de representativiteit heuristisch werd bedacht door Daniel Kahneman en Amos Tversky, twee van de meest invloedrijke figuren in de gedragseconomie. Het klassieke voorbeeld dat wordt gebruikt om dit vooroordeel te illustreren vraagt de lezer om Steve te overwegen, die een kennis heeft beschreven als ” zeer verlegen en teruggetrokken, onveranderlijk behulpzaam, maar met weinig interesse in mensen, of in de wereld van de werkelijkheid. Een zachtmoedige en nette ziel, Hij heeft behoefte aan orde en structuur, en een passie voor detail.”Na het lezen van een beschrijving van Steve, denk je dat het waarschijnlijker is dat Steve een bibliothecaris is, of een boer? 2 intuïtief voelen de meesten van ons dat Steve een bibliothecaris moet zijn omdat hij representatiever is voor ons beeld van een bibliothecaris dan ons beeld van een boer.

zoals met alle cognitieve vooroordelen en heuristieken, is er één belangrijke reden waarom we zo vaak afhankelijk zijn van representativiteit: we hebben beperkte cognitieve middelen. Elke dag nemen we duizenden afzonderlijke beslissingen, en onze hersenen zijn gemaakt om dat te doen terwijl we zoveel mogelijk energie besparen. Dit betekent dat we vaak vertrouwen op snelkoppelingen om snel te oordelen over de wereld. Er is echter een andere belangrijke reden dat de representativiteit heuristische gebeurt. Het is geworteld in de fundamentele manier waarop we mensen en objecten waarnemen en begrijpen.

we maken gebruik van prototypes om beslissingen te nemen

het groeperen van soortgelijke dingen—dat wil zeggen het categoriseren ervan—is een essentieel onderdeel van hoe we de wereld begrijpen. Dit lijkt misschien een no-brainer, maar categorieën zijn fundamenteler voor ons vermogen om te functioneren dan veel mensen beseffen. Denk aan alle dingen die je waarschijnlijk tegenkomt in een enkele dag. Wanneer we omgaan met mensen, objecten of dieren, putten we uit de kennis die we hebben geleerd over hun categorie, zodat we weten wat we moeten doen. Als je bijvoorbeeld naar een hondenpark gaat, zie je misschien dieren in een enorm scala aan vormen, maten en kleuren, maar omdat je ze allemaal kunt categoriseren als ‘hond’, weet je meteen wat je van ze kunt verwachten: dat ze graag dingen achterna lopen, dat ze graag traktaties krijgen, en dat als een van hen begint te grommen, je waarschijnlijk weg moet gaan.

zonder categorieën zouden we elke keer als we iets nieuws tegenkwamen, van nul moeten leren wat het was en hoe het werkte—om nog maar te zwijgen van het feit dat het opslaan van zoveel informatie over elke afzonderlijke entiteit onmogelijk zou zijn, wat onze beperkte cognitieve capaciteit zou opleveren. Ons vermogen om dingen over de wereld te begrijpen en te onthouden is afhankelijk van categorisering. Aan de andere kant, de manier waarop we hebben geleerd om dingen te categoriseren kan ook invloed hebben op hoe we ze waarnemen.3 in het Russisch hebben lichtere en donkerdere tinten blauw bijvoorbeeld verschillende namen (respectievelijk” goluby “en” siniy”), terwijl in het Engels Beide worden aangeduid als “blauw.”Onderzoek heeft aangetoond dat dit verschil in categorisatie van invloed is op hoe mensen de Kleur Blauw zien: Russisch sprekers zijn sneller in het onderscheid tussen lichte en donkere blues, in vergelijking met engels sprekers.4

volgens een theorie van categorisatie, bekend als prototype theorie, mensen gebruiken onbewuste mentale statistieken om erachter te komen hoe het “gemiddelde” lid van een categorie eruit ziet. Wanneer we proberen beslissingen te nemen over onbekende dingen of mensen, verwijzen we naar dit Gemiddelde—het prototype—als een representatief voorbeeld van de hele categorie. Er is wat interessant bewijs om het idee te ondersteunen dat mensen op de een of andere manier in staat zijn om “gemiddelde” categorie leden te berekenen zoals deze. Bijvoorbeeld, mensen hebben de neiging om gezichten aantrekkelijker te vinden hoe dichter ze bij het “gemiddelde” gezicht, zoals gegenereerd door een computer.5

Prototypes begeleiden onze gissingen over waarschijnlijkheid, zoals in het voorbeeld hierboven over Steve en zijn beroep. Ons prototype voor bibliothecarissen is waarschijnlijk iemand die lijkt op Steve heel nauw-verlegen, netjes, en nerdy—terwijl ons prototype voor boeren is waarschijnlijk iemand meer gespierd, meer down-To-earth, en waarschijnlijk minder timide. Intuïtief voelen we ons alsof Steve een bibliothecaris moet zijn omdat we gebonden zijn om te denken in termen van categorieën en gemiddelden.

we overschatten het belang van gelijkenis

het probleem met de representativiteit heuristisch is dat representativiteit eigenlijk niets te maken heeft met waarschijnlijkheid—en toch hechten we er meer waarde aan dan aan informatie die relevant is. Een van deze soorten informatie is eerdere waarschijnlijkheid of basistarieven: hoe vaak iets is in het algemeen. Bijvoorbeeld, in de VS zijn er in ieder geval veel meer boeren dan bibliothecarissen. Dit betekent dat in statistische termen, het altijd onjuist zou zijn om te zeggen Steve is “meer kans” om een bibliothecaris te zijn, ongeacht hoe zijn persoonlijkheid is of hoe hij zich presenteert.2

steekproefgrootte is een ander nuttig type informatie dat we vaak verwaarlozen. Wanneer we proberen schattingen te maken over een grote populatie, gebaseerd op gegevens van een kleinere steekproef, willen we dat onze steekproef zo groot mogelijk is, omdat we dan een completer beeld hebben. Maar als we ons te veel richten op representativiteit, kan de steekproefgrootte uiteindelijk worden verdrongen.

om dit te illustreren, stel je een pot met ballen voor. ⅔ Van de ballen zijn een kleur, terwijl ⅓ zijn een andere kleur. Sally trekt 5 ballen uit de pot, waarvan 4 rood en 1 wit. James tekent 20 ballen, waarvan 12 rood en 8 wit. Tussen Sally en James, wie moet er meer vertrouwen in dat de ballen in de pot zijn ⅔ rood en white Wit?de meeste mensen zeggen dat Sally meer kans heeft om gelijk te hebben omdat het aandeel rode ballen dat ze tekende groter is dan dat van James. Maar dit is onjuist: James trok 20 ballen, veel groter dan Sally ‘ s 5, dus hij is in een betere positie om de inhoud van de pot te beoordelen. We zijn intuïtief geneigd om te gaan voor Sally ’s 4: 1 sample is omdat het meer representatief is voor de verhouding die we zoeken dan James’ 12:8, maar dit leidt ons tot een fout in ons oordeel.