representativiteten heuristisk myntades av Daniel Kahneman och Amos Tversky, två av de mest inflytelserika figurerna inom beteendeekonomi. Det klassiska exemplet som används för att illustrera denna bias ber läsaren att överväga Steve, som en bekant har beskrivit som ”mycket blyg och tillbakadragen, alltid hjälpsam, men med lite intresse för människor, eller i verklighetens värld. En mild och städad själ, han har ett behov av ordning och struktur och en passion för detaljer.”Efter att ha läst en beskrivning av Steve, tror du att det är mer troligt att Steve är bibliotekarie eller bonde? 2 intuitivt känner de flesta av oss att Steve måste vara bibliotekarie eftersom han är mer representativ för vår bild av en bibliotekarie än han är vår bild av en bonde.

som med alla kognitiva fördomar och heuristik finns det en huvudorsak till att vi förlitar oss på representativitet så ofta: vi har begränsade kognitiva resurser. Varje dag fattar vi tusentals separata beslut, och våra hjärnor är kopplade för att göra det samtidigt som vi sparar så mycket energi som möjligt. Det betyder att vi ofta litar på genvägar för att göra snabba bedömningar om världen. Det finns dock en annan viktig anledning till att representativiteten heuristisk händer. Det är rotat på det grundläggande sättet som vi uppfattar och förstår människor och föremål.

vi bygger på prototyper för att fatta beslut

att gruppera liknande saker tillsammans—det vill säga kategorisera dem—är en viktig del av hur vi förstår världen. Detta kan verka som en no-brainer, men kategorier är mer grundläggande för vår förmåga att fungera än många människor inser. Tänk på alla saker du sannolikt kommer att stöta på på en enda dag. När vi interagerar med människor, föremål eller djur bygger vi på den kunskap vi har lärt oss om deras kategori så att vi kan veta vad vi ska göra. När du till exempel går till en hundpark kan du se djur i ett stort antal former, storlekar och färger, men för att du kan kategorisera dem alla som ”hund” vet du omedelbart vad du kan förvänta dig av dem: att de gillar att springa och jaga saker, att de gillar att få godis och att om en av dem börjar Morra, borde du förmodligen gå tillbaka.

utan kategorier, varje gång vi stötte på något nytt, skulle vi behöva lära oss från början vad det var och hur det fungerade—för att inte tala om det faktum att lagring av så mycket information om varje separat enhet skulle vara omöjligt, vilket ger vår begränsade kognitiva kapacitet. Vår förmåga att förstå och komma ihåg saker om världen bygger på kategorisering. På baksidan kan det sätt vi har lärt oss att kategorisera saker också påverka hur vi uppfattar dem.3 till exempel på ryska har ljusare och mörkare nyanser av blått olika namn (”goluboy” respektive ”siniy”), medan på engelska båda kallas ”blå.”Forskning har visat att denna skillnad i kategorisering påverkar hur människor ser färgen blå: rysktalande är snabbare på att skilja mellan ljus och mörk blues jämfört med engelsktalande.4

enligt en teori om kategorisering, känd som prototypteori, använder människor medvetslös mental statistik för att ta reda på hur den ”genomsnittliga” medlemmen i en kategori ser ut. När vi försöker fatta beslut om okända saker eller människor hänvisar vi till detta genomsnitt—prototypen—som ett representativt exempel på hela kategorin. Det finns några intressanta bevis för att stödja tanken att människor på något sätt kan beräkna ”genomsnittliga” kategorimedlemmar som detta. Till exempel tenderar människor att hitta ansikten mer attraktiva ju närmare de är till det ”genomsnittliga” ansiktet, som genereras av en dator.5 prototyper styr våra gissningar om sannolikhet, som i exemplet ovan om Steve och hans yrke. Vår prototyp för bibliotekarier är förmodligen någon som liknar Steve ganska nära—blyg, snygg, och nerdy—medan vår prototyp för bönder är förmodligen någon mer muskulös, mer jordnära, och förmodligen mindre skygg. Intuitivt, vi känner att Steve måste vara bibliotekarie eftersom vi är bundna att tänka i termer av kategorier och medelvärden.

vi överskattar betydelsen av likhet

problemet med representativiteten heuristisk är att representativitet faktiskt inte har något att göra med sannolikhet—och ändå lägger vi mer värde på det än vi gör på information som är relevant. En sådan typ av information är tidigare Sannolikhet eller basräntor: hur vanligt något är i allmänhet. Till exempel, åtminstone i USA, finns det många fler bönder än det finns bibliotekarier. Det betyder att det i statistiska termer alltid skulle vara fel att säga att Steve är ”mer sannolikt” att vara bibliotekarie, oavsett hur hans personlighet är eller hur han presenterar sig själv.2

provstorlek är en annan användbar typ av information som vi ofta försummar. När vi försöker göra uppskattningar om en stor befolkning, baserat på data från ett mindre urval, vill vi att vårt prov ska vara så stort som möjligt, för då har vi en mer komplett bild. Men när vi fokuserar för mycket på representativitet, provstorlek kan hamna trångt ut.

för att illustrera detta, föreställ dig en burk fylld med bollar. Bollar av bollar är en färg, medan de är en annan färg. Sally drar 5 bollar från burken, varav 4 är röda och 1 är vit. James drar 20 bollar, varav 12 är röda och 8 är vita. Mellan Sally och James, vem borde känna sig mer säker på att bollarna i burken är röda och vita?de flesta säger att Sally har bättre odds för att ha rätt eftersom andelen röda bollar hon ritade är större än andelen som dras av James. Men det här är felaktigt: James drog 20 bollar, mycket större än Sallys 5, så han är i en bättre position att bedöma innehållet i burken. Vi är intuitivt frestade att gå till Sallys 4:1-prov beror på att det är mer representativt för förhållandet vi letar efter än James’ 12:8, men det leder oss till ett fel i vår bedömning.