint James által rajzolt Arány. De ez helytelen: James húzott 20 golyó, sokkal nagyobb, mint Sally 5, így ő egy jobb helyzetben, hogy megítélje a tartalmát a jar. Ösztönösen kísértés, hogy Sally 4:1-es mintájára menjünk, mert sokkal reprezentatívabb az arány, amelyet keresünk, mint James 12:8, de ez az ítéletünk hibájához vezet.