思考,快与慢 8.2分
读书笔记 启发法与偏见
树荫里的阳光

大数法则与小数定律

系统1非常擅长一种思维模式——自动且毫不费力地识别事物之间的因果联系,即使有时这种关系根本就不存在,它也会这样认定。 系统1不善于质疑。它抑制了不明确的信息,不由自主地将信息处理得尽可能连贯。除非该信息被立刻否定,不然,它引发的联想就会扩散开,仿佛这条信息就是千真万确的。系统2能够提出质疑,因为它可以同时包含不相容的多种可能性。然而,保持这种质疑会比不知不觉相信其真实性更加困难。小数定律是普遍性偏见的一种表现,即对事物的信任多于质疑。

相信小样本--我们常夸大所见事物的相容性和连贯性。系统1在了解事实之前就根据零散的证据拼凑了一个饱满的形象。如果过于相信小数定律,急于下结论的机制就会运作起来,它会构建一个言之成理的说法使你相信直觉判断。

对随机事件作出因果解释---投篮顺手的认知错觉,没有感知到随机事件中的顺序和因果关系。

夸大对小样本的信任---比尔盖茨研究会给出17美元的赞助用以调查那些最成功的院校有那些特点,结果样本太小,得出这些著名院校规模普遍较小的错误结论。

锚定效应

人们在对某一未知量的特殊价值进行评估之前,总会事先对这个量进行一番考量,此时锚定效应就会发生。

两种模式:

1、在进行刻意调整时发生的,是系统2的一种运行模式。

调整就是刻意去寻找离开锚定数字的理由:按照要求一听到锚定值就摇头的人仿佛对此有些排斥,他们会离锚定值更远。

调整不足是软弱或懒惰的系统2的一种失误。

例:家长要求孩子调低音乐声音,但听着特别大声音乐的孩子即使想这样做也很难。

2、由启发效应产生的锚定,是系统1的一种自主显示模式。

第一次在集市上讨价还价的先发锚定有着重大的影响。

暗示就是一种锚定效应。类似暗示的过程:系统1试图建立一个将锚定数字视为真实数值的世界。这是联想一致性的表现。 如果有人只是提起某件事,而他的话却促使我们去看、去听或是去感受这件事,此时的情形就可以用锚定来形容。例:你的左腿现在是否微微麻木了这个问题会让很多人觉得他们的左腿有异样。

在商谈中要集中注意力搜寻大脑记忆来抵制锚定效应,可以使用为对方着想的方法。

可得性启发法

可得性启发法就是用一个问题替代另一个问题:你希望估测某一范畴的大小或某一事件的(发生)频率,但你却会提到自己想到相关实例的轻松程度,即通过“实例呈现在脑中的轻松程度”来判断概率的过程。但问题的替代必然会产生系统性错误,产生可得性偏见。例:好莱坞明星的离婚事件和政客的性丑闻事件格外引人注目,你也很容易夸大好莱坞明星的离婚事件和政客的性丑闻事件的频率。

可得性偏见引起焦虑

效用层叠和概率忽视

效用层叠是一连串自持事件,它可能开始于对相对次要的事件的媒体报道,然后会引起公众恐慌和大规模的政府行动。例:艾拉事件,也叫艾拉恐慌: 我们的大脑解决小风险的能力有一个基本限度:我们要么完全忽视风险,要么过于重视风险,没有中间地带。

概率忽视:想到了分子(即你在新闻中看到的悲惨新闻),却没有想到分母。

典型性启发

如果我们通过某个下巴的轮廓或铿锵有力的演讲来判断这个职位候选人是否具有领导才能,此时我们依赖的就是典型性。

典型性的第一宗罪:它过于喜爱预测不可能发生的(低基础比率的)事件。

例:获得哲学博士学位的人比只读完高中的人更有可能订阅《纽约时报》

典型性的第二宗罪:它对证据质量不够敏感。

“对人冷淡,缺乏同情心”的表述能让你相信他不太可能是社会科学与社会工作专业的学生。

利用贝叶斯定理来约束直觉:1、以相对合理的基础比率对结果的可能性作出判断。2、质疑你对证据的分析。

合取谬误

通过直接比较,人们总会认为两个事件(在此即为银行出纳和女权主义者)的联合出现比只出现其中一件事(银行出纳)的可能性要大,此时就出现了合取谬误。

少即是多

对于贵重的产品还附赠一个便宜的小礼物,整套产品就不那么吸引人了。

综合评估中,数量多的组合会比少的更有价值,但在单一评估中则正好相反。

因果关系比统计学信息更具说服力

统计学基础比率”(statistical base rates)是指某一事件所属类别的事实总量,与单独事件无关;而“因果关系基础比率”(causal base rates)则会改变你对单独事件的看法。 因果关系基础比率被视为个别事件的信息,人们很容易将这一比率与其他具体事件的信息结合起来考虑问题 。

思维定式是指人们会(至少暂时会)将自己对某个团体的看法延伸到这个团体中每一个成员的身上(团体存在某些问题,其中的成员无一例外也都会有这些问题)。这些受试者不愿从普遍现象中推导出特殊性,这一点与他们愿意从特殊现象中归纳出普遍性如出一辙。

所有表现都会回归平均值

学员被教练表扬之后,很有可能会表现得很糟糕;惩罚反而会促使他们进步。

如何让直觉性预测更恰当有效

将由记忆大量激活的过程想象为以下几步:由信息和问题激发起联想记忆,然后自我反馈,最后选定最具连贯性的合理性方案。修正你的直觉性预测的偏见是系统2的任务。要想找到相关的参照物、对基准预测作出估测或者对证据的质量进行评估,往往需要付出很大的努力。只有在风险很高而你又特别渴望避免犯错误时,这种努力才显得合乎情理。

无偏见预测的一个特征就是,只有在信息非常有效时才允许人们对罕见或极端的事件作出预测。

信息不足时,极端预测和预测罕见事情的愿意都源于系统1。

联想机制会很自然地将极端预测和作出这些极端预测所依据的可察觉的信息极端性匹配在一起——这也正是替代的运行机制。你的直觉会产生极端预测,而你也很容易对这种极端信心满满。 回归性也是系统2的一个问题。回归平均值这一概念很新奇,沟通和理解皆非易事。

0
《思考,快与慢》的全部笔记 950篇
豆瓣
免费下载 iOS / Android 版客户端