图.jpg
这是日更1000天计划的第两百零九天
一
昨天，我们已经了解了信息收集阶段，人们可能产生的认知偏差。在信息收集之后，我们就要将信息进行加工了，今天我们来继续看看信息加工这个阶段，可能产生的认知偏差。
在这个阶段，人们最容易犯的错误，就是代表性偏差。
所谓代表性偏差，就是人们喜欢把事物分为有代表性特征的几个类别，在对事物进行评价时，会过分强调这几个类别的重要性，而忽略了其他潜在可能性，人们会习惯用大样本中的小样本，来做决策。
我们举个例子，假设你面前站着一位穿着运动服的帅哥，性格开朗，衣服整洁，皮肤较白。这时候，我让你猜他的职业，从两个选项中二选一，A是体育老师，B是农民。
大部分人都会选择A，因为这个形象特征明显就是一个体育老师啊。确实，如果从形象特征的角度来看，这位帅哥99.9%是体育老师。
但99.9%的概率，就是最后做决定的原因吗？
二
统计学中有一个“贝叶斯法则”：
这个法则是概率统计中的应用所观察到的现象，对有关概率分布的主观判断（即先验概率）进行修正的标准方法。
简单来说，帅哥的形象特征的代表性就是先验概率，但是，最终的真实概率，其实是由两个概率的乘积构成的，另外一个概率，被称为无条件概率。
所谓无条件概率，就是不依赖于任何条件。例如你走在大街上，随便遇到一个人，而这个人是体育老师的概率，就是无条件概率。
这时候，你会发现，这个人是体育老师的无条件概率，太小了吧，全国这么多人，有多少体育老师？估计10万个人其中有一个就不错了吧
而这个人是农民的无条件概率呢？那是相当大的，我国作为农业大国，农村人口占总人口的50%以上，即便其中只有一半的人是农民，那么，大街上随便遇到一个农民的概率就是四分之一。
这时候，我们根据贝叶斯法则，来算一下两个概率的乘积。
体育老师的概率，等于形象特征代表性的先验概率99.9%乘以十万分之一，为0.000999%；
农民的概率，等于先验概率的0.1%乘以四分之一，为0.025%；
对比结果，一目了然，这位帅哥是农民的概率，远远大于其为体育老师的概率。
于是，大部分人的选择就是错误的，因为他们关注代表性特征，而忽略了其他信息。人总是倾向于根据代表性特征来冲动地做出判断，这就是认知的代表性偏差。
三
在投资领域，我们的决策经常会被代表性偏差所影响。
比如很多人买股票，都是靠朋友推荐，而且要找那种过去赚到钱的，看起来比较专业、比较靠谱的朋友。
因为对朋友很信任，所以只要他一推荐，你就立刻买入。这时候，你就犯了代表性偏差的错。
过去赚钱就代表将来能赚钱吗？他专业靠谱就代表能赚钱吗？
实际上，一只股票好不好，和你朋友推荐没有必然联系，而你确因为代表性偏差，而忽略了很多公司的其他信息。
此外，大多数人认为，好公司就是好股票，这其实也是一种代表性偏差。
好公司的股价如果过高，就不一定是一只好股票，反之，看起来一般的公司，如果股价很低，未来上涨空间大，也会是一只好股票。
我们大脑有两个系统，第一个系统是我们的直觉，依靠的是我们平时积累的经验做判断，这个系统反应快，不怎么耗能；第二个系统是理性思考，包括分析能力和逻辑判断，但这个系统效率低，耗时长。因此，人们往往都是让第一个系统先工作，但因为我们的阅历有限，所以总是会犯错。
想要解决这个问题，最好的办法就是不断积累自己的学识和经验，提高第一个系统的精准度，当然，在重大决策面前，还是要调用第二系统，以避免代表性偏差给我们带来的错误决策。
网友评论