鸿蒙文学网

手机浏览器扫描二维码访问

附录A 不确定性下的判断 启发法和偏见XINshuHaiGe com（第2页）

例如，在史蒂夫的那个例子中，在我们作出史蒂夫是个图书管理员而不是农民的理性评估时，是应该将农民比图书管理员人数更多的事实考虑在内的。

然而，对基础比率的考虑并不会影响史蒂夫与图书管理员以及农民的典型形象的相似性。

因此，如果人们通过代表性来评估概率，先验概率就会被忽视掉。

我们在运用了先验概率的实验中检验了这个假设。

在实验中，我们向受试者简要概述了几个人的性格，这几个人是从100位工程师及律师的样本中随意抽取出来的。

而受试者需要通过对每个人的描述来评估其是工程师还是律师。

在某个实验情境中，受试者被告知这些被描述的100人中，有70位工程师、30位律师。

而在另一个实验情境中，受试者被告知这100人中，有30位工程师、70位律师。

在第一种情境下，受试者判断任意一个描述是关于工程师的而不是关于律师的概率都应该高于第二种实验情境。

因为第一种情境中工程师更多，第二种情境中律师更多。

值得注意的是，我们通过贝叶斯定理还能知道每个描述的概率比率应该是（0.70.3）2，或是5.44。

然而，这些受试者在这两个实验情境中都得出了同样的概率判断，这严重违反了贝叶斯定理。

很明显，受试者认为某个特定的描述是在说工程师而非律师是通过描述对于这两个典型职业的代表程度而来的，而很少或根本就不考虑其所属类别的先验概率。

当这些受试者没有其他信息来源时，他们会正确地利用先验概率。

在没有人物描述的情况下，受试者判断某个人是工程师或律师的概率分别是0.7和0.3，这与基础比率正好符合。

然而，当某个描述存在，就算这个描述没有任何信息，先验概率还是会被彻底忽略掉。

对于以下描述的回应就阐明了这个现象：

迪克是位30岁的男性，已婚，但无子女。

他能力强，干劲足，承诺一定要在自己的领域功成名就。

他很受同事的欢迎。

这个描述所传达的信息与迪克是工程师还是律师的问题完全没有关系。

因此，迪克是工程师的概率应该与工程师占样本总人数的比率相同，就如同我们没有得到任何有关迪克的描述时一样。

然而，受试者却将迪克是工程师的概率判断为0.5，并不关注工程师占总人数的比率是0.7还是0.3。

很明显，在没有任何证据和得到了一些无用的证据之后，人们的回应是不同的。

在没有任何特定证据的情况下，先验概率能够被合理地应用；而在得知一些无用证据的情况下，先验概率就会被忽略。

对样本大小的不敏感。

在某个指定大小的样本中，评估获得某个特定结果的概率时，人们总会应用代表性启发法。

即他们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。

例如，人们会认为随机抽取的10位男性的平均身高是6英尺，而这个结果就是由与相应参数（这个参数即是男性人口的平均身高）的相似性得来的。

某个样本的统计数据与人口参数的相似性并不是由样本的大小来决定的。

其结果就是，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。

的确，当受试者评估大小不同样本的平均身高分布时，他们得出的分布是相同的。

例如，人们在评估平均高度高于6英尺的概率时，无论样本大小是1000、100还是10位时，其得出的分布都是相同的。

另外，即使样本大小的重要性在问题形成之时就被强调过，受试者还是不能体会其所起的作用。

请考虑下面的问题：

某个城镇有两家医院。

在较大的那家医院里，每天大约有45个婴儿降生，而在较小的医院里，每天有15个婴儿降生。

如你所知，其中50%的婴儿应该是男婴。

然而，男婴实际的百分比每天都会有所变化，有时会高于50%，有时会低于50%。