核心要点
代表性启发法： 一种心理捷径，我们通过某事物与我们对该类别心理原型的"相似度"来判断其可能性。我们忽视实际的统计数据和概率，而偏向"相似性"，导致我们相信一个安静的人更可能是图书管理员而不是销售员，即使销售员的人数是图书管理员的100倍。
代表性启发法是一种认知偏差，个体根据事件或对象对更广泛类别的代表性来评估其概率。本质上，我们问自己："项目A与原型B有多相似？"如果相似度很高，我们就假设A属于B的概率也很高，完全忽略了原型B在现实世界中有多常见的数学"基本比率"。
该概念由 Amos Tversky 和 Daniel Kahneman 在1972年的论文《主观概率：代表性的判断》中提出，发表于《认知心理学》。
他们最著名的偏差演示是"琳达问题"（1983）。参与者被给予一个描述："琳达31岁，单身，直言不讳，非常聪明。她主修哲学。作为学生，她深切关注歧视和社会正义问题，还参加了反核示威。"
然后参与者被问哪个更可能：
令人震惊的是，85-90%的参与者选择了选项2。从数学上讲，这是不可能的。两个事件同时发生的概率（合取）总是小于或等于其中任何一个事件单独发生的概率。然而，因为琳达的描述比"通用"银行出纳员的原型更"契合"女权主义者的原型，参与者的大脑压倒了他们的逻辑。他们用代表性来解决概率问题。
代表性是"好故事"在人脑中击败"好数据"的原因。
大脑优先考虑"模式匹配"，因为它比"统计计算"计算成本更低。
###
代表性机制
1.
**
信息输入：
**
你遇到一个人、物体或事件（例如，一个安静、好学的男人）。
2.
**
原型检索：
**
大脑搜索其数据库以找到与输入匹配的"原型"（例如，"图书管理员原型"）。
3.
**
相似性评估：
**
大脑计算输入与原型之间的"相似度"。
4.
**
概率替代：
**
如果相似度高，大脑就用简单问题（"他看起来像图书管理员吗？"）替代困难问题（"他是图书管理员的概率是多少？"）。
5.
**
基本比率忽视：
**
大脑忽略"背景频率"（例如，男性农民是男性图书管理员的100倍这一事实）。
6.
**
结论：
**
你断定他是图书管理员，尽管统计概率完全相反。风险投资（VC）界在评估创始人时特别容易受到代表性的影响。
情境： 在Facebook和Microsoft成功之后，硅谷出现了一种特定的"创始人原型"：年轻、男性、大学辍学、穿连帽衫、社交笨拙但才华横溢。
模型应用： 风险投资家通常优先考虑符合这一原型的创始人。当他们遇到一个"像"扎克伯格原型的候选人时，他们高估了该创始人建立独角兽公司的概率。相反，他们可能低估一位50岁的女性创始人，因为她不符合他们心理数据库中成功的"代表性"。
结果： 这导致资本的巨大错配和"模式匹配"错误。Theranos丑闻（Elizabeth Holmes）部分源于Holmes故意通过穿黑色高领毛衣和用低沉声音说话来"代表"Steve Jobs。投资者看到了原型，忽视了科学欺诈的基本比率。
代表性塑造了公民和政治家如何看待威胁，往往导致国家优先事项的扭曲。
情境： 在21世纪初，调查问美国人估计"美国本土发生恐怖袭击"与"美国本土发生使用核武器的恐怖袭击"的概率。
模型应用： 许多参与者认为核袭击比一般袭击更可能。
结果： 这是合取谬误。核袭击是所有可能袭击的一个特定子集。然而，因为核袭击更"代表"我们生动的恐惧和当时的媒体叙事，大脑认为它更可能发生。这导致了对罕见、灾难性反恐措施的历史性过度投资，同时对网络攻击或基础设施故障等常见但频繁的风险投资不足。
代表性最常见的日常错误是相信随机性在短期内应该"看起来"随机。
情境： 在拉斯维加斯或澳门的赌场，轮盘赌连续五次开出"红"。
模型应用： 大多数玩家会开始大量押注"黑"。他们的逻辑是R-R-R-R-R的序列"不代表"随机过程。他们认为轮盘"该出"黑来"恢复平衡"。
结果： 实际上，黑的概率仍然是48.6%（标准轮盘）。轮盘没有记忆。通过使用代表性启发法，玩家假设小样本（5次旋转）应该看起来像大样本（100万次旋转）。这个被称为小数定律的错误，是赌场得以维持的原因。
模型组合表：
| 与...组合 | 效果 |
|---|---|
| 代表性启发法导致的主要数学错误。 | |
| 我们根据一个匹配特征假设某人具有原型的所有特征。 | |
| 我们只使用最"可得"（生动）的记忆来构建心理原型。 |
代表性启发法与可得性启发法有何不同？
可得性是关于回忆的容易程度（例如，"我刚看到一个飞机失事的新闻，所以我认为它们很常见"）。代表性是关于相似性（例如，"这个人看起来像飞行员，所以我认为他是"）。可得性是"记忆"错误；代表性是"模式"错误。
什么是"琳达问题"，它为什么重要？
琳达问题证明，我们的大脑更喜欢符合原型的"详细故事"，而不是统计上更可能的"简单事实"。它表明人类不是"直觉统计学家"，如果故事感觉对了，我们会很乐意违反基本的逻辑法则。
了解更多关于此模型的最佳资源是什么？
阅读Daniel Kahneman的《思考，快与慢》（2011）。第2部分（"启发法与偏差"）是关于代表性和基本比率忽视的权威指南。对于原始学术背景，请阅读Kahneman和Tversky的《不确定性下的判断》（1974）。
话老师帮助你通过将统计基本比率引入你的叙述来"去原型化"你的思维。
🚀 在话老师中应用代表性启发法洞察 →
本页面是话老师思维模型知识库的一部分。
心智模型是"知道"，练成肌肉记忆才是"会"。去 AI 陪练用这个场景过一遍，或在训练营里找对应实战课。
🤖 AI 陪练 🗓️ 30 天训练营 🎨 生成海报