心理偏误概述经验法则偏误
目录
代表性原则偏误
易获得性偏误
定锚与调整
后见之明
模糊趋避
无关效果
神奇式的思考
准神奇式的思考
文化和社会认知
3-3
第一节代表性原则偏误
代表性原则偏误是指人们常以过去的刻板印象做判断，也就是过度依赖自己所感受到相似事件的经验，而不重视整个母体的状况，因此可能以偏盖全所产生的风险。
例如：投资债券的风险远低于股票，购买新兴市场的基金比较容易获利。
TverskyandKhaneman(1974)：存在某一个「个体A」与某一个「群体B」，若个体A的特性与群体B的特性相似度越高，人们判断A来自群体B的可能性会提高。这种以「相似度」替代「可能性」的判断为代表性原则偏误的典型反应。[尽管A与B很相似，也未必意味A较有可能来自B]
3-4
「工程师／律师」实验
KahnemanandTversky(1973)将受访者分成两组
第一组为高工程师职业组：「工程师／律师」比例为「70/30」；
第二组为低工程师职业组：「工程师／律师」比例为「30/70」。
高比例工程师职业组中，受访者被告知有一个人是从70个工程师与30个律师中所随机选出的。
在低比例工程师职业组中受访者被告知有一个人是从30个工程师与70个律师中所随机选出的。
3-5
「工程师／律师」实验
受访者的回答算是准确，即在高比例工程师职业组中判断大约为0.70，低工程师职业组则判断大约为0.30。
实验中先对受访者先提供「职业比例：70/30」或「职业比例：30/70」的母群基本比率（baserate）讯息是有助于判断的。
3-6
「工程师／律师」实验
现在从上述职业比例中随机抽出一人Jack，Jack的生活背景及人格特质如下
杰克(Jack)：45岁、男性、已婚、有四个小孩，其个性大体上很保守、谨慎且有野心，他对政治和社会议题并不感兴趣，大部分时间皆花在木工、驾船及解一些数学的难题等嗜好上。
这两组受访者被要求分别评估「Jack」的职业为工程师的比例为何？
结果两组受访者评估「Jack」为工程师的比例皆高于90%，远高于工程师在两组中实际的比例。
3-7
「工程师／律师」实验
描述「Jack」的生活背景及人格特性后，受访者认为「Jack」与「工程师」较为相似，故判断其较可能来自工程师这个群体，而忽略先前所提供的「70/30」或「30/70」职业基本比率的讯息
忽略基本率(baserateneglect)的偏误。
3-8
「Linda」问题
Linda：31岁、单身女性、口才便捷、聪明伶俐。大学主修哲学，在学时深深地关注社会歧视与正义等议题，并且曾经参与反核示威运动。
A.Linda是一位银行出纳员
B.Linda是一位银行出纳员且是位活跃的女权运动者
3-9
玛莉
玛莉：女性、非常沉静、用心，对于社会议题相当关切，在柏克莱念大学的时候，主修英国文学及环境研究。
A：玛莉是一个图书馆员。
B：玛莉是一个图书馆员，也是环保协会的会员。
C：玛莉在银行业工作。
3-10
代表性原则偏误
交集谬误
赌徒的谬误
“热手”效应
高估事情的可预测性
3-11
交集谬误
受试者采用「代表性」捷思法进行判断，以致忽略「基本比率」，因而导致其思考上产生谬误，KahnemanandTversky又称此现象为交集谬误
3-12
赌徒的谬误
人们在评估某件事情发生的可能性时，常常过度依赖自己所感受到其他相似事件的经验
误以为小样本也适用大数法则
认为未来的情况会接近历史平均数，即误用了回归至平均数
赌徒的谬误
若连续投掷公正的硬币数次皆出现正（反）面，人们总是认为下一次应该会出现反（正）面，误以为如此才具有公正硬币的代表性
事实上硬币出现正反面的机率皆为50%，也就是代表性原则偏误让人们产生忽视样本大小的偏误
小数法则[Rabin,2002]
3-13
“热手”效应
小数法则偏误会产生所谓的“热手(hothand)”效应
在球类比赛中出现，例如一个篮球员在一场球赛进行至今投篮已命中八成，则大部份的球迷会认为他今日手气很好，再度进球的机率很高
3-14
高估事情的可预测性
利用手上的样本对母体做过度的预测
例如：我们一般认为明星高中的毕业生在大学中的成绩表现会优于非明星高中，但高中毕业成绩并未能完全预测大学成绩，也许非明星高中毕业生因害怕被当，比明星高中毕业生认真，因而会有较佳之大学成绩。
3-15
第二节易获得性偏误
让人比较容易联想到的事件，会让人误以为这个事件经常发生，这种现象称为易获得性的偏误。有两个因素会使得这种偏误更明显
近期偏误：最近发生的事情会更容易被记得
头条新闻偏误：头条新闻更容易为人所注意
过度反应(DeBondtandThaler)：当新信息