10. 连赌5把都输了，第6把会赢吗？

10.连赌5把都输了，第6把会赢吗？代表性启发式

你好，欢迎来到行为心理学30讲, 了解认知偏差，做出更好决策，我是朱睿。在前一讲中我介绍了可得性启发式。指的是越容易想到，越容易得到的信息，越会被做为决策的依据。这种思维捷径在很多时候会帮助我们做出快速，也足够好的决策。但他也会导致系统的偏差。今天我想延续上次的内容，给你介绍人们在做决策时经常使用的第二种启发式，代表性启发式。

提到代表性启发式，我想给你举一个非常有名的案例，它发生在1913年的一个晚上，在美国拉斯维加斯的一个赌场里面。当时有不少人都在玩轮盘赌。这是赌场里一种很常见的游戏，可能你也玩过。就是一个轮盘被分为36个区域，每个区域有一个号码哦，然后其中一半的区域是红色的，另一半是黑色的。最简单的玩法是赌颜色，也就是猜一个随机转动的小球最终会停在红色的区域里，还是黑色的区域里。那天晚上，在这样一个轮盘上，黑色连续出现，5次， 6次，一直都是黑色，这时如果是你，下一局你赌什么颜色？红色对吗？很多人都这么想，于是越来越多的人下注红色，而且不断加注筹码，15次，16次，依然每次都是黑色，这是现场已经沸腾了，最终的结果是黑色创纪录的连续出现了26次！这期间，你可以想象，不少人输的一塌糊涂，这个赌场当晚是挣足了钱！

请你想一想，在黑色连续出现的情况下，为什么你会想赌红色呢？那是因为，在你的脑海里，你会认为一个随机转动的球落在轮盘上黑色和红色区域的概率应该分别接近50%。那下次会停在什么颜色上，你会根据之前出现颜色的频率来做判断。如果黑色已经出现了5次，那如果想要符合随机性，你会觉得下一次出现红色的概率会很大！如果黑色连续出现10次，你押注红色的信心也会更大。这里所体现的就是我今天想讲的“代表性启发式。”对于不确定的事件，我们会把它和头脑中的认知相比较，通过相似的程度来判断当前事件发生的概率。回到轮盘赌这个例子，我们对于随机的认知是黑红两种颜色轮流出现，所以如果黑色已经连续出现了5次，那根据随机性，下一次出现的颜色大概率是红色！同样道理，如果我和你玩抛硬币游戏，连续5次出现了正面，你可能会猜下一次应该是反面。这就是“代表性启发式”在起作用。

“代表性启发式”最早是由一些学者在1973年在一个很出名的实验中展示给大家的。这个实验我们姑且叫它“汤姆实验”。实验中研究者给一所大学的学生描述了这所大学里一位叫汤姆的学生的特点，然后请他们判断他最有可能是什么专业的学生。那我在这里也给你重现一下这个实验：

“汤姆智商很高，但是缺乏真正的创造力。他喜欢简单有序的生活，干净整洁的环境。他写的文章比较枯燥，但有时也会用一些双关语和科学幻想。他的竞争心很强。他不关心别人，缺乏同理心，也不喜欢和他人交往。虽然他总是以自我为中心，但他有很强的道德感。”

在听完上述的描述后，你觉得汤姆最可能是什么专业的？这里有9个选项，分别是工商管理，计算机，工程，人文与教育，法律，医学，图书馆学，物理与生命科学，社会学。你会选择哪个专业呢？是不是最有可能是计算机或者工程专业？你的判断和绝大部分人的选择非常相似。为什么？如果你回想一下你做判断的过程，估计你会觉得对于汤姆的描述和你心里一个典型的理工科学生的形象非常吻合，有点像书呆子，守规矩，不喜欢和人打交道，等等。所以你会判断汤姆应该是计算机或工程专业的学生。换句话说，判断汤姆有多大可能性是某一专业的学生，这是一个相对比较困难的问题。但我们把它换成了一个简单的问题，就是汤姆在多大程度上和一个典型的特定学科的学生相似，通过相似性（或者代表性）来判断当前事件的可能性，这就是代表性启发式。

用代表性启发式来判断事件发生的可能性有很明显的优势。首先它很快。其次在很多的场景中，它所带来的判断也是正确的。比如身材又高又瘦的运动员很有可能是长跑运动员而不是举重选手；再比如受过高等教育的人比小学没有毕业的人更有可能找到高收入的工作，等等。但是，还有另外一些时候，这种启发式会带来错误的判断，因为我们会忽略一些重要的信息。

当我们用代表性启发式做判断的时候，最容易忽略的是基础概率。什么是基础概率呢？回到汤姆专业那个例子，就是在汤姆所在的学校里，所有的学生中不同专业的占比。事实上，在汤姆所在的学校，人文与教育，社会科学等专业的学生占比要远高于计算机和工程专业。所以，从基础概率来看，汤姆是人文和社会科学专业的概率要大于他是理工专业的概率。但我们采用代表性启发式时，我们采用的就是系统1 ，它会忽略基本的统计知识，不考虑基础概率，从而导致判断的偏差。而如果你开动系统2，考虑到各个专业的基础概率，你会做出更加理性的判断，也就是在这所大学，任何一个学生，包括汤姆，学习计算机和工程的可能性并不会很高。

第二类我们容易忽略的信息是样本的大小。这一点在开始我举的那个轮盘赌的例子中尤为明显。我们心里认为的随机属性，可能是“黑红黑红红黑”，也可能是“红红黑黑红黑”，或其他的组合，但总之我们认为在一个序列中出现黑色的比例应该是50%。但这是错误的。所谓随机，指的是一件事情的发生在统计学上对另一件事情的发生没有任何影响。随机事件是不可预测的。也就是说不管黑色连续出现了多少次，下一次出现黑色的概率还是50%。如果样本足够大，比如我们观察轮盘转上千次，上万次，那这中间出现黑红色的比例会接近各一半。但对于一个小的样本，就像我们看到了连续5次， 10次，甚至50次，那什么样的组合都是有可能的。但因为人们通常会忽略样本大小的影响，认为小样本也有大样本的属性，所以会觉得连续出现10次黑色不可思议。但这是完全有可能的。

第三类我们容易忽略的内容是信息的质量是否客观全面。当你听到关于汤姆的描述的时候，你会默认它是全面真实的，并因此产生联想，觉得这就是一个典型的理工科学生呀。但你没有考虑的是，这个描述是否真实，是否全面。这是一个人对汤姆的看法，还是很多人的综合评价？当我们短时间内看到一个人表情自信，说话果断，就判断他更适合成为领导，但这些其实也可能只是表面内容而已，善于欺骗的人短时间内也可以表现出相同的特征。

由此可见，代表性启发式在很多时候能帮助我们做出快捷有效的决策。但也在另一些时候让我们的决策出现系统的偏差。我们能做些什么，可以尽量避免它所带来的错误判断呢？

首先，我想给你提的第一个建议是，在作出判断之前，先考虑一下某一事件发生的基础概率。汤姆是什么专业的？我的孩子考上清华大学的可能性有多大？这对新婚夫妇将来有多大可能性会离婚？虽然在每个问题里，我们都会有一些信息，但这些信息往往是不充分的，那就应该首先考虑基础概率– 大学里各个专业的学生比例有多大，清华的基础录取率，以及近期的离婚率有多高？然后在此基础上，根据你有的信息，做些微调。但这种调整大部分时候不应该太大，因为大部分的普通人不会偏离普遍情况太多。

其次，不要基于小样本下结论。如果你和两个河南人做生意，被骗了，不要因此定论河南人不可信。如果你在一家新开的生鲜电商买了物美价廉的三文鱼，不要急于推荐给其他人，因为你不知道这样的质量是否能够持续。同样，如果有新闻说某个国家或地区新冠肺炎治愈率是100%，不要马上竖起大拇指。因为有可能这个地方本来的生病的人就凤毛麟角。

最后，对于重要的决策，培养质疑眼前信息的习惯。我们的系统1像个年轻天真的孩子，给什么信什么。但调动系统2的慢思考，你会问，这个信息属实吗？是否经得住推敲？是不是在各个场景都适用？当你不确信的时候，记得回到基础概率，这样你的判断不会有太大偏差！

最后，我想给你做个小结。今天和你分享的是一个人们做决策时经常使用的启发式 –叫代表性启发式。指的是说，想要判断一个事件发生的概率，我们会把这个事件和我们头脑中类似事件的典型特征进行比较，相似度越高，我们判断发生的概率也就会越大。这个方法虽然在很多场景下都很有效，但也会给我们带来系统的偏差。所以希望你从今天开始，做判断的时候，想一下基础概率，不要过分相信小样本的结论，而且学会质疑接受到的信息。

请你回想一下，你有没有这样的经历，你根据代表性启发式做出判断，后来证明与真相相差甚远？如果你深有体会，欢迎给我留言！在下一期中，我将给你介绍三种最常见的启发式的最后一种– 锚定和调整启发式。我们下一期再见！