Евристика репрезентативності: як схожість із прототипом змінює оцінку ймовірності
Автор: Український психологічний ХАБ · Опубліковано: 20 вересня 2026 · Редакційна політика
Евристика репрезентативності — це спосіб інтуїтивно оцінювати ймовірність, належність до категорії або майбутній результат за тим, наскільки випадок схожий на типовий образ, знайомий приклад чи очікуваний процес. Коли опис людини «дуже схожий» на представника певної професії, серія випадкових подій «виглядає по-справжньому випадковою», а результат малого дослідження «схожий на закономірність», відчуття відповідності може почати виконувати роботу статистичного доказу. Саме в цій підміні схожості ймовірністю виникає головний ризик евристики.
Поняття належить до традиції досліджень судження й ухвалення рішень, пов’язаної насамперед із Амосом Тверскі та Деніелом Канеманом. У класичній статті Subjective Probability: A Judgment of Representativeness вони описали репрезентативність як оцінювання суб’єктивної ймовірності через подібність події або вибірки до вихідної сукупності та до характерних рис процесу, який її породжує.
Науковий статус цього поняття сьогодні сильніший, ніж проста історична згадка про «когнітивну помилку». Класичні ефекти продовжують відтворюватися, але сучасна література істотно уточнила початкову картину: люди не завжди ігнорують базові частоти, репрезентативність не має одного-єдиного доведеного механізму, а формулювання задачі, формат статистичної інформації, структура множин, досвід і доступність діагностичних ознак помітно змінюють результат. Тому евристику коректно розуміти як впливовий описовий принцип судження, а не як універсальний закон людської «ірраціональності».
Що таке евристика репрезентативності
Найкоротше визначення таке: ми судимо про ймовірність через відповідність прототипу. Прототипом може бути типовий образ категорії — наприклад, наше уявлення про підприємця, науковця чи шахрая; характерна картина процесу — наприклад, те, як «має виглядати» випадкова послідовність; або очікуваний профіль результату — наприклад, те, як «має виглядати» успішний стартап. Чим вищою здається відповідність, тим легше інтуїтивно підвищити ймовірність, навіть коли частина статистично релевантної інформації говорить інше.
Тут важливо розділити два різні запитання. Перше: «Наскільки цей випадок схожий на типового представника категорії?» Друге: «Яка ймовірність, що цей випадок справді належить до категорії?» На перше запитання можна відповідати за рисами самого випадку. Для другого часто потрібні ще базова частота категорії, надійність ознак, розмір вибірки, альтернативні пояснення та правила ймовірності. Евристика репрезентативності стає особливо помітною тоді, коли відповідь на перше запитання непомітно замінює друге.
У пізнішій теоретичній формалізації Канеман і Шейн Фредерік описували такий перехід як різновид атрибутивної заміни: складну цільову характеристику — ймовірність — людина може замінювати легшою для оцінювання характеристикою — схожістю. Цей підхід викладено в розділі Representativeness Revisited: Attribute Substitution in Intuitive Judgment. Водночас це одна з моделей пояснення, а не остаточно встановлений єдиний механізм.
Прототип, екземпляр і «типовість»
Слово «прототип» зручне, але його не слід перетворювати на надто буквальну теорію. Можливі щонайменше різні способи репрезентації категорій: узагальнений типовий образ, пам’ять про конкретні приклади-екземпляри або комбінація кількох джерел. Експериментальне моделювання Нільссона, Юсліна й Ольссона показало, що ефекти, які традиційно називають репрезентативністю, у їхньому завданні краще пояснювала модель на основі екземплярів, а не проста модель прототипу. Це одна з причин не описувати евристику як окремий «модуль мозку», який завжди працює однаково.
У дослідженні Exemplars in the Mist: The Cognitive Substrate of the Representativeness Heuristic автори прямо наголошували, що поняття репрезентативності було впливовим, але водночас зазнавало критики за теоретичну нечіткість. Сучасний висновок практичний: «схожість із типовим» — корисний опис феномену, але когнітивна реалізація цієї схожості може бути різною.
Коли схожість справді допомагає
Репрезентативність не є помилкою за визначенням. Якщо ознаки, за якими ми бачимо схожість, справді діагностичні, а базові частоти не надто нерівні, швидке судження може бути цілком добрим наближенням. Птах із характерною формою дзьоба, оперенням і поведінкою справді може належати до виду, на який він схожий; технічний збій із типовим набором симптомів справді може мати типову причину. Евристики існують саме тому, що часто дозволяють ухвалити прийнятне рішення без повного обчислення всіх можливостей.
Проблема починається не зі швидкості, а з невідповідності між сигналом і висновком. Схожість може бути високою, але категорія — дуже рідкісною. Опис може бути яскравим, але ненадійним. Вибірка може виглядати «переконливо», але бути надто малою. Комбінація двох рис може створювати дуже цілісний образ, хоча за законами ймовірності спільна подія не може бути ймовірнішою за кожну з її складових. У таких ситуаціях інтуїтивна репрезентативність і статистична ймовірність розходяться.
Як виникла концепція: програма Тверскі — Канемана
У 1972 році Канеман і Тверскі систематично дослідили, як люди оцінюють суб’єктивну ймовірність вибірок і подій. Їхня праця про судження репрезентативності показала, зокрема, нечутливість частини суджень до розміру вибірки: люди могли надто сильно орієнтуватися на частку або середнє значення, яке «представляє» популяцію, і недостатньо враховувати, скільки спостережень стоїть за цим результатом.
У 1973 році в статті On the Psychology of Prediction автори поширили логіку репрезентативності на інтуїтивне прогнозування. Передбачення часто тяжіло до результату, який найкраще «відповідав» опису, тоді як апріорна ймовірність результату, надійність самого опису та статистична регресія отримували меншу вагу, ніж мали б у формальному прогнозі.
У 1974 році Тверскі й Канеман узагальнили програму в знаменитій статті Judgment under Uncertainty: Heuristics and Biases. Там репрезентативність була поставлена поруч з евристикою доступності та якорінням і коригуванням. Важлива деталь, яку часто втрачають у популярних переказах: автори називали евристики економними й зазвичай ефективними, але показували умови, у яких вони породжують систематичні й передбачувані помилки.
Базові частоти: чому типовий опис може вводити в оману
Базова частота — це поширеність категорії до врахування індивідуальної інформації. Якщо у певному середовищі 90% людей належать до групи А і лише 10% — до групи Б, ця асиметрія має значення для оцінки належності нової людини. Яскравий опис, який здається «дуже типовим» для Б, не анулює базову частоту автоматично. Потрібно запитати, наскільки опис справді діагностичний: як часто такі риси трапляються серед Б і як часто — серед А.
Класичні задачі на базові частоти стали одним із найвідоміших прикладів репрезентативності, однак сучасна оцінка тут обережніша. Огляд Джонатана Келера The Base Rate Fallacy Reconsidered показав, що теза «люди регулярно просто ігнорують базові частоти» надто груба: базові частоти часто використовуються, а їхня вага залежить від структури задачі та способу подання інформації.
Подальші дебати також показали, що формат має значення. У роботі Base-Rate Respect: From Ecological Rationality to Dual Processes Барбі й Сломан розглядали, як прозорі відношення між множинами допомагають людям інтегрувати базові частоти. Це важливе уточнення: те, що виглядає як «нехтування статистикою», частково може залежати від того, наскільки сама задача робить статистичну структуру доступною для міркування.
Приклад із професією
Уявімо, що серед 100 фахівців у вибірці є 80 аналітиків і 20 дизайнерів. Про нову людину сказано, що вона творча, уважна до візуальних деталей і захоплюється типографікою. Опис схожий на стереотипний образ дизайнера, тому інтуїція може швидко відповісти «дизайнер». Але для оцінки ймовірності недостатньо запитати, наскільки опис типовий. Треба врахувати, що аналітиків у вихідній сукупності вчетверо більше, а також знати, наскільки ці риси реально відрізняють дві професійні групи. Без цієї інформації точна числова відповідь узагалі не визначена.
Саме цей останній пункт принциповий. Навчальний приклад не означає, що базова частота завжди «перемагає» індивідуальні дані. Якщо опис походить із дуже надійного діагностичного тесту, індивідуальна інформація може бути важливішою за початкову частоту. Репрезентативність стає проблемою тоді, коли психологічна переконливість опису плутається з його статистичною діагностичністю.
Розмір вибірки та «закон малих чисел»
Малі вибірки коливаються сильніше за великі. Якщо дві лікарні мають однакову частку народжень хлопчиків у довгостроковій перспективі, але одна приймає значно менше пологів щодня, саме в малій лікарні частіше траплятимуться дні з дуже високою або дуже низькою часткою хлопчиків. Це наслідок більшої випадкової варіативності малих вибірок, а не особливої властивості лікарні.
Репрезентативність може штовхати в протилежний бік: ми очікуємо, що навіть невелика вибірка «добре представлятиме» популяцію. Звідси народжується інтуїція, ніби десять спостережень уже мають виглядати приблизно так само, як десять тисяч. У реальних дослідженнях це небезпечно тим, що випадковий екстремальний результат малого дослідження легко сприйняти як сильну закономірність.
Саме нечутливість до розміру вибірки була одним із центральних результатів класичної роботи 1972 року. У сучасній пререєстрованій реплікації Маяйвара та співавторів, що відтворювала дев’ять задач із цієї статті, успішно репліковано вісім із дев’яти класичних ефектів. Вибірка реплікації становила 623 учасники. Це не робить кожен історичний висновок безумовним, але показує, що значна частина класичних патернів не зникла під час сучасної перевірки.
Помилка кон’юнкції: коли цілісна історія здається ймовірнішою
Одне з найвідоміших явищ, пов’язаних із репрезентативністю, — помилка кон’юнкції. Формальне правило просте: ймовірність спільної події А і Б не може перевищувати ймовірність А окремо, бо множина випадків «А і Б» є підмножиною всіх випадків А. Якщо хтось працює банківською службовицею і водночас є активісткою, ця комбінація не може бути статистично ймовірнішою за сам факт роботи банківською службовицею.
Однак детальний опис людини може зробити складену версію набагато більш репрезентативною, змістовно цілісною й «схожою» на створений портрет. Тоді інтуїтивне ранжування за відповідністю образу вступає в конфлікт із логікою множин. Саме це лежить в основі знаменитої задачі про Лінду.
У статті Extensional versus Intuitive Reasoning: The Conjunction Fallacy in Probability Judgment Тверскі й Канеман докладно дослідили цей конфлікт між екстенсіональним правилом і інтуїтивною оцінкою. Водночас подальша література показала, що частота помилки залежить від формулювання, способу відповіді, прагматичного контексту та представлення задачі. Тому «помилка Лінди» — сильний експериментальний феномен, але не незмінна властивість кожної людини в кожному форматі.
«Виглядає випадково»: репрезентативність у послідовностях
Люди мають інтуїтивний образ випадковості: у ньому результати ніби повинні добре перемішуватися навіть на короткому відрізку. Через це послідовність на кшталт Г–Р–Г–Р–Р–Г, де Г означає «герб», а Р — «решка», може здаватися «більш випадковою», ніж Г–Г–Г–Р–Г–Р. Якщо йдеться про шість незалежних підкидань чесної монети й ми порівнюємо дві конкретно задані послідовності однакової довжини, їхні ймовірності однакові: кожна має ймовірність 1/64. Одна лише виглядає більш репрезентативною для нашого образу випадкового процесу.
Це допомагає зрозуміти, чому люди інколи очікують надто швидкого «вирівнювання» випадкових подій. Після серії одного результату може виникнути відчуття, що протилежний результат «уже повинен» з’явитися, аби серія знову стала схожою на випадкову. Такі міркування перетинаються з помилкою гравця, але поняття не варто зливати: евристика репрезентативності описує ширший принцип судження за схожістю, тоді як помилка гравця стосується конкретного хибного очікування залежності між незалежними випадковими подіями.
Регресія до середнього і надто сміливі прогнози
Ще одна класична зона — прогнозування. Якщо людина показала екстремально високий результат частково через стабільну майстерність, а частково через сприятливий випадок, наступний результат у середньому буде менш екстремальним. Це регресія до середнього. Інтуїтивний прогноз за репрезентативністю легко пропускає цей компонент: сильний опис здібностей породжує настільки ж сильний прогноз майбутнього, ніби весь попередній результат був чистим сигналом.
У дослідженні психології прогнозування 1973 року Канеман і Тверскі пов’язували репрезентативність із недостатньою чутливістю до надійності доказу, апріорної ймовірності та регресії. Практичний висновок не полягає в тому, що сильні прогнози завжди неправильні. Він полягає в іншому: екстремальність прогнозу повинна відповідати реальній прогностичній силі інформації, а не лише яскравості чи типовості опису.
Чому сучасна наука не зводить усе до однієї евристики
Класична програма евристик і упереджень дала мову для опису систематичних відхилень, але пізніша наука розібрала багато ефектів на окремі механізми й умови. Одна й та сама неправильна числова відповідь може виникнути через різні причини: недостатню увагу до базових частот, хибне трактування умовної ймовірності, неясну структуру множин, прагматичне прочитання формулювання, обмежену пам’ять, невдалий формат чисел або реальне використання схожості як евристики.
Наприклад, Шварц та співавтори показували, що в задачах із базовими частотами має значення логіка розмовного контексту: якщо експериментатор подає індивідуальний опис, учасник природно припускає, що цей опис релевантний. Це методологічне застереження важливе для всієї літератури: лабораторна «помилка» інколи частково відображає розумну інтерпретацію комунікативної ситуації.
У сучасному дослідженні Toward a More Nuanced Understanding of Probability Estimation Biases Бранч і Гегде показали, що помилки оцінки ймовірності краще розглядати як результат кількох внесків, а не як прояв одного універсального чинника. Такий підхід добре узгоджується з нинішньою редакційною позицією: репрезентативність залишається корисним науковим поняттям, але конкретне судження потрібно аналізувати за структурою задачі.
Репрезентативність і стереотипи
Соціальні стереотипи можуть бути одним із джерел прототипів, тому репрезентативність здатна впливати на судження про професію, соціальну роль, групову належність або очікувану поведінку. Але ці поняття не тотожні. Стереотип — це зміст узагальненого уявлення про групу; евристика репрезентативності — спосіб побудови висновку за ступенем відповідності конкретного випадку такому уявленню. Можна мати стереотип і не використовувати його для оцінки ймовірності, а можна застосовувати репрезентативність у задачі, де соціальних стереотипів немає взагалі.
Це розрізнення особливо важливе в кадрових, освітніх, правових та клінічних рішеннях. «Людина схожа на типовий випадок» — ще не доказ належності до категорії. Надійна оцінка повинна спиратися на релевантні дані та правила процедури. У медицині це означає, що схожість симптомів із типовою картиною не замінює клінічної оцінки, поширеності стану, характеристик тестів та диференційного аналізу. Інформаційна стаття про евристику не може бути інструментом самодіагностики.
Репрезентативність і евристика доступності — у чому різниця
Евристика репрезентативності відповідає приблизно на запитання «наскільки це схоже на типовий випадок?». Евристика доступності — на запитання «наскільки легко мені пригадати або уявити такі випадки?». Обидві можуть впливати на оцінку ймовірності, але через різні інформаційні сигнали.
Після гучної авіакатастрофи ризик польоту може здаватися вищим, бо образ події легко пригадується — це логіка доступності. Якщо кандидат на роботу дуже схожий на наш образ «ідеального програміста», ми можемо переоцінити ймовірність його успіху — це логіка репрезентативності. В одному реальному рішенні евристики можуть діяти разом, але аналітично їх корисно розділяти.
Репрезентативність, помилка базової частоти і когнітивні спотворення
Помилка базового відсотка — це результат судження, у якому базова частота отримує недостатню вагу відносно іншої інформації. Репрезентативність — один із можливих процесів, що сприяє такому результату. Тому ці поняття не є синонімами: можна продемонструвати недостатню увагу до базової частоти, не довівши автоматично, який саме когнітивний механізм її спричинив.
Так само не слід змішувати когнітивні упередження в науці про судження й рішення з «когнітивними спотвореннями» у клінічній та КПТ-традиції. У першій традиції йдеться про систематичні патерни судження щодо ймовірності, ризику, вибору та інформації. У другій — про характерні способи інтерпретації досвіду, які розглядають у контексті емоцій і психотерапевтичної роботи. Терміни історично й концептуально перетинаються лише частково.
Як формат інформації змінює міркування
Одна з найпрактичніших ліній досліджень показує: спосіб подання статистики може змінити якість висновку. Умовні відсотки на кшталт «1% мають стан; тест виявляє 90% випадків; 5% здорових отримують позитивний результат» вимагають кількох кроків умовного обчислення. Та сама структура у природних частотах — наприклад, «із 1000 людей 10 мають стан; тест позитивний у 9 із них і ще у приблизно 50 людей без стану» — робить вкладені множини видимішими.
У класичній роботі How to Improve Bayesian Reasoning Without Instruction: Frequency Formats Гігеренцер і Гоффраге показали, що частотні формати можуть суттєво полегшувати байєсівське міркування. Це не магічний «антидот» проти всіх евристик, але сильний практичний принцип: якщо рішення залежить від базових частот і умовних ймовірностей, спробуйте перевести абстрактні проценти у зрозумілі кількості людей або випадків.
Сучасні дані: що витримало перевірку
Найважливіший сучасний факт — пряма пререєстрована перевірка класичного набору задач. Маяйвар, Ван, Льоре та Фелдман відтворили дев’ять проблем із праці Канемана й Тверскі 1972 року на вибірці N = 623. У реплікації, опублікованій у Quarterly Journal of Experimental Psychology вісім із дев’яти проблем дали успішну реплікацію. Це сильне підтвердження того, що репрезентативні патерни судження залишаються емпірично відтворюваними.
Одночасно сучасні дані не підтримують спрощену формулу «люди завжди нехтують статистикою». Келер показав залежність використання базових частот від структури й репрезентації задачі; Гігеренцер і Гоффраге — вплив частотного формату; Барбі й Сломан — роль прозорості відношень між множинами; Нільссон та співавтори — конкуренцію прототипного й екземплярного пояснень; Бранч і Гегде — множинність джерел помилок оцінки ймовірності. Разом ці результати роблять теорію менш ефектною для популярного слогана, зате значно точнішою.
Отже, найкраще сучасне формулювання таке: люди справді часто використовують схожість і типовість як інформацію для судження про ймовірність; у певних задачах це породжує стійкі відхилення від нормативної статистики; сила ефекту залежить від змісту й формату задачі; а когнітивний механізм не зводиться до одного універсального процесу.
Практичні приклади
Добір працівника
Кандидат говорить і поводиться дуже схоже на людей, яких команда вважає «успішними засновниками» або «сильними продавцями». Репрезентативність створює відчуття прогнозу ще до перевірки валідних показників. Корекція: заздалегідь визначити критерії, оцінювати поведінкові докази, порівнювати кандидата з релевантною базою результатів і не підміняти прогностичну валідність культурною схожістю.
Інвестиція або бізнес-проєкт
Проєкт має всі риси відомої історії успіху: харизматичний засновник, стрімке раннє зростання, модний ринок, переконливий наратив. Схожість із успішними кейсами може підвищити суб’єктивну ймовірність успіху сильніше, ніж це виправдовують базові частоти невдач у секторі, якість даних і невизначеність прогнозу. Корекція: окремо оцінити базову частоту, якість конкретних доказів і сценарії, за яких «схожий» проєкт закінчується інакше.
Мала вибірка
У невеликій команді нова практика дала дуже сильний результат протягом двох тижнів. Картина виглядає «настільки переконливо», що її легко сприйняти як доказ стабільного ефекту. Але мала кількість спостережень означає високу випадкову варіативність. Корекція: подивитися на довший період, довірчі інтервали, розмір ефекту, можливі змішані чинники й незалежне відтворення.
Оцінка ризику
Подія нагадує відомий сценарій катастрофи, тому людина швидко відносить її до «небезпечного типу». Тут репрезентативність може взаємодіяти з доступністю: сценарій і схожий, і легко пригадується. Корекція: розділити питання «на що це схоже?» і «яка частота такого результату за цих умов?», а потім оцінити діагностичність нових даних.
Як зменшити помилки репрезентативності
Перший крок — назвати базову частоту до читання яскравого опису. Запитайте: яка частка випадків належить до кожної альтернативи до того, як я дізнався індивідуальні деталі? Це не означає механічно триматися за апріорну оцінку; це створює стартову точку, від якої нові докази мають обґрунтовано відхиляти прогноз.
Другий крок — відділити схожість від діагностичності. Ознака може бути типовою для категорії Б і водночас так само часто траплятися в категорії А. У такому разі вона психологічно яскрава, але статистично слабка. Корисне запитання: наскільки частіше я побачив би цю ознаку, якби Б було правдою, порівняно з альтернативою?
Третій крок — перевірити розмір вибірки. Чим менше спостережень, тим ширший простір випадкових коливань. Для дуже малого N екстремальний результат не повинен автоматично породжувати екстремальну впевненість. Якщо рішення важливе, шукайте більший масив даних, незалежні повторення та оцінку невизначеності.
Четвертий крок — зробити множини видимими. Для базових частот і умовних ймовірностей переведіть проценти у природні частоти: «зі 1000 випадків…». Це часто показує, скільки істинних і хибних позитивних результатів реально стоїть за відсотками, і зменшує когнітивне навантаження.
П’ятий крок — перевірити правило кон’юнкції. Якщо варіант містить А і Б одночасно, він не може бути ймовірнішим за А окремо або Б окремо. Дуже детальний і правдоподібний сценарій часто здається переконливішим саме тому, що він краще «розповідає історію», але додавання умов звужує множину можливих випадків.
Шостий крок — очікувати регресію до середнього. Після екстремального результату запитайте, яка частина могла бути випадковою і наскільки надійно виміряний предиктор. Чим слабша надійність і зв’язок між показниками, тим сильніше прогноз повинен стискатися до середнього, а не повторювати екстремальність спостереження.
Сьомий крок — створити альтернативний прототип. Якщо ви вже бачите випадок як «типового представника Б», навмисно сформулюйте правдоподібну історію, за якої той самий опис походить з А. Це не статистичне обчислення, але воно послаблює монополію одного образу й допомагає повернути увагу до діагностичних доказів.
Восьмий крок — калібрувати впевненість окремо від цілісності історії. Добре складений опис створює відчуття розуміння. Це відчуття не є мірою точності прогнозу. Для важливих рішень корисно фіксувати числову оцінку ймовірності, перелік даних, що можуть її змінити, і пізніше порівнювати прогнози з результатами.
Як евристика пов’язана з ухваленням рішень
Репрезентативність не є окремою «кнопкою помилки», яка вмикається лише в лабораторній задачі. Вона вплітається в ширший процес прийняття рішень: людина формує категорію ситуації, оцінює ймовірності, прогнозує наслідки, порівнює варіанти й вибирає дію. Якщо первинна оцінка ймовірності зміщена через надмірну вагу типовості, це може змінити всі наступні кроки.
Водночас репрезентативність треба відрізняти від інших механізмів вибору. Теорія перспектив описує, як люди оцінюють результати відносно точки відліку, реагують на втрати й зважують імовірності; ефект фреймінгу — як формулювання еквівалентних варіантів змінює оцінки та вибір. Ці феномени можуть співіснувати в одному рішенні, але мають різні теоретичні ролі.
Наукові обмеження поняття
Перше обмеження — операціоналізація. «Схожість» і «типовість» самі потребують вимірювання, і якщо їх визначати постфактум через те саме судження, яке вони нібито пояснюють, виникає ризик кругового пояснення. Сильне дослідження повинно незалежно маніпулювати або вимірювати репрезентативність і перевіряти її внесок у оцінку ймовірності.
Друге обмеження — нормативний стандарт залежить від задачі. У чистій задачі з заданими ймовірностями можна точно вказати порушення правила. У реальному житті базові частоти часто невідомі, категорії нечіткі, а дані надходять із джерел різної якості. У такій ситуації швидка схожість може бути не «помилкою», а робочою стратегією за неповної інформації. Оцінювати її треба за фактичною точністю й витратами, а не лише за відхиленням від ідеального обчислення, яке в реальності недоступне.
Третє обмеження — контекст. Те, як учасник розуміє запитання, хто повідомляє інформацію, чи здається опис навмисно релевантним, який формат мають числа і чи потрібно назвати частоту або разову ймовірність, змінює відповіді. Тому класичний ефект не слід автоматично переносити на будь-яку професійну або побутову ситуацію без окремих даних.
Поширені запитання
Евристика репрезентативності — це завжди когнітивна помилка?
Ні. Це швидкий спосіб судження за схожістю, який може бути корисним, якщо схожість ґрунтується на справді діагностичних ознаках. Помилка виникає тоді, коли типовість отримує надмірну вагу порівняно з базовими частотами, надійністю доказу, розміром вибірки або формальними правилами ймовірності.
Чому базова частота така важлива?
Вона задає початкову поширеність альтернатив. Навіть дуже характерна ознака може не робити рідкісну категорію найімовірнішою, якщо ця ознака недостатньо діагностична. Водночас базова частота не є абсолютним пріоритетом: сильні індивідуальні докази можуть суттєво змінювати початкову оцінку.
Що таке помилка кон’юнкції?
Це оцінка, за якої спільна подія А і Б вважається ймовірнішою за одну з її складових. За звичайними правилами ймовірності це неможливо: усі випадки «А і Б» вже входять у ширшу множину А. Репрезентативна, дуже цілісна історія може інтуїтивно маскувати це відношення множин.
Чим репрезентативність відрізняється від доступності?
Репрезентативність використовує схожість із типовим образом або процесом. Доступність використовує легкість пригадування чи уявлення прикладів. Подія може здаватися ймовірною, бо вона дуже схожа на наш прототип, бо її легко згадати або через обидва чинники одночасно.
Чи можна позбутися евристики тренуванням?
Повністю «вимкнути» швидкі евристичні судження — не реалістична мета. Натомість можна покращити процедуру рішення: явно виносити базові частоти, переводити проценти у природні частоти, перевіряти розмір вибірки, використовувати формальні правила для важливих рішень і відокремлювати впевненість від якості доказів. Дослідження показують, що формат задачі сам по собі може істотно змінювати частоту помилок.
Чи означає репрезентативність, що люди мислять нераціонально?
Такий висновок надто широкий. Евристики економлять час і часто дають добрі наближення. Наука вивчає конкретні умови, за яких вони розходяться з нормативною статистикою, а також умови, за яких люди добре використовують базові частоти й інші релевантні дані. Точніше говорити про контекстні патерни судження, а не про загальну «нераціональність людини».