代表性法则的偏差
-
-
gwq1001 这家伙很懒，还没有设置简介...
0 人点赞了该文章 · 46 浏览
Kahneman和Tversky在1974年揭示了人们利用代表性的启发方法形成信念和推理时，存在着两个严重的偏差。一是过于注重事件的某个特征而忽视了其出现的无条件概率，从而引起信念的偏差；二是忽略了样本大小对推理的影响。这种用小样本特征反映母体特征的信念是小数定理。若人们不知道数据的产生过程，他们会利用非常少的数据尽快地进行推断。例如，他们会相信一个选了4次好股票的金融分析师是有天赋的，因为4次成功不会是一个差的金融分析师的代表性因察。若人们事前知道产生数据的过程，小数定律将产生赌徒谬论效应，或者反向调整的平均法则。若在公平的扔硬币中连续产生5次正面，人们会说下一次一定是反面。因为他们认为即使是一个小的样本也应该反映扔硬币的公平特征，因此，必须有更多的反面来平衡这么多的正面。
