2019/3/23 Blue文 读书打卡
书名：《思考，快与慢》
作者：丹尼尔.卡曼尼
章节：附录A
书摘心得:
不确定性下的判断:启发法和偏见(1974年《科学》杂志)
人们评估不确定事件的概率和不确定数量的价值的方法:人们依赖于数量有限的启发式原则，而这些原则能将测量概率以及预测价值的任务简化，使其成为更为简单的判断过程。这些启发法相当有用，但有时也会导致严重的系统性的错误。三种应用于判断概率和预测价值的启发式为:代表性、可得性、判断与锚定。
1.代表性。人们通常在需要判断物体a是否属于类别b或是事件a是否属于过程b是就会使用代表性。通过比较b与a的相似程度来对概率进行评估。这种关于概率的判断方法会导致严重的错误，因为相似性或代表性不会受到某些因素的影响，而这些因素却能影响对概率的判断。可能的偏见包括:
对结果的基础比例不敏感——在没有任何特定证据的情况下，基础比率能够被合理的应用；而在得知一些无用证据的情况下，基础比率就会被忽略。
对样本大小的不敏感——仅会通过某个样本结果与相关参数的相似性来评估这个结果的概率。如果我们通过代表性来评估概率，判断出的某个样本的统计数据实质上就是独立于样本大小的。
误解机会——人们期望由随机过程产生的事件序列能够代表这个过程的基本特征，即使这个序列很短。"小数法则"过于信任小样本的结果，高估了这些结果的可复制性。
对可预测的不敏感——如果人们仅仅依靠描述的好坏来预测，那么他们的预测就会对证据的可靠性和预测的预期精确度不敏感。
效度错觉——由于预测特点与输入信息非常吻合而产生的没有保证的自信就被称为效度错觉。人们在预测时所抱持的信心常会超出他们的能力范围。
误解回归性——首先，人们不能预料一些肯定会发生回归平均值的情景。其次，当他们辨别出回归平均值的发生时，总会捏造出虚假的因果解释。人们高估惩罚的有效性，低估奖赏的有效性。
2.事件的可得性。当人们需要估测某类事件发生的频率或是某个特定进展的合理性时，就会使用可得性。通过能想到例子或事件的容易程度来评估这类事的频率或概率。可能的偏见包括:
因例子的可提取性导致的偏见——例子很容易提取的类别会比频率相同但例子较难想到的类别显得更大。除了熟悉的以外，显著程度也会影响例子的可提取性。
因搜索集合的有效性导致的偏见——由在记忆中搜寻的难易度判断结果发生的频率并不总是代表真实状况。
不同的任务会引发不同的搜索集合——判断出抽象词的出现频率比具体词的出现频率高很多，与客观频率相等。相较于具体词，抽象词还会出现在更多的语境中。
想象力偏见——通过一定的规则构建一些实例，然而购进时力的容易程度并不总能反映出真实的频率。
相关性错觉——高估自然的联想物同时发生的频率，这种效应被称为相关性错觉。相关性错觉效应，极度抗拒相互矛盾的数据。它
使人不能察觉到真正存在的关系。
3.通过锚定进行调整。当相关数值可得时，许多预测都会用到锚定。通过初始值来确定最后的答案，不同的起始点会产生不同的估测，都会偏向于初始值。这个现象称为锚定。可能的偏见包括:
不充分的判断——人们先计算几步，然后再通过外推或调整得出结果。由于判断的根据并不充分，这样的过程就会导致低估。
评估连续事件与非连续事件的偏差——人们易于高估连续事件的概率，低估非连续事件的概率。高估连续事件概率，这个普遍的倾向会使人们在评估某个计划成功的可能性或能否按时完成时过度乐观，但却缺乏依据。相反，非连续结构总会遭遇风险性的评估。
评估主观概率分布时的锚定——在决策分析中，在需要以概率分布的形式来表示对某个数值的信念时，通常是根据选择的不同数值构建的，而这些数值与其主观概率分布的百分位相对应。从大量的判断中观察到许多量值的概率分布，这些分布表明了其与恰当的校准之间巨大且系统的偏差。
讨论:
对启发式的依赖性以及偏见的普遍存在，并不局限于普通人。
人们不能了解到样本大小和样本可变性的关系，尽管相关数据比比皆是。
现代决策理论将主观概率视为某个理想化的人量化的观点。具体来说，对某个给定事件的主观概率可以被定义为某个人是否愿意接受有关这个事件的赌注。
在现实中主观概率会决定我们对赌注的偏好，但我们并不是从这些偏好中推断出主观概率的，就如同理性决策中不证自明的理论一样。
若对判断的概率进行充分合理性的考虑，就会发觉对内在一致性的理解并不充分。理性判断者会努力争取这种相融，即使利用内在一致性能更容易完成判断和评估。
网友评论