第15章 琳达问题的社会效应

琳达，31岁，单身，一位直率又聪明的女士，主修哲学。在学生时代，她就对歧视问题和社会公正问题较为关心，还参加了反核示威游行。

问题，琳达目前的情况：

1. 琳达是小学老师。

2. 琳达在书店工作，她还在学瑜伽。

3. 琳达积极参与女权运动。

4. 琳达是妇女选民联盟成员。

5. 琳达是银行出纳。

6. 琳达是保险推销员。

7. 琳达是银行出纳，还积极参与女权运动。

---

受试者不拿报酬和拿了报酬的结果会出现很大的差别。拿了报酬的第七个选项的排名会在第五个的前面，而一般的选择，第五个排名会在第七个的排名前面。

其实这里有个“合取谬误”，因为第五个的概率一定会比第七个来的大的。

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。

合取谬误是概率的误解，人们会有一种“少即是多“的思想。书中也提到了一种减少谬误的条件，让变量有空间的暗示性，把范围缩小的个人。比如书中举得例子：

不列颠的哥伦比亚省针对成年男子样本作了一个健康调查，这些男子年龄不同，职业也不同。请对以下价值给出最佳评估：

在被调查的男子中，有几成人有过一次甚至多次心脏病发作的经历？

在被调查的男子中，有几成人既超过了55岁又有过一次甚至多次心脏病发作的经历？

不列颠的哥伦比亚省对一个由100名成年男性构成的样本进行了调查，这些男性年龄不同，职业也不同。请对以下价值给出最佳评估：

100名受试者中有多少位有过一次甚至多次心脏病发作的经历？

100名受试者中有多少超过55岁又有过一次甚至多次心脏病发作的经历？

上述问题中的“多少”使你想到了个体，但“几成”就不会使你有这种联想，从这点来看，这个难题的答案就不难理解了。

示例：

示例—少即是多

“他们构建了一个非常复杂的情节，还坚持说这个情节出现的可能性很大。这不是真的，这只是个貌似合理的故事而已。”

“对于贵重的产品他们还附赠一个便宜的小礼物，这样的话，整套产品就不那么吸引人了。少即是多就是这个意“很多情况下，直接的比较使得人们更谨慎也更有逻辑性。不过，也不常是这样。有时即使正确的答案就在眼前，直觉也会打败逻辑。

第16章 因果关系比统计学信息更具说服力

示例—原因和数据

“我们不能假设仅仅通过统计数据他们就能真正学到知识，需要再给他们一两个有代表性的个体案例来影响他们的系统1（作出判断）。”

“不需要担心这个统计学信息会被忽略掉。相反，它会立刻被应用到形成陈规的过程中。”

第17章 所有表现都会回归平均值

关于技能训练的一条重要原则：对良好表现的嘉奖比对错误的惩罚更有效。

示例—回归平均值

“她说经验教会她一个道理，批评比赞扬更有用。不过她不明白这是回归平均值在发挥效用。”

“也许由于惧怕让众人失望，所以他的第二次面试没有第一次那样令人印象深刻，他第一次的表现太优秀了。”

“我们的筛选过程并不是很完美，所以我们会考虑回归性。有些极其优秀的候选人也会让我们失望，对此我们并不感到惊讶。”

第18章 如何让直觉性预测更恰当有效？

这一章和第17章有点像，基本讲的就是人们的系统1的会带来的错误的判断，一般直觉会影响人们，导致判断偏离里了方向。

按照以下4个简单步骤来做，我们就可以进行无偏见预测：

1.先估测出平均绩点的平均值。

2.根据你对证据的印象算出与之相匹配的平均绩点。

3.对你的证据和平均绩点的关联作出估计。

4.如果关联度是0.3，则从估算出的平均绩点的平均值中抽出30%，放到与之匹配的平均绩点里。

参考书

《管理决策中的判断》