1701573624
1701573625
1701573626
1701573627
1701573628
其中x是委员会的人数，当x=2时，10-x=8，而x=8时，10-x=2，表明二人一组和八人一组应该具有相同的数量（即45）。Tversky和Kahneman（1973）认为，二人一组更显得独特。有5种二人形式的委员会构成可以做到在成员上不重叠，但任何两个八人一组的委员会至少有几个成员是重叠的。特殊性使人更容易想到不同的委员会构成方法。因此，二人一组的委员会数更容易得到（因为它们更为独特），继而认为其数量也更多。然而，你可以容易地发现二人一组和八人一组构成的数量必然是相等的。因为每种二人一组的构成方式意味着构成八人一组非委员的方式，反之亦然。
1701573629
1701573630
同样的分析可以运用到问题3中。每种结构的路径数可以用代数式xy表示，x代表行中x的数量而y是行数。因此A结构中路径的数量是83＝512，B结构中的路径数是29，也是512。同样地，这里更容易看出A中有更多不重复的路径；A中不同路径比B中的更容易辨认。A中的路径更短些因而比B容易想到也更容易得到，因此可能会认为A中路径的数量比B多。
1701573631
1701573632
日常生活里也有运用可获得性启发式的相似例子。Ross和Sicoly（1979）调查了37对夫妻（丈夫和妻子分开独立调查），让他们对诸如做早饭、买杂物或照看小孩这样的家务劳动的责任范围进行评估。丈夫们和妻子们都声称，在20种家务中的16种，他们比自己配偶担负了更多的责任。而且让他们列出一些自己和配偶方在每项家务中的贡献时，相比所列的对方“事迹”，他们无一例外都更多地列出自己这方的丰功伟绩。
1701573633
1701573634
Ross和Sicoly（1979）用可获得性启发式来解释这些发现。自己的努力和行动对我们来说更显见和容易发现。毕竟我们做出一种行为时肯定是在场的，但朋友或配偶做事时我们可能在场也可能不在。自己的想法和计划对我们来说非常重要，而只有在他人做了或说了什么之后，我们才可能了解别人的想法，因而就会忽略他人的贡献和付出。大体上说，我们所做、所想、所说和所打算的对我们自己而言要比对他人更容易获得，当然，也比别人的所作所为、言行意图更容易获得。因此，我们就不会感到奇怪，为什么在共同承担的家务中各方总觉得自己承担得更多。
1701573635
1701573636
可获得性可以成为既有效率又有效果的启发式。如果我们可以确定，很容易地构建或回想某些例子是不带偏见的，那么它就可能是最好的，至少也是我们判断频率或可能性时可以利用的工具。如果你想判定心理学和哲学哪门功课你做的小论文更多，可能通过试着回忆每门课中特别的论文来判断作业的频率是相对公平的一种办法。在这种情况下，可能没有特别的理由使人确信心理学的论文比哲学的印象更深，如果有的话（比如，你3年前学的哲学而这学期才学心理学），那么比较就有可能不公平。
1701573637
1701573638
然而，如果你想判定哪个发生得更频繁、更多，比如在一个集体项目中你所花的时间或其他人在同样的项目上所花的时间哪个更多，用可获得性来判断就不公平了。因为你工作时自己总是在现场，但小组其他成员工作时你可能不是所有时间都在场。即使你在场，也可能更多地关注自己的工作和计划，而不是你搭档的工作和计划。因此，你自己工作的例子比其他人的例子对你而言可能更容易记起也更容易得到。
1701573639
1701573640
所以，展示可获得性启发式的目的并不是警告你远离它们的使用。相反，和其他启发式提出的目的一样，是为了提醒你先仔细考虑所选择的例子范围是不是同样可以获得。
1701573641
1701573642
1701573643
1701573644
1701573645
认知心理学：认知科学与你的生活（原书第5版） [:1701568183]
1701573646
认知心理学：认知科学与你的生活（原书第5版） 11.4.2 代表性
1701573647
1701573648
两个学生琳达和乔在学生会度过了一个枯燥的周六下午。没什么更有意思的事做，他们便开始投掷硬币来看每次落地哪面朝上，然后比较结果。琳达的结果顺序是“正、正、正、反、反、反”。乔的结果为“反、反、正、反、正、正”。哪一个学生报告的顺序更像统计上可能出现的结果呢？
1701573649
1701573650
大部分人直觉地认为乔的结果更像。毕竟，他的投掷结果顺序不太具有模式且“看上去更随机”。然而，事实上两种结果的可能性是均等的。问题是人们普遍都会期望，一个像掷硬币这样的随机过程总会产生看上去随机的结果。也就是说，他们期望结果能够代表产生它们的过程。按这种方式判断的人用的是代表性启发式（representativeness heuristic）。
1701573651
1701573652
Kahneman和Tversky（1973）在一系列研究中展示了人们运用代表性启发式的情况。在一项研究中，将大学生被试分派到三种条件下。在“基本比率”条件下告诉被试说：“想一下美国当今所有1年级的研究生。请写下你对注册就读于下列9个专业的学生占学生总数的百分比的最佳估计值。”9个专业如专栏11-6中所示。向“相似性”条件下的被试呈现专栏11-6A中有关个性的描述，并要求他们根据“Tom W.与所列9个研究生专业典型学生的相似程度”来划分9个专业的顺序。告诉“预测”条件下的被试，呈现给他们的有关个性的描述是根据Tom W.的投射测验（比如罗夏测试）结果在几年前写的，也就是在他中学的最后几年。然后要求被试预测Tom W.如果是研究生的话，在如下这些专业中就读的可能性各自有多大。
1701573653
1701573654
专栏11-6B显示，相似性评级的均数与可能性评级的均数非常相近，而独立于基本比率组的判断均数。这再一次说明了被试运用了代表性启发式。被要求估计Tom W.是某一领域研究生的可能性的被试，往往将有关此人个性的描述和他们自己对某一专业领域中典型研究生的样子进行比较，而忽略了基本比率。然而，基本比率是非常重要的信息。就像在前面提到的X光拍片的例子一样，如果你估计可能性的时候没能将基本比率信息也包括在内，就常常会导致回答错误，而且常常是沿着一个或更多的方向。
1701573655
1701573656
专栏11-6 一个有关预测研究的数据
1701573657
1701573658
（A）Tom W.的个性素描
1701573659
1701573660
尽管缺少真正的创造力，Tom W.还是非常聪明。他有对规则和明确性的需要，希望整齐划一的系统且一切都按部就班。他的写作相当乏味和机械，偶尔才会因过时的双关语和科幻小说式的灵光一闪而略显生动。他有很强的好胜心。但似乎对他人缺乏感情和同情心，而且不喜欢与人交往。尽管自我中心，但他仍具有深厚的道德意识。
1701573661
1701573662
（B）对9个研究生专业领域的基本比率的估计值，以及关于Tom W.的相似性和预测数据
1701573663
1701573664
1701573665
1701573666
1701573667
一个与之相关的判断中的错误称为赌徒谬误（gambler’s fallacy）。想象你正站在赌城的轮盘边上，看到转盘连续8次停在红色区域。假设你仍相信转盘转到红色和黑色的可能性相同，那么下一把你会押哪种颜色？很多人会押黑色，因为如果停在红和黑的概率相等，那么前面的结果就有些离谱了，现在应该“轮到黑”了。然而，下次停在黑色区的机会和红色的仍是一样多。转盘不会以任何方式“记录”过去的结果，所以也不可能“修正”或“弥补”过去的结果。尽管从长远来看，停在黑色区的次数应该和红色相当，但这并不意味着短期内两者比例应该相等。这一解释还可应用在前面掷硬币的例子中。一个随机的过程（像掷硬币和轮盘赌之类）并不总是产生看上去随机的结果，尤其是在短时期之内。
1701573668
1701573669
Tversky和Kahneman（1971）形容人们的（错误）信念为“小数目法则”（law of small numbers）。人们总是期望小样本（人数、抛掷硬币、实验尝试）就能够表现出总体的每一种特征。事实上，小样本更有可能偏离总体，因此相比大样本而言，以小样本为依据得出的结论信度较低。赌徒谬误这一问题可以视为相信小数目法则的一个例子。人们期望在轮盘赌的少数几次（如8次）转动中，停在红色的比率也能像非常大的样本（如100 000次）时的情况。但是，从小样本中发现与期望比率产生大偏见的机会往往相当大。换言之，只有非常大的样本才可期望它能代表它来自的那个总体（全域）。Sedlmeier和Gigerenzer（2000）在更深的层面上探讨了人们对于样本大小的直觉，认为人们有时确实对样本的大小有正确的直觉，但多数情况并非如此。
1701573670
1701573671
1701573672
1701573673