代表性啟發法是什麼？- 被"典型事物"迷惑的陷阱

"戴眼鏡讀書的人，一定是理工科學生吧？" "穿西裝，應該是商人。" 代表性啟發法（Representativeness Heuristic）是一種依靠典型特徵來判斷的認知捷徑。它讓我們忽視統計和機率，而是根據刻板印象和外表來判斷世界。

相關文章：可獲性啟發法 | 確認偏誤

定義

代表性啟發法是指通過某個對象或事件與特定類別的「典型特徵」有多相似來判斷其機率的心理現象。

核心特徵

"看起來很像" = 機率很高
依賴刻板印象和典型特徵
忽視基礎率
不考慮樣本大小

著名案例：琳達問題（1983）

卡尼曼和特沃斯基的實驗

琳達的檔案

琳達，31歲，單身，誠實且聰明。
哲學專業，大學時對歧視問題和
社會正義有深入關注，
也參與過反核示威。

問題：下列哪個可能性更高？

A：琳達是銀行職員
B：琳達是銀行職員，且從事女性主義運動

大多數回答

選B（85%）
「因為更符合她的檔案」

正確答案

A無疑是可能性更高
邏輯：A ⊇ B（A包含B）
「銀行職員」 > 「銀行職員 + 女性主義者」

為什麼會錯

B感覺更「代表」琳達
忽視機率邏輯，只看相似性
這被稱為「連接錯誤（Conjunction Fallacy）」

日常生活中的代表性啟發法

1. 職業推測

依靠外表判斷

眼鏡 + 書 + 安靜 = "一定是理工科"
西裝 + 手錶 + 自信 = "一定是CEO"
休閒 + MacBook + 咖啡廳 = "一定是設計師"

忽視的事實

實際各職業的人口比例
理工科學生可能比文科學生少
穿西裝的上班族遠比CEO多

問題

加強刻板印象
錯誤的第一印象
導致偏見

相關：確認偏誤

2. 賭徒謬誤

"現在該出來了"

擲硬幣：正-正-正-正-正
"現在該出現反面了！"

實際情況

每次都是獨立事件
正面出現的機率：仍然是50%
硬幣不會「想要平衡」

為什麼會錯

認為「隨機 = 均勻分佈」
但短期內可能有偏差
想像「典型的隨機」

損害

在賭博中持續虧損
「現在該出事了」的錯覺
虧損累積

3. 小樣本法則

"我周圍都是這樣"

"我的朋友都很成功"（10個朋友）
"這個社區的人都很有錢"（觀察20人）
"我們公司都加班"（5個團隊成員）

忽視的事實

樣本太小
選擇性偏差（相似的人聚集）
可能與整體人口不同

錯誤

將小樣本等同整體
"我的經驗就是真理"
不用數據驗證

4. 性格判斷

"看起來很善良"

外表看起來溫和 → "一定很善良"
長相兇悍 → "一定很可怕"
笑臉 → "一定是好人"

現實

外表和性格相關性低
騙子也可能長得善良
"典型的外表"是錯覺

結果

遭受詐騙
誤解好人
外表歧視

5. 投資判斷

"這家公司應該不會倒"

大企業 + 知名品牌 + 歷史悠久 = "一定安全"
創業公司 + 年輕CEO + 小辦公室 = "一定危險"

歷史教訓

柯達、諾基亞、百視達都倒閉
亞馬遜、蘋果從車庫開始
"典型的安全"不是保證

投資失敗

依靠外表判斷
不看財務報表
被「看起來像」迷惑

為什麼會發生？

1. 認知效率

快速判斷

無法逐一計算機率
直覺「這應該屬於那個類別」
大多數情況還算準確

進化原因

「有花紋 + 發出沙沙聲 = 蛇」 → 逃跑（生存）
來不及計算機率
快速直覺有助生存

2. 刻板印象的力量

類別思考

簡化複雜世界
「理工科就是這樣」、「藝術家就那樣」
忽視個體差異

學習到的典型

媒體影響
周圍案例
文化刻板印象

3. 機率理解不足

直覺 vs 數學

機率是反直覺的
難以理解「A且B」 < 「A」
學校教育不足

4. 敘事的誘惑

"說得通"的故事

人類喜歡故事
比邏輯解釋更喜歡「看似合理」的敘事
製造因果關係

克服方法

1. 先確認基礎率

機率的基本

問題：「這個人是理工科還是文科？」
先問：「理工科和文科的比例是多少？」

範例

學校：1,000名理工科生，3,000名文科生
數字比外表更重要
即使外表相似，文科生機率是3倍

相關：可獲性啟發法

2. 考慮樣本大小

"看了幾個人？"

5個朋友成功 < 1,000人統計
個人10次經驗 < 研究10,000個案例
小樣本更容易扭曲

提問

「支持這個判斷的案例有幾個？」
「佔整體母體的百分比是？」
「樣本是否足夠？」

3. 應用機率邏輯

簡單原則

A + B的機率 < A的機率
「銀行職員 + 女性主義者」 < 「銀行職員」
增加條件會降低機率

練習

解琳達問題類似的測驗
練習機率計算
比較直覺和計算

4. 質疑刻板印象

自我詢問

"我為什麼這麼想？"
"是不是因為媒體的形象？"
"實際數據會說什麼？"

意識多樣性

每個群體內部差異很大
「典型的X」可能是少數
個人不等於統計

5. 尋找統計數據

用數字確認

「醫生中女性比例是？」
「創業公司成功率是？」
「各職業人口分佈是？」

直覺 vs 現實

直覺常常錯誤
數據會揭示驚人真相
只需搜索一次

代表性啟發法的影響

個人層面

1. 錯誤判斷

依外表判斷人
憑感覺投資
錯失機會

2. 賭博成癮

「現在該出來了」
試圖彌補虧損反而更虧
不理解機率

3. 刻板印象傷害

「你不像那種人」
不符合典型就被排除
忽視多樣性

社會層面

1. 歧視和偏見

種族、性別刻板印象
「不適合那份工作」
機會不平等

2. 錯誤政策

只關注「典型案例」
忽視少數群體
不考慮統計的決策

3. 司法錯誤

「看起來像罪犯」
依外表推定有罪
冤枉判決

實戰應用

1. 決策框架

判斷前檢查清單

□ 基礎率是多少？
□ 樣本大小是否足夠？
□ 是否過度依賴刻板印象？
□ 機率上是否合理？
□ 數據說了什麼？

2. 投資原則

系統性評估

✗ "這家公司看起來不錯" → 投資
✓ 財務報表分析 → 行業比較 → 估值 → 投資

✗ "CEO很有魅力"
✓ "業績良好、財務健康、估值合理"

3. 改進招聘

盲目招聘

隱藏姓名、照片、學校
只憑能力評估
排除刻板印象

結構化面試

對所有候選人問相同問題
明確評估標準
依標準而非感覺

4. 日常判斷

見人時

✗ "戴眼鏡，一定是理工科" → 交談
✓ "直接問問" → 交談

✗ "看起來善良，就值得信任"
✓ "慢慢了解，再判斷"

5. 避免賭博

建立原則

硬幣不會記得之前的結果
拒絕「現在該出來了」的想法
期望值為負就不做

結論

代表性啟發法是用典型特徵判斷機率的強大認知偏差。它讓我們受刻板印象和外表迷惑，忽視統計和邏輯。

核心教訓

先看基礎率 - 先確認整體比例
樣本大小 - 不要用少數案例判斷
機率邏輯 - A+B的機率低於A
質疑刻板印象 - 典型可能是少數

容易誤解的話

"看起來很像，所以應該正確"
"有典型特徵，所以..."
"現在該出來了"
"長相善良，一定是好人"

明智的問題

「實際比例是多少？」
「樣本是否足夠？」
「是否過度依賴刻板印象？」
「數據會說什麼？」

實踐方法

判斷前確認基礎率
警惕小樣本
不要憑外表判斷人
尋找統計數據
學習機率

真正的智慧

典型只是現實的一部分
數字比直覺更準確
刻板印象常常錯誤
多樣性才是真實

「看起來很像的不一定是真相。典型特徵可能是少數，基礎率更重要。質疑直覺，相信數字。」

世界比刻板印象更豐富，內在比外表更複雜，統計比感覺更誠實。

定義​

著名案例：琳達問題（1983）​

卡尼曼和特沃斯基的實驗​

日常生活中的代表性啟發法​

1. 職業推測​

2. 賭徒謬誤​

3. 小樣本法則​

4. 性格判斷​

5. 投資判斷​

為什麼會發生？​

1. 認知效率​

2. 刻板印象的力量​

3. 機率理解不足​

4. 敘事的誘惑​

克服方法​

1. 先確認基礎率​

2. 考慮樣本大小​

3. 應用機率邏輯​

4. 質疑刻板印象​

5. 尋找統計數據​

代表性啟發法的影響​

個人層面​

社會層面​

實戰應用​

1. 決策框架​

2. 投資原則​

3. 改進招聘​

4. 日常判斷​

5. 避免賭博​

相關概念​

結論​

定義