64代表性启发（Representativeness）

Representativeness通用性 4 · 解释力 4 · 决策价值 3 · 总分 11证据硬

费曼学习法：一句话讲明白

有个人：内向、安静、喜欢读书、做事细致、不太爱社交。

问：他是图书馆管理员，还是农民？

大多数人脱口而出："图书管理员。"

但美国劳动人口里，农民的数量是图书管理员的几十倍。就算这个描述让"图书管理员"的可能性提高了十倍，最终概率仍然是"农民"更高——因为起点的差距太大了。

这就是代表性启发：我们看一个描述"像不像"某个类别，就用这个相似度替代了概率判断。

而它出错的地方恰恰在于：相似度不考虑基础概率，也不考虑描述的可靠程度。 一个"很像"的描述，如果来自不可靠的来源，或者所属类别本身极罕见，它并不能真正提高概率。

代表性启发（卡尼曼与特沃斯基提出）指：人在判断"A 属于类别 B 的概率"时，用"A 与 B 的相似程度"来替代概率估计。

它导致的几类系统性错误：

它不是"错误"，而是高效的启发式。 在大多数日常场景里，像的就是更可能。它只在相似性与概率脱钩时出错——尤其是当基础概率极端、样本极小、或描述来源不可靠时。
检验方法只有一句：先看这类事有多常见，再看这个案例有多像。 顺序不能颠倒。→ 见 #23 基础概率
警惕"故事"的杀伤力。 一个生动、具体、细节丰富的描述会大幅提高被感知的可能性，即使每个细节都在降低它实际成立的概率（因为每个细节都是一个需要同时成立的条件）。细节越多，概率越低，但感觉越真——这是代表性启发最危险的地方。
别把它和可得性偏差混为一谈。 可得性是"想起来有多容易"，代表性是"看起来有多像"。前者取决于记忆的可提取性，后者取决于与原型的相似程度。 两者常常同时出现。→ 见 #51 可得性偏差
它是刻板印象的认知基础。 "他不像我们这儿的人"——用相似度替代了对个体能力的判断。认识到这一点，是抑制刻板印象的第一步（但远不是最后一步）。