representativitet heuristisk ble skapt Av Daniel Kahneman Og Amos Tversky, to av de mest innflytelsesrike tallene i atferdsøkonomi. Det klassiske eksemplet som brukes til å illustrere Denne bias ber leseren om å vurdere Steve, som en bekjent har beskrevet som «veldig sjenert og tilbaketrukket, alltid nyttig, men med liten interesse for mennesker, eller i virkelighetsverdenen. En saktmodig og ryddig sjel, han har behov for orden og struktur, og en lidenskap for detaljer.»Etter å ha lest En Beskrivelse Av Steve, tror Du Det er mer sannsynlig At Steve er bibliotekar eller bonde? 2 Intuitivt føler de Fleste Av Oss At Steve må være bibliotekar fordi Han er mer representativ for vårt bilde av en bibliotekar enn han er vårt bilde av en bonde.Som med alle kognitive forstyrrelser og heuristikk, er det en hovedgrunn til at vi stoler på representativitet så ofte: vi har begrensede kognitive ressurser. Hver dag tar vi tusenvis av separate beslutninger, og hjernen vår er koblet til å gjøre det mens vi sparer så mye energi som mulig. Dette betyr at vi ofte stole på snarveier for å gjøre raske vurderinger om verden. Det er imidlertid en annen viktig grunn til at representativitetsheuristikken skjer. Det er forankret i den grunnleggende måten vi oppfatter og forstår mennesker og objekter.

vi trekker på prototyper for å ta beslutninger

Gruppering av lignende ting sammen-det vil si kategorisering av dem-er en viktig del av hvordan vi gir mening om verden. Dette kan virke som en no-brainer, men kategorier er mer grunnleggende for vår evne til å fungere enn mange innser. Tenk på alle de tingene du sannsynligvis vil møte på en enkelt dag. Når vi samhandler med mennesker, objekter eller dyr, trekker vi på kunnskapen vi har lært om deres kategori, slik at vi kan vite hva vi skal gjøre. Når du går til en hundepark, kan du for eksempel se dyr i et stort utvalg av former, størrelser og farger, men fordi du kan kategorisere dem alle som» hund», vet du umiddelbart omtrent hva du kan forvente av dem: at de liker å løpe og jage ting, at de liker å få godbiter, og at hvis en av dem begynner å grille, bør du sannsynligvis gå tilbake.

Uten kategorier, hver gang vi møtte noe nytt, måtte vi lære fra grunnen av hva det var og hvordan det fungerte—for ikke å nevne det faktum at lagring av så mye informasjon om hver separat enhet ville være umulig, noe som gir vår begrensede kognitive kapasitet. Vår evne til å forstå og huske ting om verden er avhengig av kategorisering. På baksiden kan måten vi har lært å kategorisere ting også påvirke hvordan vi oppfatter dem.3 for eksempel, på russisk, lysere og mørkere nyanser av blått har forskjellige navn («goluboy «og» siniy», henholdsvis), mens på engelsk er begge referert til som » blå.»Forskning har vist at denne forskjellen i kategorisering påvirker hvordan folk ser fargen blå: russiske høyttalere er raskere på å diskriminere mellom lys og mørk blues, sammenlignet med engelsktalende.4

ifølge en teori om kategorisering, kjent som prototypeteori, bruker folk ubevisst mental statistikk for å finne ut hva det «gjennomsnittlige» medlemmet i en kategori ser ut. Når vi prøver å ta beslutninger om ukjente ting eller mennesker, refererer vi til dette gjennomsnittet-prototypen – som et representativt eksempel på hele kategorien. Det er noen interessante bevis for å støtte ideen om at mennesker på en eller annen måte kan beregne» gjennomsnittlige » kategorimedlemmer som dette. For eksempel har folk en tendens til å finne ansikter mer attraktive jo nærmere de er til det «gjennomsnittlige» ansiktet, som generert av en datamaskin.5

Prototyper styrer våre gjetninger om sannsynlighet, som i eksemplet ovenfor Om Steve og hans yrke. Vår prototype for bibliotekarer er trolig noen som ligner Steve ganske tett-sjenert—ryddig—og nerdete – mens vår prototype for bønder er trolig noen mer muskuløs, mer down-to-earth, og sannsynligvis mindre engstelig. Intuitivt føler Vi At Steve må være bibliotekar fordi vi er bundet til å tenke i form av kategorier og gjennomsnitt.

vi overvurderer betydningen av likhet

problemet med representativitetsheuristikken er at representativiteten egentlig ikke har noe å gjøre med sannsynlighet—og likevel legger vi mer verdi på det enn vi gjør på informasjon som er relevant. En slik type informasjon er tidligere sannsynlighet eller basisrenter: hvor vanlig noe er generelt. For EKSEMPEL, i HVERT FALL I USA er det mange flere bønder enn det er bibliotekarer. Dette betyr at statistisk sett vil det alltid være feil å si At Steve er «mer sannsynlig» å være bibliotekar, uansett hva hans personlighet er eller hvordan han presenterer seg.2

Prøvestørrelse er en annen nyttig type informasjon som vi ofte forsømmer. Når vi prøver å lage estimater om en stor befolkning, basert på data fra et mindre utvalg, vil vi at vårt utvalg skal være så stort som mulig, for da har vi et mer komplett bilde. Men når vi fokuserer for mye på representativitet, kan prøvestørrelsen ende opp med å bli overfylt.

for å illustrere dette, tenk deg en krukke fylt med baller. ⅔ Av ballene er en farge, mens ⅓ er en annen farge. Sally trekker 5 baller fra krukken, hvorav 4 er røde og 1 er hvite. James trekker 20 baller, hvorav 12 er røde og 8 er hvite. Mellom Sally og James, hvem burde føle seg mer trygg på at ballene i krukken er ⅔ rød og ⅓ hvit?De fleste sier At Sally har bedre odds for å ha rett fordi andelen røde baller hun trakk er større enn Andelen trukket Av James. Men dette er feil: James trakk 20 baller, mye større Enn Sallys 5, så han er i en bedre posisjon til å bedømme innholdet i krukken. Vi er intuitivt fristet til å gå For Sallys 4:1-prøve fordi Det er mer representativt for forholdet vi leter etter Enn James ‘ 12: 8, men dette fører oss til en feil i vår dom.