Эвристика репрезентативности (Representativeness Heuristic)

Краткий обзор

1. Краткое содержание

Эвристика репрезентативности представляет собой привычку отвечать на вопрос «насколько это вероятно?» ответом на вопрос «насколько это похоже на то, что я себе представляю?». Встретив тихого незнакомца-книгочея, мы угадываем в нем библиотекаря, а не фермера, хотя фермеров во много раз больше, чем библиотекарей. Видя, что монета пять раз упала орлом, мы чувствуем, что теперь «должна» выпасть решка. Даниэль Канеман и Амос Тверски назвали эту эвристику в 1972 году и показали, что она порождает целое семейство ошибок: игнорирование базовых частот, доверие крошечным выборкам, оценку подробной истории как более вероятной, чем более расплывчатая, которая ее содержит, и ожидание, что случайность сама себя исправит. Этот прием работает, когда сходство и вероятность совпадают. Проблемы начинаются, когда категория редкая, выборка маленькая или описание яркое.

Простыми словами

Эвристика репрезентативности означает, что ты решаешь, насколько что-то вероятно, по тому, насколько оно похоже на то, чего ты ждешь. Если что-то подходит под картинку в твоей голове, тебе кажется, что так оно и есть, даже когда картинка плохая подсказка.

Представь, что в твой класс пришел новенький. Он в очках, носит с собой три книги и очень тихий. Кто-то шепчет: «Спорим, он чемпион по шахматам». Все кивают, потому что он похож на чемпиона по шахматам из фильмов. Но подумай. Сколько во всей твоей школе чемпионов по шахматам? Может, один или два. А сколько тихих ребят в очках? Куча. Тихий мальчик в очках гораздо скорее окажется обычным учеником, который просто стесняется. Твой мозг пропустил подсчет и сразу перешел к картинке.

Вот как это поймать. Когда думаешь «это точь-в-точь как...», задай еще один вопрос: «Из сотни таких, сколько на самом деле окажутся такими?» Если честный ответ «совсем немного», картинка тебя обманывает, и с решением стоит не спешить.

2. Научное обоснование

2.1. Открытие и история

Даниэль Канеман и Амос Тверски представили эту эвристику в 1972 году в статье в Cognitive Psychology «Subjective probability: A judgment of representativeness». Их тезис был прост и для господствовавшего тогда взгляда на людей как на приблизительных статистиков тревожен. Когда людей спрашивают, насколько вероятно событие, они часто ничего не вычисляют. Они спрашивают себя, насколько событие похоже на класс, к которому оно может принадлежать, или насколько хорошо выборка отражает процесс, который мог ее породить.

Статья 1973 года в Psychological Review «On the psychology of prediction» добавила задачу об инженерах и юристах, которая показала, что краткий психологический портрет может перечеркнуть использование людьми известных базовых частот. Обзор 1974 года в Science поставил репрезентативность рядом с доступностью и привязкой как одну из трех эвристик общего назначения. В 1983 году авторы опубликовали задачу о Линде, которая дала ошибку конъюнкции и стала самой обсуждаемой демонстрацией в этой области.

Критика пришла в 1990-х годах от Герда Гигеренцера, который утверждал, что «ошибки» отчасти отражают формулировки: если подать ту же информацию в виде естественных частот («10 из каждых 1000 человек»), а не вероятностей единичного события («вероятность 1%»), правильно рассуждают гораздо больше людей. Канеман и Тверски ответили в 1996 году, что ошибки реальны, а эффекты формата служат инструментом для их исправления. В 2002 году Канеман и Шейн Фредерик переосмыслили репрезентативность как частный случай замещения атрибута: когда у трудного вопроса (о вероятности) нет быстрого ответа, разум незаметно подставляет более легкий (о сходстве). В том же году Канеман получил премию по экономическим наукам памяти Альфреда Нобеля. Тверски умер в 1996 году.

Ключевые вехи:

• 1972: Канеман и Тверски публикуют статью «Subjective probability: A judgment of representativeness»
• 1973: статья «On the psychology of prediction» документирует игнорирование базовых частот
• 1974: обзор в Science включает репрезентативность в число трех основных эвристик
• 1983: Тверски и Канеман публикуют задачу о Линде и называют ошибку конъюнкции
• 1991-1996: критика Гигеренцера с позиций частотного формата и ответ Канемана и Тверски
• 2002: работа «Representativeness revisited» переосмысляет эвристику как замещение атрибута; Канеман получает премию памяти Нобеля

2.2. Ключевые исследователи

2.3. Знаковые исследования

«Subjective probability: A judgment of representativeness» (Канеман и Тверски, 1972)

В задаче о больницах спрашивали, в какой больнице, где около 45 родов в день или где около 15, будет больше дней, когда более 60% родившихся составят мальчики. Правильный ответ: в маленькой, потому что малые выборки чаще отклоняются от 50%. Большинство респондентов ответили, что примерно одинаково; авторы назвали это убеждение «законом малых чисел». Люди судят о выборке по тому, насколько репрезентативной она выглядит, а не по тому, насколько она вероятна.

Задача об инженерах и юристах (Канеман и Тверски, 1973)

Участникам сообщали, что психологи проинтервьюировали 100 специалистов, 70 инженеров и 30 юристов (а другой группе называли 30 инженеров и 70 юристов). Затем они читали портрет «Джека», консервативного, аккуратного и честолюбивого человека, который увлекается столярным делом, парусным спортом и математическими головоломками, и оценивали вероятность того, что он инженер. Группы 70/30 и 30/70 дали почти одинаковые ответы. Получив намеренно неинформативный портрет, люди называли 50% независимо от указанных пропорций. Базовые частоты они использовали, только когда описания не было вовсе.

«Extensional versus intuitive reasoning: The conjunction fallacy» (Тверски и Канеман, 1983)

Линду описывают как 31-летнюю незамужнюю женщину, прямолинейную, очень умную, выпускницу философского факультета, глубоко озабоченную социальной справедливостью и участвовавшую в антиядерных демонстрациях. Участники ранжировали утверждения о ней, среди которых были «Линда работает кассиром в банке» и «Линда работает кассиром в банке и участвует в феминистском движении». Примерно 85% поставили второе выше первого по вероятности. Это логически невозможно: каждая кассирша-феминистка является кассиршей, поэтому конъюнкция никогда не может быть вероятнее одной из своих частей. Аспиранты с подготовкой по статистике тоже совершали эту ошибку, но реже.

«How to improve Bayesian reasoning without instruction: Frequency formats» (Гигеренцер и Хоффраге, 1995)

В пятнадцати задачах о медицинских тестах участники, получавшие вероятности единичных событий, давали правильный байесовский ответ примерно в 16% случаев. Те, кто получал ту же информацию в виде естественных частот («у 8 из каждых 1000 женщин есть заболевание; у 7 из них тест положительный; из оставшихся 992 положительный тест также у 70»), давали его примерно в 46% случаев. Барби и Сломан (2007) позже утверждали, что помогает прояснение структуры вложенных множеств, независимо от того, выражены ли числа частотами. Так или иначе, ошибка сильно зависит от того, как подана задача.

2.4. Нейробиологические основы

Нейровизуализационных работ именно о репрезентативности немного, и большинство из них изучают игнорирование базовых частот как проверочный случай для теорий двойного процесса. «Зону репрезентативности» в мозге никто не нашел, и ожидать этого не стоит.

Тем не менее имеющиеся данные информативны. Вим Де Нейс и коллеги (2008) давали людям в фМРТ-сканере задачи по типу инженеров и юристов, в одних из которых описание и базовая частота совпадали, а в других противоречили друг другу. В конфликтных задачах росла активность передней поясной коры, области, связанной с обнаружением конкуренции между ответами, даже когда участник затем давал ответ на основе стереотипа. У тех, кто преодолевал стереотип, наблюдалась дополнительная активность правой латеральной префронтальной коры, связанной с подавлением доминирующей реакции. Мозг часто регистрирует, что что-то не так; не срабатывает требующий усилий шаг, на котором по этому сигналу нужно действовать.

Более общий механизм следует из того, что известно о категоризации. Работы Элеоноры Рош 1970-х годов показали, что люди представляют категории вокруг прототипов и судят о принадлежности по сходству. Сходство вычисляется быстро и автоматически; базовые частоты и размеры выборок приходится намеренно извлекать и объединять. Система, которая отвечает величиной, уже имеющейся под рукой, будет отвечать сходством.

3. Эволюционные истоки

Суждение по сходству не является конструктивным дефектом. Большую часть истории человечества это был единственный доступный механизм вывода.

Категоризация как базовый навык выживания. Предок, заметивший силуэт в траве, должен был за долю секунды решить, относится ли он к категории «хищник». Единственной пригодной подсказкой было то, насколько силуэт совпадает с запомненными хищниками. Сбор базовых частот о плотности хищников оказался бы смертельным.

Сходство обычно служит хорошим заменителем. В стабильной среде похожие вещи обычно ведут себя похоже. Случаи, когда сходство и вероятность расходятся (редкие категории, крошечные выборки и сконструированные описания), в основном современные.

Малые выборки были единственными выборками. Собиратель встречал лишь горстку примеров чего угодно. Считать три наблюдения надежным ориентиром было лучшей доступной стратегией.

Ожидание исправления часто оправдывалось. Погода, численность дичи и запасы пищи действительно возвращаются к норме после крайностей. Разум, настроенный ожидать регрессии, хорошо предсказывал природу и ошибается, только встретившись с рулеткой.

Среды, в которых мы сейчас принимаем решения с высокими ставками (медицинский скрининг, найм, финансы и право), как раз те, где базовые частоты экстремальны, а выборки обманчивы. Эвристика не изменилась. Изменился мир.

4. Проявления искажения

4.1. В повседневной жизни

• Угадывание профессии, политических взглядов или национальности незнакомца по внешности и уверенность в этой догадке
• Предположение, что в эффектном ресторане хорошая кухня, потому что он похож на хорошие рестораны, которые вы помните
• Вера в то, что после полосы невезения обязательно придет удача («мне должно повезти»)
• Оценка личности нового знакомого целиком по одному поступку, совпавшему с известным типажом
• Прочтение трех отзывов в интернете и отношение к ним как к вердикту тысяч людей

4.2. На рабочем месте

• Найм кандидата, который «похож» на прежних успешных сотрудников, а не того, у кого лучшие результаты
• Оценка проекта по тому, похож ли он на проекты, которые преуспели, при игнорировании того, что большинство проектов проваливаются
• Продвижение сотрудника, который соответствует мысленному образу руководителя, в обход коллеги с лучшими результатами
• Уверенность в долгосрочной продуктивности новичка на основе короткой серии успешных кварталов
• Отношение к небольшому опросу клиентов так, будто он говорит за весь рынок

4.3. В бизнесе и маркетинге

Маркетологи работают с этой эвристикой, а не против нее. Продукт, похожий на лидера категории, заимствует его доверие: коробка хлопьев в тех же цветах, что и ведущий бренд, пищевая добавка в упаковке, похожей на медицинскую. Инвесторы тоже не защищены. Основатель, похожий на основателей прошлых успешных компаний (молодой, технарь, бросил учебу в известном университете), получает кредит доверия, хотя базовая частота успеха среди таких основателей по-прежнему очень низка.

4.4. В политике и медиа

Новостное освещение работает как машина по производству ярких репрезентативных случаев. Одна драматичная история о преступлении, совершенном членом какой-то группы, запоминается лучше любой таблицы с уровнем преступности и влияет на то, насколько вероятными люди считают такие преступления. Кандидата, который выглядит и говорит как лидер, считают более избираемым независимо от его политики. Эвристика также подпитывает конспирологическое мышление через интуицию, что у большого следствия должна быть большая причина: убийство политика «похоже» на дело рук могущественного заговора больше, чем на дело одиночки, поэтому заговор кажется более вероятным, даже когда он гораздо менее вероятен.

4.5. В здравоохранении

Медицинская диагностика основана на распознавании образов, и именно эта эвристика делает опытного клинициста быстрым. Она же источник хорошо задокументированного класса ошибок. Пациента с хрестоматийной картиной редкой болезни часто начинают обследовать на нее раньше, чем на распространенные состояния, которые дают ту же картину гораздо чаще; правило «слышишь стук копыт, думай о лошадях, а не о зебрах» существует потому, что эвристика тянет в другую сторону. Обратная ошибка обходится так же дорого: пациента, который не соответствует прототипу (молодую женщину с инфарктом), могут отправить домой. Самый наглядный случай представляет интерпретация анализов, как показывает Пример 1.

4.6. В финансах и инвестициях

Инвесторы судят о компании по тому, похожа ли она на победителя: харизматичный генеральный директор, продукт в модной категории, график, напоминающий ранний график знаменитой акции. Хорошие компании считают хорошими инвестициями, хотя их качество уже отражено в цене. Управляющего фондом с тремя сильными годами считают умелым, хотя три года являются крошечной выборкой, а базовая частота устойчивого опережения рынка низка. После серии убытков трейдеры ждут разворота, а после серии выигрышей ждут продолжения; и то и другое представляет собой репрезентативность, примененную к последовательности.

5. Примеры из реальной жизни

Пример 1. Положительный результат анализа

• Контекст: В 1978 году Уорд Касселс и коллеги задали один вопрос 60 врачам, студентам и ординаторам Гарвардской медицинской школы. Распространенность заболевания 1 на 1000. Частота ложноположительных результатов теста на него 5%. У пациента тест положительный. Какова вероятность, что он болен?
• Что произошло: Лишь 11 из 60 дали ответ, близкий к правильным 2%. Самым частым ответом, который дали 27 человек, было 95%.
• Как проявилось искажение: Положительный результат похож на «наличие болезни», поэтому суждение о вероятности следовало за сходством. Базовая частота, согласно которой на 1000 человек приходится примерно один настоящий случай и пятьдесят ложноположительных, была проигнорирована.
• Последствия: Переоценка положительного результата скрининга ведет к ненужным биопсиям, тревоге и лечению. Пациент, которому говорят «у вас положительный тест» без базовой частоты, слышит почти полную определенность.
• Извлеченные уроки: Каждый раз, когда тест или симптом «подходит», спросите, насколько распространено состояние, прежде чем спрашивать, насколько хорошо подходит сигнал. Если совпадение рассмотреть первым, оно вытеснит базовую частоту.

Пример 2. Салли Кларк и 1 на 73 миллиона

• Контекст: В 1999 году Салли Кларк, английского солиситора, судили за убийство двух ее младенцев-сыновей, которые внезапно умерли в 1996 и 1998 годах. Защита утверждала, что оба случая были синдромом внезапной детской смерти (СВДС).
• Что произошло: Педиатр сэр Рой Медоу показал, что вероятность двух смертей от СВДС в семье вроде семьи Кларк составляет около 1 на 73 миллиона; эту цифру он получил, возведя в квадрат оценку 1 на 8543 для одной смерти. Кларк осудили. Королевское статистическое общество публично возразило в 2001 году, и в январе 2003 года приговор отменили после того, как всплыли не раскрытые ранее медицинские данные. Кларк умерла в 2007 году.
• Как проявилось искажение: Возведение в квадрат цифры для одной смерти предполагало, что смерти независимы, а это игнорирует общие генетические и средовые причины. Если глубже, крошечную вероятность двух смертей от СВДС приняли за вероятность невиновности, не сравнив ее с такой же крошечной базовой частотой того, что мать убьет двух детей.
• Последствия: Неправосудный приговор, три года в тюрьме и пересмотр похожих дел. Приговоры еще двум женщинам, осужденным на основании показаний Медоу, были отменены.
• Извлеченные уроки: Вероятность улик при условии версии не равна вероятности версии при условии улик. Когда редкое событие используют как аргумент в пользу вывода, рядом должна стоять базовая частота конкурирующего объяснения.

Исторический пример. Черное двадцать шесть раз в Монте-Карло (1913)

18 августа 1913 года в казино Монте-Карло шарик рулетки двадцать шесть раз подряд выпадал на черное. Вероятность такой серии примерно один к 67 миллионам. Примерно с пятнадцатого вращения игроки ставили деньги на красное. Каждое новое черное делало их увереннее, что красное «должно» выпасть, и они соответственно повышали ставки. По имеющимся сведениям, к моменту окончания серии казино получило миллионы франков.

Честное колесо «должно» давать примерную смесь красного и черного, поэтому длинная серия черного не похожа на результат честного колеса, и интуиция исправляет это ожиданием компенсации. Но каждое вращение независимо. Последовательность, которая похожа на случайность, и последовательность, которую порождает случайность, представляют собой разные вещи.

6. Цена этого искажения

6.1. Личные издержки

• Ошибочные оценки людей по первому впечатлению и упущенные друзья, партнеры или наставники, которые не подходили под типаж
• Проигрыши в азартных играх на сериях и «назревших» числах
• Покупка товаров и услуг потому, что они выглядят правильно, а не потому, что они хороши
• Решения о здоровье, продиктованные тем, похож ли симптом на пугающую болезнь, а не тем, насколько она вероятна
• Чрезмерная реакция на малые выборки обратной связи (три комментария, одно неудачное свидание, единичный отказ)

6.2. Профессиональные издержки

• Найм по сходству с прежними сотрудниками, который воспроизводит существующую команду и отсекает лучших кандидатов
• Диагностические ошибки в медицине, инженерии и ИТ, когда проблема похожа на знакомую, но ею не является
• Стратегические решения на основе нескольких ярких случаев, а не базовой частоты успеха похожих начинаний
• Чрезмерная уверенность после коротких серий удач и чрезмерная коррекция после коротких серий неудач

6.3. Общественные последствия

• Стереотипы и дискриминация, поскольку суждение об отдельных людях по групповым прототипам и есть эта эвристика, примененная к людям
• Судебные ошибки, когда присяжные судят по тому, насколько обвиняемый похож на преступника или насколько маловероятной кажется версия невиновности
• Гипердиагностика и избыточное лечение из-за чтения результатов скрининга без базовых частот
• Моральные паники, построенные на горстке драматичных случаев

6.4. Статистические последствия

• В задаче о Линде около 85% респондентов поставили конъюнкцию выше ее составной части
• В исследовании об инженерах и юристах сдвиг базовой доли инженеров с 30% до 70% при наличии описания менял оценки лишь на несколько процентных пунктов
• В гарвардском исследовании 1978 года 18% врачей и студентов правильно ответили на простой вопрос о базовой частоте; 45% назвали 95%
• Гигеренцер и Хоффраге (1995) обнаружили, что доля правильных байесовских ответов выросла примерно с 16% при вероятностном формате до примерно 46% при естественных частотах

7. Скрытые преимущества

Эта эвристика служит двигателем быстрой категоризации, и чаще всего она права.

• Скорость: Узнавание того, что ситуация похожа на известный тип, позволяет экспертам действовать за секунды. Пожарный, который чувствует, что здание «выглядит не так», и выводит команду, использует репрезентативность, и исследования экспертных решений Гэри Кляйна описывают такие спасения.
• Обучение на немногих примерах: Дети усваивают категории по горстке примеров, потому что обобщают по сходству. Разум, требующий больших выборок, прежде чем сформировать понятие, почти ничему бы не научился.
• Безопасные ошибки: Считать, что гриб, похожий на ядовитый, вероятно, опасен, разумно, даже когда ядовитые грибы редки, потому что цена ошибки несимметрична.
• Обнаружение закономерностей: То же ощущение «это не похоже на случайность», которое порождает ошибку игрока, заставляет ученых замечать аномалии, достойные изучения. Ошибка кроется в уверенности, а не в том, что человек заметил.

Преимущества сохраняются везде, где сходство отражает вероятность. Умение состоит в том, чтобы понимать, в какой среде вы находитесь.

8. Самодиагностика: подвержены ли вы этому искажению?

8.1. Контрольный список признаков

• Вы часто угадываете профессию или характер незнакомых людей по внешности и уверены в своей догадке
• После полосы неудач вам кажется, что теперь «должно» повезти
• Подробная правдоподобная история кажется вам вероятнее короткой и расплывчатой
• Вы судите о ресторане или компании в основном по тому, похожи ли они на хорошие
• Трех-четырех примеров вам кажется достаточно, чтобы закрыть вопрос
• Когда тест оказывается положительным, вы редко спрашиваете, насколько распространено это состояние
• Вы ожидаете, что новый сотрудник, сильно начавший, и дальше будет держаться на этом уровне
• Вам трудно поверить, что драматическое событие вызвала непримечательная причина
• Последовательность «орел-решка-орел-решка» кажется вам более «случайной», чем «орел-орел-орел-решка»
• Вы редко спрашиваете «а сколько вообще таких людей?», прежде чем решить, к какой категории относится человек

Оценка результатов:

• 0-2 галочки: Низкая восприимчивость
• 3-5 галочек: Умеренная восприимчивость
• 6-8 галочек: Высокая восприимчивость
• 9-10 галочек: Очень высокая восприимчивость

8.2. Вопросы для саморефлексии

1. Вспомните случай, когда вы по первому впечатлению были уверены в происхождении или роде занятий человека и ошиблись. На кого он был похож и чего вы не учли в подсчете?
2. Когда вы в последний раз меняли план из-за «серии», каким был фактический размер выборки?
3. Какие решения в вашей работе основаны на том, что случай похож на известный тип? Как часто вы проверяете, насколько этот тип распространен?
4. Можете ли вы назвать базовую частоту, относящуюся к решению, которое вам предстоит в этом месяце?
5. Когда подробный сценарий кажется вероятнее простого, что именно вы добавляете и делает ли каждое добавление его более или менее вероятным?

8.3. Экспресс-сценарий для диагностики

Сценарий: Вы проводите собеседование с кандидатом на должность старшего менеджера по продажам. Она уверена в себе, говорит быстро и ярко рассказывает о том, как закрыла огромную сделку на прошлой работе. Она похожа на всех лучших продавцов, которых вы знали. Ее продажи за последние три года, данные о которых у вас есть, находятся примерно в середине ее прежней команды.

Каким будет ваше решение?

• A) Нанять ее: у нее явно есть все необходимое, а цифры, вероятно, отражают слабую команду → Высокая восприимчивость
• B) Нанять с испытательным сроком, потому что впечатление сильное, но что-то не сходится → Умеренная восприимчивость
• C) Придать трехлетним цифрам больший вес, чем впечатлению, и сравнить ее с кандидатами с лучшими показателями → Низкая восприимчивость

9. Как распознать это искажение у других

9.1. Поведенческие признаки

• Уверенная мгновенная классификация людей, товаров и ситуаций
• Объяснение драматичных событий столь же драматичными причинами
• Удвоение ставок или смена стратегии после короткой серии
• Отношение к яркому анекдотическому случаю как к решающему доказательству
• Удивление и сопротивление, когда базовая частота противоречит впечатлению
• Прогноз, что сильное начало продолжится без регрессии

9.2. Речевые маркеры

Фразы, сигнализирующие о влиянии эвристики:

• «Он просто выглядит как типичный представитель».
• «Красное выпало пять раз, значит, теперь должно выпасть черное».
• «Это выглядит точь-в-точь как мошенничество, значит, это оно и есть».
• «Такое крупное событие случайно не происходит».

Типичные аргументы:

• Аргументация от того, насколько хорошо подходит история, а не от частоты категории
• Отношение к вероятности улик как к вероятности вывода

Вопросы, которых люди старательно избегают:

• «Из всех, кто подходит под это описание, сколько на самом деле относятся к категории?»
• «Насколько велика выборка, на основании которой я рассуждаю?»

9.3. Ситуационные триггеры

• Яркие, конкретные описания человека или события
• Редкие категории с сильными стереотипами (гении, преступники, вундеркинды)
• Короткие последовательности случайных исходов (игры, рынки, спорт)
• Ситуации диагностики и скрининга, где результат «подходит»
• Нехватка времени, которая благоприятствует быстрому суждению по сходству
• Информация, поданная в виде вероятностей единичных событий, а не в виде подсчетов

10. Стратегии преодоления искажения

10.1. Немедленные техники

• Сначала базовая частота: Прежде чем оценивать, насколько хорошо случай подходит под категорию, спросите, насколько эта категория распространена. Если можете, назовите число вслух.
• Переводите в подсчеты: Переформулируйте «вероятность 1%» как «10 из каждых 1000». Естественные частоты сразу делают видимыми и базовую частоту, и ложноположительные результаты.
• Тест «из сотни»: Для любого суждения вида «он похож на...» спросите, сколько людей из сотни, которые так выглядят, на самом деле к этому относятся.
• Вычитайте детали: Когда подробный сценарий кажется вероятным, убирайте детали по одной. Добавленные условия могут только снижать вероятность.
• Считайте выборку: Когда решение подталкивает серия, запишите число наблюдений. Если их меньше тридцати, считайте это слабым свидетельством.

10.2. Долгосрочные стратегии

• Изучите базовые частоты, важные в вашей области: Клиницистам стоит знать распространенность болезней; инвесторам стоит знать, сколько фондов обгоняют индекс за десять лет; менеджерам стоит знать, сколько наймов оказываются удачными.
• Практикуйте байесовское обновление на бумаге: Разберите несколько задач о медицинских тестах в частотном формате, пока структура не станет автоматической. Книга Гигеренцера Reckoning with Risk подробно разбирает этот метод.
• Ведите учет исходов: Записывайте мгновенные классификации и проверяйте их позже. Обнаружить, как часто «явно X» оказывалось не X, и есть самый убедительный урок.
• Ожидайте регрессии: За крайними результатами обычно следуют менее крайние; перестаньте приписывать возврат к среднему своему вмешательству.

10.3. Организация среды

• Вносите базовые частоты в бланки: В отчетах о скрининге, оценочных листах кандидатов и инвестиционных записках может быть строка для соответствующей базовой частоты, чтобы ее видели раньше деталей случая.
• Структура до истории: На собеседованиях и при диагностике собирайте количественные данные до рассказа, чтобы суждение опиралось на цифры.
• Подавайте риск в частотах: Буклеты и дашборды, где написано «3 из 1000», а не «0,3%», уменьшают игнорирование базовых частот во всей организации.
• Скрывайте нерелевантное сходство: Удаление имен, фотографий и названий учебных заведений на первом этапе отбора убирает подсказки, которые запускают суждения по сходству.

10.4. Когда обращаться за внешней оценкой

• Когда оцениваемая категория редка, а стереотип силен
• Когда решение опирается на положительный тест, сигнал или совпадение
• Когда вы рассуждаете на основе выборки, которую можно пересчитать по пальцам
• Когда история кажется слишком гладкой или драматичный исход будто требует драматичной причины

К кому обратиться: К тому, кто знает базовые частоты и не заинтересован в истории. Это может быть статистик, актуарий, эпидемиолог или коллега, у которого есть данные, но нет впечатления о случае. Спросите «как часто встречается эта категория?», прежде чем рассказать что-либо о самом случае.

11. Практические упражнения

Упражнение 1. Журнал базовых частот

• Цель: Сделать базовые частоты рефлексом, а не запоздалой мыслью
• Необходимое время: 10 минут на заполнение одной записи
• Необходимые материалы: Блокнот или электронная таблица, доступ к базовой статистике по вашей области
• Уровень сложности: Начальный
• Инструкции:
  1. Каждый раз, поймав себя на мысли, что объект «выглядит как типичный представитель класса», запишите название этого класса
  2. Найдите или оцените, насколько эта категория распространена в соответствующей совокупности
  3. Оцените, какая доля объектов со сходными признаками действительно относится к этой категории
  4. Запишите пересмотренную вероятность рядом с первым впечатлением
  5. Ежемесячно просматривайте журнал и отмечайте, какие категории вы постоянно переоцениваете
• Вопросы для размышления:
  • Какие базовые частоты удивили вас больше всего?
  • Где ваше впечатление было дальше всего от пересмотренной оценки?
  • Склонны ли вы системно завышать шансы редких категорий, и каких именно?
• Регулярность: Постоянно, с ежемесячным обзором в течение трех месяцев

Упражнение 2. Перевод в естественные частоты

• Цель: Превращать утверждения о вероятностях в подсчеты, чтобы базовые частоты стали видны
• Необходимое время: 20 минут
• Необходимые материалы: Ручка, бумага и три утверждения о риске из новостей, медицинского буклета или описания финансового продукта
• Уровень сложности: Средний
• Инструкции:
  1. Возьмите утверждение вроде «точность теста 95%» или «фонд обгонял свой бенчмарк 7 из последних 10 лет»
  2. Перепишите его как то, что произошло бы с 1000 людей или 1000 случаев
  3. Добавьте базовую частоту: у скольких из этой 1000 действительно есть заболевание или сколько из них умелые управляющие
  4. Подсчитайте количество реальных и ложных срабатываний по отдельности
  5. Вычислите долю настоящих среди положительных и сравните ее с первым впечатлением
• Вопросы для размышления:
  • Насколько ваше первое впечатление отличалось от подсчета?
  • Какого числа не хватало в исходном утверждении?
  • Где в вашей жизни вам сообщают вероятности без базовых частот?
• Регулярность: Еженедельно в течение шести недель, затем каждый раз, когда утверждение о риске имеет значение

Упражнение 3. Тест на случайность последовательности

• Цель: Перенастроить представление о том, как выглядит случайность
• Необходимое время: 15 минут
• Необходимые материалы: Монета, лист бумаги, напарник
• Уровень сложности: Начальный
• Инструкции:
  1. Запишите придуманную последовательность из двадцати орлов и решек, которая «выглядит случайной»
  2. Подбросьте настоящую монету двадцать раз и запишите фактическую последовательность
  3. Покажите обе записи напарнику и предложите определить, какая из последовательностей подлинная
  4. Посчитайте самую длинную серию в каждой; в настоящих последовательностях из двадцати бросков обычно есть серия из четырех или более
  5. Повторите со второй придуманной последовательностью, на этот раз намеренно включив более длинные серии
• Вопросы для размышления:
  • Не чередовались ли исходы в вашей придуманной последовательности слишком часто?
  • Смог ли друг определить настоящую и что ее выдало?
  • Где в вашей жизни вы читаете короткую серию как тренд?
• Регулярность: Один раз, затем каждый раз, когда ловите себя на ставке на серию

Ежедневная практика

Подсчет категории

Раз в день, когда замечаете, что относите человека, событие или товар к категории потому, что он на нее похож, спрашивайте: «Из сотни таких, сколько на самом деле к ней относятся?»

• Рекомендуемая длительность: Одна минута
• Лучшее время дня: Когда возникает мгновенное суждение, чаще всего за утренними новостями или в дороге
• Способ отслеживания прогресса: Подсчет того, как часто честным ответом было «меньше, чем я предполагал»

Еженедельное задание

Найдите недостающую базовую частоту

Каждую неделю берите одно встреченное утверждение, которое опиралось на яркий случай (новость, рекламный питч, рассказ коллеги), и находите базовую частоту, которую оно упустило.

• Ожидаемые результаты через 4 недели: Более быстрое распознавание аргументов без базовых частот; небольшая личная библиотека базовых частот для решений, которые вам приходится принимать чаще всего
• Темы для записей в дневнике:
  • Какое утверждение изменилось сильнее всего после добавления базовой частоты?
  • Трудно ли было найти базовую частоту, и если да, то почему?
  • Стал ли яркий случай после этого казаться менее убедительным или его притяжение осталось?

12. Рекомендации для конкретных аудиторий

Для руководителей и менеджеров

• Найм: Настаивайте на структурированных интервью и пробных заданиях; неструктурированные интервью вознаграждают сходство с прототипом, а не способности
• Прогнозирование: Прежде чем утвердить план, запросите референтный класс: что произошло с последними двадцатью проектами, похожими на этот?
• Оценка результатов: Не повышайте и не наказывайте на основании короткой серии; дождитесь выборки, достаточно большой, чтобы отделить умение от шума
• Культура: Сделайте вопрос «какова базовая частота?» допустимым на любой встрече, особенно когда зал убеждает какая-то история

Для родителей и педагогов

• Объяснение по возрасту: «Иногда что-то выглядит точь-в-точь как то, чего мы ждем, но внешность может обмануть. Прежде чем решить, спроси: сколько вещей, которые так выглядят, на самом деле такие?»
• Учите считать с ранних лет: Дети, которые учатся спрашивать «сколько?», учатся не доверять единичным примерам
• Используйте игры: Броски монеты и кубиков проще всего показывают, что в случайных последовательностях бывают серии
• Проверяйте стереотипы числами: Когда ребенок говорит «девочки не могут...» или «мальчики всегда...», спросите, сколько таких случаев он на самом деле насчитал

Для медицинских работников

• Сначала распространенность: Прежде чем интерпретировать результат, назовите дотестовую вероятность; прогностическая ценность положительного результата любого теста резко падает, когда заболевание редкое
• Естественные частоты в разговоре с пациентами: Говорите «из 1000 человек с положительным тестом заболевание есть примерно у 20», а не называйте чувствительность и специфичность
• Атипичные проявления: Встройте явные проверки для пациента, который не вписывается в картину, поскольку диагностика по прототипу таких пропускает
• Сначала лошади, потом зебры: Пусть распространенные диагнозы идут первыми, но держите правило, когда редкий диагноз обязательно нужно исключить

Для финансовых специалистов

• История результатов является выборкой: Три хороших года не доказывают мастерства; спросите, сколько управляющих с тремя хорошими годами затем обгоняют индекс
• Хорошая компания, хорошая акция: Отделяйте качество бизнеса от качества его цены, поскольку сходство с победителем уже заложено в оценку
• Серии: Относитесь к желанию удвоить ставку после убытков или нагрузиться после прибыли как к сигналам ошибки игрока и эффекта «горячей руки» и замедляйте решение
• Частоты в раскрытии информации: Описывайте риск как «из 100 десятилетних периодов этот портфель терял деньги в 12», а не в процентах

13. Взаимодействие с другими искажениями

Искажения, усиливающие данный эффект

Искажения, ослабляющие данный эффект

Типичные цепочки искажений

Эвристика репрезентативности → Ошибка базовой вероятности → Иллюзия валидности → Эффект сверхуверенности

Описание похоже на категорию, поэтому разум подменяет вероятность сходством (Эвристика репрезентативности). Распространенность категории отбрасывается (Ошибка базовой вероятности). Поскольку описание внутренне согласовано, суждение кажется хорошо обоснованным (Иллюзия валидности). Затем человек действует с большей уверенностью, чем позволяют данные (Эффект сверхуверенности). Вторая цепочка проходит через последовательности: Эвристика репрезентативности → Ошибка игрока → Иллюзия контроля; короткая серия, которая «не похожа на случайность», побуждает сделать ставку, а ставку затем принимают за умение.

Разрыв цепочки: Дешевле всего вмешаться на первом звене. Если запросить базовую частоту или размер выборки до рассмотрения описания, подмена не произойдет. Когда суждение уже кажется обоснованным, вытеснить его гораздо труднее.

14. Культурный контекст

Сам механизм, судя по всему, универсален; прототипы, которыми он пользуется, нет. Каждая изученная культура классифицирует по сходству, а игнорирование базовых частот и ошибка конъюнкции воспроизведены во многих странах. Различаются содержание категорий и связанные с ними стереотипы.

Ричард Нисбетт и коллеги сообщали, что участники из Восточной Азии склонны группировать объекты по связям и контексту («корова подходит к траве»), а западные участники по таксономической категории («корова подходит к курице»). Если так, то прототипы, к которым обращается репрезентативность, устроены по-разному. Эти данные касаются категоризации, а не суждений о вероятности, поэтому вывод разумен, но напрямую не проверен. Более прямое окно дают азартные игры: вера в то, что число или цвет «назрели», возникает везде, где есть игры на удачу. Честный вывод таков: кросс-культурных исследований этой эвристики меньше, чем исследований самовозвышения, и большинство утверждений о национальных различиях опирается на различия в прототипах, а не в самом мыслительном приеме.

15. Мифы и заблуждения

16. Взгляды экспертов

«В целом эти эвристики весьма полезны, но иногда они приводят к серьезным и систематическим ошибкам». — Амос Тверски и Даниэль Канеман, «Judgment under uncertainty: Heuristics and biases», Science, 1974

«Я знаю, что третье утверждение наименее вероятно, но маленький гомункулус в моей голове продолжает прыгать и кричать мне: „Но она не может быть просто кассиршей; прочти описание“». — Стивен Джей Гулд о задаче о Линде в эссе «The Streak of Streaks» (1988)

Пересказ: когда разуму задают трудный вопрос о вероятности и ответ не приходит под руку, он вместо этого отвечает на более легкий вопрос о сходстве, и эта подмена происходит так, что никто ее не замечает. — Даниэль Канеман и Шейн Фредерик, «Representativeness revisited» (2002), пересказ

Пересказ: разум не эволюционировал для обращения с вероятностями единичных событий; дайте людям ту же информацию в виде подсчета реальных случаев, и значительная часть предполагаемой иррациональности исчезнет. — Герд Гигеренцер, по исследованиям частотного формата 1990-х годов, пересказ

17. Главные выводы

1. Сходство не равно вероятности: Эвристика отвечает на вопрос «насколько это похоже на X?», когда вопрос был «насколько вероятно X?». Они совпадают достаточно часто, чтобы подмена казалась безопасной, и расходятся достаточно часто, чтобы делать ее опасной.

2. Она порождает несколько известных ошибок: Игнорирование базовых частот, ошибка конъюнкции, нечувствительность к размеру выборки, ошибка игрока и пренебрежение регрессией к среднему представляют собой то, как выглядит репрезентативность в конкретных условиях.

3. Базовые частоты проигрывают описаниям: Канеман и Тверски в 1973 году показали, что краткий психологический портрет может почти свести на нет использование людьми известных пропорций категорий.

4. Больше деталей означает меньшую вероятность, хотя ощущается как большая: Задача о Линде показывает, что подходящая деталь одновременно делает историю более репрезентативной и менее вероятной.

5. Малые выборки не являются малыми совокупностями: Вера в «закон малых чисел» заставляет людей доверять сериям, крошечным опросам и трехлетним результатам гораздо больше, чем те способны выдержать.

6. Формат меняет частоту ошибок: Гигеренцер и Хоффраге обнаружили, что естественные частоты примерно утроили долю правильных ответов. Эвристика реальна, и способ исправления тоже.

7. Средство представляет собой вопрос, а не чувство: Спросите «насколько распространена эта категория?» и «насколько велика эта выборка?», прежде чем дать слово сходству.

18. Дополнительные источники

Научные статьи

• Kahneman, D., & Tversky, A. (1972). Subjective probability: A judgment of representativeness. Cognitive Psychology, 3(3), 430-454.
• Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237-251.
• Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131.
• Tversky, A., & Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293-315.
• Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684-704.
• Kahneman, D., & Tversky, A. (1996). On the reality of cognitive illusions. Psychological Review, 103(3), 582-591.
• Casscells, W., Schoenberger, A., & Grayboys, T. B. (1978). Interpretation by physicians of clinical laboratory results. New England Journal of Medicine, 299(18), 999-1001.

Книги

• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Kahneman, D., Slovic, P., & Tversky, A. (Eds.). (1982). Judgment under Uncertainty: Heuristics and Biases. Cambridge University Press.
• Gigerenzer, G. (2002). Reckoning with Risk: Learning to Live with Uncertainty. Penguin. (Published in the US as Calculated Risks.)

Главы в книгах

• Kahneman, D., & Frederick, S. (2002). Representativeness revisited: Attribute substitution in intuitive judgment. In T. Gilovich, D. Griffin, & D. Kahneman (Eds.), Heuristics and Biases: The Psychology of Intuitive Judgment (pp. 49-81). Cambridge University Press.
• Tversky, A., & Kahneman, D. (1982). Judgments of and by representativeness. In D. Kahneman, P. Slovic, & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 84-98). Cambridge University Press.

19. Краткая карточка

20. Глоссарий терминов

21. Вопросы для обсуждения

Для книжных клубов, учебных аудиторий или индивидуальных размышлений:

1. Задачу о Линде критикуют на том основании, что слово «probable» в обычном английском может означать «правдоподобно» или «типично». Спасает ли это тех, кто выбрал конъюнкцию, или просто описывает ошибку другими словами?

2. Где в вашей работе или жизни вы опираетесь на сходство, чтобы быстро принимать решения, и в каких из этих ситуаций базовая частота настолько экстремальна, что сходство, скорее всего, введет в заблуждение?

3. Естественные частоты уменьшают игнорирование базовых частот, но большинство сообщений о рисках по-прежнему использует проценты. Как вы думаете, почему, и что потребовалось бы, чтобы изменить это в вашей организации?

4. Дело Салли Кларк показывает, как суд принял маловероятность невиновности за доказательство вины. Как помочь присяжным сопоставлять два редких объяснения друг с другом?

5. Найм по сходству с прошлыми успехами воспроизводит существующую команду. Существует ли законная версия «он нам подходит» и как отличить ее от работающей эвристики?

Последнее обновление: 17 октября 2026