1.2.2. Эвристика доступности1.2.4. Эвристика привязки 



1.2.3. Эвристика репрезентативности

«Репрезентативность» означает «похожесть», «типичность». Используя эвристику репрезентативности, мы заменяем сложную оценку вероятности того, что «А» обладает характеристикой «Б», легкой оценкой похожести «А» на «Б». При этом мы игнорируем:

  • априорную вероятность;
  • размер выборки;
  • надежность данных;
  • случайность отклонения от среднего.

Мы применяем эту эвристику, если нам нужно оценить вероятность, что какой-то объект относится к какому-то типу (например, что Степан работает охранником или банк «Орхидея» - надежный банк). Если Степан - молодой мужчина с накачанными мышцами и короткой стрижкой, мы оценим вероятность того, что он охранник, выше. Если охранником в банке «Орхидея» работает молодой мужчина с волосами до плеч и серьгой в ухе, мы оценим вероятность того, что банк надежный, ниже.

Давайте вспомним 2-й вопрос входного теста про то, в какой группе населения России больше абсолютное число людей, работающих главными бухгалтерами. Не правда ли, описание группы в варианте «В» (женщины старше 35 лет, получившие экономическую специальность) выглядит наиболее похоже на портрет типичного российского бухгалтера? Но типично не значит наиболее вероятно! Разумеется, среди всех российских женщин (область, ограниченная синим цветом) бухгалтеров (черная область) гораздо больше, чем среди тех женщин, кто старше 35 лет (зеленая область) и кто при этом имеет экономическую специальность (красная область).

Женщины и бухгалтеры
Женщины и бухгалтеры

Почему эта эвристика может привести нас к ошибочным выводам?

Игнорирование априорной вероятности

Очень часто мы забываем о том, что событие, вероятность которого мы оцениваем, не является по-настоящему случайным событием (подробнее про случайные события см. главу 10 «Страхование»). Скорее всего, у него есть априорная (то есть изначальная), или статистическая, вероятность. Вспомним Степана из начала этого раздела и представим его на этот раз в виде худощавого мужчины с длинными пальцами на руках и в очках. Чем он, по вашему мнению, скорее всего, будет заниматься: профессионально водить машину или лечить людей? Для ответа на этот вопрос мало представить себе стоматолога в белом халате и в очках, хорошо бы еще знать, насколько массовыми являются профессии врача и водителя.

Согласно данным аналитического доклада Центра трудовых исследований НИУ ВШЭ «Профессии на российском рынке труда» за 2017 год, самой массовой профессией в России является профессия водителя. Этой работой занимаются 7 % работающих в России, или 5 млн человек. А вот профессией врача занимается чуть более 1 % работающих в России, или 940 тыс. человек. При этом значительную долю врачей (в отличие от водителей) составляют женщины-врачи. Поэтому априорная, или статистическая, вероятность того, что Степан - врач, намного ниже вероятности того, что он водитель, хотя эвристика репрезентативности и твердит нам обратное.

Игнорирование размеров выборки и неверные представления о шансе

Знаете, какая самая опасная профессия в США? Если судить по доле умерших или покалеченных на работе ко всем людям этой профессии? Это лесорубы. Потому что в современных США очень мало лесорубов, и каждый несчастный случай среди них значительно ухудшает статистику. Игнорирование размеров выборки приводит к неверным выводам, хоть и сделаны они на основе достоверных статистических данных.

Проведите эксперимент и подбросьте монетку 20 раз, записывая подряд выпадающий результат: О («орел») или Р («решка»). Насколько случайным показался вам полученный результат, не было ли у вас сомнений, что вы как-то не так кидаете какую-то не такую монету? Вот последовательность, которая получилась у авторов учебника:

ООРРРРРРОООООРОООРРО

В последовательности из 20 бросков получилось девять «решек» и 11 «орлов», что в целом соответствует равным априорным вероятностям выпадения «орла» и «решки». Но к каким выводам о рассматриваемом процессе мы бы пришли, если бы анализировали более короткие последовательности результатов (например, первые восемь бросков: ООРРРРРР)?

Игнорирование надежности данных

Такую ошибку мы допускаем, когда не задумываемся над тем, какого доверия на самом деле заслуживают те данные, на основании которых мы делаем прогноз будущего. Представьте себе, что мы прогнозируем будущее банка только по его описанию, не содержащему никаких финансовых показателей. Мы скорее предскажем ему хорошие перспективы при благоприятном описании и плохие - при не слишком лестном.

В одном из исследований Канемана и Тверски участникам эксперимента предлагалось описание урока, проведенного учителем-практикантом в школе. Далее одних участников просили оценить качество описанного урока, а других - успешность данного практиканта в качестве учителя через пять лет после проведенного урока. Суждения двух групп оказались идентичны, хотя ценность одного описанного урока очень мала для предсказания успешности преподавателя через пять лет.

Психологи, собеседующие человека при отборе на работу, обычно весьма уверены в своих рекомендациях, несмотря на то что существует (обычно знакомая психологам) обширная литература, где показана ненадежность одного собеседования для далеко идущих выводов.

Еще больше мы уверены в своем прогнозе, если данные, по которым мы делаем прогноз, согласуются с нашими выводами или между собой. Представьте, что вам нужно предсказать академическую успеваемость по нашему курсу двух студентов: Андрея, получившего за первые два занятия две четверки, и Алексея, получившего за те же занятия пятерку и тройку. Каков будет ваш прогноз?

Каков бы он ни был, он будет неправильный (хотя в конце курса может оказаться, что вы случайно угадали), потому что данных для корректного анализа слишком мало.

Игнорирование случайности

Это очень важное свойство нашего мозга, которое способно привести к большим ошибкам именно в финансовой сфере. Нассим Талеб посвятил этому свойству книгу «Одураченные случайностью»[1], а Канеман и Тверски связывают с неверными представлениями о связи средних и экстремальных величин.

Учеными из разных областей замечено, что при достаточно большом количестве наблюдений значительная часть результатов группируется вокруг среднего значения и после достигнутого очень высокого (или очень низкого) результата обязательно последует снижение (повышение) к среднему. Так, у очень высоких родителей дети вырастают обычно ниже родителей, а у очень низких родителей дети обычно вырастают выше их. За очень удачным годом в бизнесе обычно следует менее удачный, и плох тот бизнесмен или аналитик, который этого не понимает.

Как не надо делать прогнозы


Список источников
  1. Талеб Нассим, «Одураченные случайностью: скрытая роль Шанса на Рынках и в Жизни», Москва, СмартБук, 2015.  ↩

Оцените материал
Ваша оценка

{{comment}}

 1.2.2. Эвристика доступности1.2.4. Эвристика привязки