撿了芝麻，丟了西瓜

人們無時無刻不在利用捷徑。尋找出某種模式是一件非常困難的工作，而那種讓人產(chǎn)生“啊哈！”感覺的直覺認(rèn)知，可以立即提升研究者的信心，促使他們作出決策。簡而言之，當(dāng)我們僅關(guān)注某一個重要的變量而忽視了其他變量并據(jù)以做出預(yù)測時，代表性原則偏誤就發(fā)生了。卡尼曼和特沃斯基首次對這一問題進(jìn)行描述是在30多年前，但據(jù)我所知，很多從業(yè)者對他們的觀點都知之甚少。

在一項早前的研究中，卡尼曼和特沃斯基要求受試者猜測某位假想的人物湯姆修習(xí)了哪種研究生課程：

湯姆智商很高，但缺乏真正的創(chuàng)造力。他注重秩序，注重清晰流暢的表達(dá)……他寫出來的東西很枯燥，非常機(jī)械化，偶爾會點綴一些毫無新意的雙關(guān)語，或是某種類似科幻的想象……他既不對他人抱有什么感情，也缺乏對他人的同情，對與他人交流不感興趣。

大多數(shù)人都猜測湯姆是學(xué)習(xí)計算機(jī)學(xué)的，因為他們頭里有一個強烈的印象，認(rèn)為計算機(jī)工程師都是那種“書呆子”型的，與上述描述非常類似。也就是說，在人們的觀念中，湯姆似乎就是典型的計算機(jī)學(xué)專業(yè)的畢業(yè)生。人們在潛意識中識別出了這種模式，并對這種匹配發(fā)出了“啊哈！”的信號。然而，在本例中，對于這個答案的信心是不適當(dāng)?shù)模驗橛嬎銠C(jī)學(xué)畢業(yè)生只占畢業(yè)生總數(shù)很小的一部分，這是大家的潛意識所沒有意識到的。

圖3.6中所示的概率樹很好地闡明了這一問題。假定30%的計算機(jī)學(xué)的畢業(yè)生都是書呆子型的，這一比率是其他專業(yè)的畢業(yè)生的3倍。不過，計算機(jī)學(xué)畢業(yè)生只占畢業(yè)生總數(shù)的10%。通過簡單的計算我們發(fā)現(xiàn)，計算機(jī)學(xué)專業(yè)畢業(yè)的書呆子只占畢業(yè)生總數(shù)的3%（30%×10%），而非計算機(jī)學(xué)專業(yè)畢業(yè)的書呆子占畢業(yè)生總數(shù)的9%（10%×90%）。因此，湯姆是計算機(jī)學(xué)專業(yè)的畢業(yè)生的概率只有1/4（用3%除以12%，因為書呆子型畢業(yè)生的總數(shù)占全部畢業(yè)生總數(shù)的3% + 9%）。

如果涉及復(fù)雜的分析，這種代表性原則偏誤則會尤其有害。這種考慮不充分的判斷之所以會出現(xiàn)，是兩種因素共同作用的結(jié)果：因模式識別產(chǎn)生的直覺性自信，還有因信息與建模產(chǎn)生的自覺性自信。想象一下，還有另外一個概率樹，預(yù)測的是在房地產(chǎn)市場蕭條的情況下，資產(chǎn)負(fù)債表質(zhì)量較好的抵押公司脫穎而出成為贏家的可能性。贏家的資產(chǎn)負(fù)債表的質(zhì)量大都要比其他類似企業(yè)的要好，但是，假如蕭條很嚴(yán)重，連資產(chǎn)負(fù)債表質(zhì)量最好的公司都無力生存又當(dāng)如何？在這種情形下，對抵押公司的資產(chǎn)負(fù)債表進(jìn)行細(xì)致的分析可能會讓分析師誤入歧途。