《思考，快与慢》知识地图（第2部分）
2023-02-19 14:47:54 2 举报知识精炼地图
作者其他创作
大纲/内容
是联想一致性的基本要素，也就是人们对结果的情感反应、身体状态、与之对应的取舍抉择在决策制定中都起了重要作用
在组间研究情况下做判断时，直觉就会起作用，逻辑原则则在综合评估中起作用，但直觉常会推翻逻辑，即使在综合评估中
替代和快速匹配：将预测替换为对所描述问题的估测（未来的预测替换为当前信息的估测）
对直觉的依赖只是个人品行特征的一部分，而能力提升我们对自己直觉的信任
闪电击中致死达到食物中毒概率的52倍
我们对于数据的想法以及我们对于个体案例的想法存在很大的差距
对事件发生频率的预测
与从别人那儿听到令人惊奇的实事相比，你更有可能因为从自己的行为中发现惊人的实事而学到知识！！！
两者结合
某个团体中的每个个体都具有某种倾向，符合因果关系
有些思维定式的错误是致命的，负面的思维定式可能会产生可怕的后果，但是不管是对是错，思维定式都是我们对不通范畴事物的看法
此知识地图意在分享阅读时的知识汇总的笔记形式，如果是对于《思考快与慢》这本书感兴趣的话，强烈建议购买 丹尼尔·卡尼曼 的原著进行阅读。最后：总结的永远是别人的东西，只有自己阅读过，掌握了才是自己的东西。希望通过分享能激起大家阅读的兴趣。ps:由于内容较多将分为五个部分进行分享
必然导致小风险的夸大
可得性为判断（而不是概率）提供了启发，尤其是通过想到某个概念的轻松程度（和感情的释放）来判断其重要性时，这种启发的作用得以体现。
一、以相对合理的基础比率对结果的可能性做出判断二、质疑你对证据的分析
错误的判断可以称为谬误取决于任务场景
【1】、【2】、
小数定律：小样本的出错风险可能高达50%。
尽管还是受直觉影响，但是这种影响已经很小了
02
会改变你对单独时间的看法。基于事件发生的前后因果推断
对相应记忆的选择性激发解释了锚定效应
偏见的潜在来源
指当人们对某一未知事物进行有价值的判断之前，人们会先进行思考一番，这个思考的过程容易受到外界因素的影响。人们往往会将外界的信息作为一个锚点，也就是参考点，我们的判断的范围就会在这个参考点的附近来回波动，最终让我们做出判断，最重要的是我们在做出判断之后，自己并未意识到自己的判断是受这个锚点所影响的。
大体来讲，就是有意识的“为对方着想”的策略，因为它否定了能产生这些效应的带有偏见的想法
系统1，系统2
事件在脑中呈现的轻松程度
过于喜爱预测不可能发生的（低基础比率）事件
忽略基础比率是一个认知错误，是贝叶斯定理的失败，即使我们使用了因果关系基础比率，也只不过（或多或少）忽略了统计学上的实事而已
改变一个人对人性的看法很难，改变一个人对自身阴暗面的看法就更难了
替代的一种，即将简单的问题（对其感觉如何）的答案当做较难的问题（对其评价如何）的答案，创造一个比现实更简单明了的世界来简化生活
01
统计学基础比率普遍受到轻视，当人们手头有与该事件相关的具体信息时，有时还会完全忽略这一比率
人们对样本没有足够的敏感性
有条理
从因果关系基础比率中得到的推论
普遍偏见的一种表现，即对事物的信任多于质疑
通过查找表格。精确计算以及对类似项目的结果进行仔细分析得来的
无偏见预测步骤
1、先估测出预测数据的平均值（统计学中的数据基础比率）
05
转化：将你以上步骤得出的印象转化为预测数据
因果关系基础比率
DESIGN BY 雷克雅未克的小葵花
重要说明
03
我们容易赋予个人以典型特征；
不应该关注当前事件的成因，而应该关注其未来走向（发生并没有什么特殊原因，一切只是机缘而已）
个人强烈的感情因素影响
推断人们是怎样根据证据改变自己的想法的？
错误的判断可以称为谬误需要符合一定的标准
质疑信息的可靠性-> 作概率判断时，往基础比率那方面想，这需要付出很多的努力，才能实现自我监督和自我控制
有一些人还需要歪曲判断作为保护来掩盖自己的无能为力；如果选择接受极端的预测来蒙蔽自己，你就会清楚的意识到你对自己有多纵容
大数法则：相比于大样本，极端结果更容易出现在小样本中
系统2的一种运行模式
通过呼吁人们关注风险和增加降低风险预算总额的措施来创造长期效益
系统1能够摒弃那些无关的或错误的信息，却无法弥补证据中相对较小的瑕疵
情境的一个重要特点就是能影响个人的思考结果
系统2 的一个缺点：两种结果都包含在同一列表中，即使有很大机会发现逻辑规则中的关联性，但却没有把握好这次机会
记忆激活的步骤
是由事件呈现在脑中的轻松程度来衡量的，轻松的体验比想起的数量重要
不值得信任的信息相当于没有信息，眼见为实是你难以遵循那条原则
形式
要求思考自己对事情到底了解多少
该变量称为因变量，其他变量称为自变量，这种因变量随自变量变化的数量关系称为因变量依自变量的回归。在统计上把研究变量之间相关关系的方法称为相关分析，把研究因变量受自变量影响的数量关系的方法称为回归分析。相关性和回归性是一个概念。只要两个数值之间的相关度不高，就会出现回归平均值的情况
2、利用节拍器一秒一节拍；
时刻对偏见保持警惕是一件累人的事情，却可以避免一个代价高的错误，是值得的
锚定的形式
系统1错误直觉，系统2 采纳（忽视和懒惰）
刻意调整
接触这些信息和频率影响
一开始难以从主观上进行区分，受【启发法】的影响，会用简单的问题代替难以回答的问题
采用足够大的样本（样本量计算得出）小样本足够合适（现实中直觉的小样本大概率是浪费实验精力和时间，几乎不考虑样本选择附带的风险）
认为多重条件“甲且乙”比单一条件“甲”更可能发生的认知偏误，也是一种机率谬误
为降低风险而采取的风险监管和政府干预手段，应该以成本和利益之间的理性权衡为指导
貌似正确
因此，直觉性预测对证据的实际预测结果几乎毫无感觉，一旦发现某种联系，眼见为实原则就会发挥作用，你的联想记忆会快速自动的运用可利用信息编出最恰当的故事。
回想起引起自己注意的突出事件很轻松
概率
人们在想要估计某类事件出现频率时到底是怎么做的？
实验三和实验二排序结果差别不大
1、随机写出四位数字；
实验一的基础上，补充Tom的性格特性，对可能的专业进行排序
3、跟着节拍写每一位加1的计算；
降低风险只可接受程度的办法
你的思想和行为也许会被完全不曾留意的刺激所影响，甚至完全没有意识到这种影响。
要求推断的置信度，一般情况下，置信度取为95%
这种错误的判断具有一致性和稳定性；
两个自我
你到底有多自由？你能关注和意识到锚定-却不知道它如何引导和限制你的思考的-因为你不能想象如果锚定改变（或不存在）你会如何思考-但你要假设任何情况下的数字都会产生锚定效应，概率大时要抵制该效应。
亲身经历，生动的图片、鲜活的例子更容易回想
自我反馈
产生
其一
实验二
04
中风致死几乎是所有意外死亡的2倍
已知情景：描述的情景已经发生，对已知事件的概率判断就转化为求条件概率的大小，即求合取事件是否更符合描述的情景，因此尽管这种判断是错误的， 但这种判断过程符合概率的标准理论， 所以这种情形下的错误判断并不能称为谬误。但如果判断者将未知的情形误解为已知的情形， 将合取事件的判断转化为求条件事件的判断，那么这种错误判断也是合取谬误。
启发性具有一定的真实性，但绝对依赖启发效应就是违背统计学逻辑。
系统1参与预测的机制
此机制存在系统偏见，完全忽略了应该回到平均值上来
刻意寻找离开锚定的理由（对锚定值排斥的人离锚定值越远，认可的人会增强对锚定值的概念）
3、对你的证据和预测数据的关联作出估计
这些带有偏见的观念这成为估测的依据
大小不同的数字能激发起记忆中不同的观念体系
启发法与偏见
统计学观点
判断频率的方式
4、如果关联度是0.3，这从估算出的预测数据的平均值中抽出30%，放到与之匹配的预测数据里
对风险带有偏见的反应是导致公共政策中优先处理权不稳定和错位的重要原因
两个值之间的“相对系数”：两个值共有因素的相对比重。这个值在0和1之间浮动
更关注记忆中提取事件的数量，对顺畅程度不太关注
理论概念
当发现回归效应时，因果关系解释就会被激活，但事实上这些解释都是不对的，因为回归平均值虽然可以用来解释现象，但自身却不能被解释
过度自信与决策错误
研究对象的变化程度，可接受的信赖过度风险
在综合评估中，数量多的组合会比少的更有价值，但在单一评估中则正好相反。在经济理论角度来看，一套是总体变量，加上一个有价值的物件只能提升它的价值
典型性启发
寻找证据与预测目标之间是否存在因果关系
大脑资源耗尽时会调整不足，导致受锚定效应影响
情绪启发
判断者应已知正确答案或者可以采取一定的方法获得正确的答案。
统计学基础比率
小数定律脑中工作的两个重要部分
（1）大样本比小样本更精准（2）小样本比大样本产生的极端结果的概率大
能回想起的事例数量
证据的评估与相关规范联系是否紧密
依靠反复训练得来的技能和经验，由于识别熟悉的线索，大脑中快速呈现当前问题的解决方案
所有启发式都是平等的，可得性更平等
某一事件所属类别的实事总量，与单独事件无关
任何启发都会唤醒与之相应的信息
实验一
效用叠层
只给9种不同的专业，对可能的专业进行排序
某种程度上来说受典型性启发对典型性进行判断是对的，然而在其他情况下，这种典型性形象却是错误的，因而典型性启发也会造成误导，尤其会使人们忽略基础比率信息，找错预测方向。
回归效应和因果关系
锚定效应
感性而非理性，容易被琐碎的细节左右，对于较小的可能性和极微小的可能性之间的差别感知力不够
概率就像是经济价值，是一种总体变量
受试者是了解基础比率并知道性格描述并不可行，但是需要忽视自身的了解，对可能的专业进行排序
两种基础比率
不需要满世界的做民意调查告诉自己怎么做才对，知道自己的感受就够了
总体规模
解决风险的基本限度：要么完全忽视风险，要么过于重视风险，没有中间地带
人们常夸大所见事物的相容性和连贯性
因果关系基础比率被视为个别事件的信息，人们很容易将这一比率与其他具体时间的信息结合起来考虑问题
统计中的样本规模确定
社会规则往往反对思维定式，包括整体概述这一做法的否定，这是有益的。在敏感社会环境中，我们反对利用因果基础比率，应该是整体相关的统计学事实，而不是个人相关的假设性事实。在政治分歧中依赖情绪启发是常见的，我们赞同某些立场无需成本，反对某些立场也没有益处。
少即是多
只要两个数值之间的相关度不高就会出现回归平均值的情况，即原始数据越极端回归的越明显。也可以讲为向平均值的回归与差异程度成正比的。第二次的表现与第一次并无因果关系，在程度上体现的是“度”的问题。
系统1
受试者不愿从普遍现象中推导出特殊性，与他们愿意从特殊现象中归纳出普遍性如出一辙
可得性启发法
“帮助”实验
彻底改变对思考的看法
学习心理学面对的考验
其二
“投篮顺手”完全只是旁人所见，而且他们太快做出评判了，以至于感知不到随机事件中的顺序和因果关系，这不过是一个影响深远的认知错觉。
Tom的专业是什么？
风险评估的测试方法可能是在人们心中期望得到这样或那样的结果情况下做出选择的
由信息和问题激发起联想记忆
影响样本规模的因素
选择与风险
糖尿病死亡是意外死亡的4倍
联想一致性的体现
想到不同风险的轻松程度与其面对这种风险的情绪反应紧密相关
人们会（至少暂时会）将自己对某个团体的看法延伸到这个团体中么一个成员的身上（团体存在某些问题，其中的成员无一例外也会存在此问题）
导致混淆三者的概念
启发效应
实际数据
两种引起误导的原因
专家
未知情景：描述的情景尚未发生， 对未知事件的概率判断只需依据标准的合取规则即可， 这种情形下，违反合取规则的错误判断可以称为谬误；
普通人
需要直觉和系统1的共同参与
集体信念形成的自我增强过程，触发的一连串的反应。它通过在公共话语中增强效用而增强彼此感知的合理性
政策制定者必须努力保护公众不受恐惧情绪的影响，而不是保护其不受真实存在的危险的伤害
离开基准线靠向直觉，离开的距离取决你对关联项的估测
直觉的两种类型
对于“纯统计学”数据束手无策，这些数据能改变结果出现的概率，却不能直接导致结果发生
样本效应
选定最具连贯性的合理性方案
简介
事件在脑中的呈现轻松程度体现系统1 的启发作用，当系统2参与更多的时候，这开始关注事件的数量而不是轻松程度（系统1更容易引起偏见）
从记忆中搜寻这类事情的实例，如果搜寻的过程既轻松又顺畅，这些事发生概率就会被判断为很大
越少的东西带来更丰富的东西的一种模式，这个理念常常被运用在设计中，其实运用到商业上也是成立的
如果消息没有立刻被视为谎言，那不管其可靠性如何，它都会对联想系统产生回想和确认。
因为对相似性和概率的判断所遵守的并不是同一个逻辑规律。对相似性的判断可以完全不受基础比率的影响，不受可能会出现的不当描述的影响，对概率的判断如果忽视基础比率和证据的可靠性的话，注定会犯错误
概念
2、根绝你对证据的印象算出与之相匹配的预测数据
提供一个基准线
公共政策
所有宣称危险有些夸大其词的人都有“欲盖弥彰”的嫌疑？
技能训练的重要原则：对良好表现的嘉奖比对错误的惩罚更有效
【暗示】是一种启动，有选择地找出相应的证据
其中，Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差，一般取0.5。
焦虑对伤害的可能性还不够敏感，只能看到分子（眼前所见），但是看不到分母（全部发生事件）
媒体影响了公众的兴趣，反之亦然
这种错误是观念上的而非字面上或技能上的；
一个问题替代另一个问题
现象
关于随机事件A和B的条件概率（或边缘概率）的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性。
统计学家的很多观察研究都可归结到因果关系的解释上，却都不承认。（许多事实不过是巧合，对偶发事件作出因果关系的解释必然是错误的）
社会规则和思维定式的冲突
一个随机事件不需要解释，一连串随机事件就有规律可循
生活给的反馈常常违背常理：当别人取悦我们，我们也会对他好；当别人对我们不好我们也会讨厌他统计学上看：却常常因为对人友好而受到惩罚，因为举止无礼而得到嘉奖
抵制锚定效应的办法
据此做出的估测值也带有一定的偏见
自我评估
判断涉及自身情况
结论
即使最具有说服力的因果关系数据也不会改变我们在个人经历中形成的长期坚守或根深蒂固的信念
如果有其他定制设计需要请联系作者~
计算公式
N=Z²*σ²/d²
每个政策问题都包括对人性的假设，尤其是人们可能做出的抉择和他们为自己和社会作出抉择所带来的后果
允许的误差大小（精度要求）可容忍的偏差率
锚定的类型
典型性属于一连串可能同时发生且联系紧密的基本评估，最具典型性的结果与特性描述结合在一起就回生成最有条理的信息，单这些最具有调理的信息却不一定是可能性最大的
合取谬误
团队关系
对证据质量不够敏感
思维定式
实验三
直觉性预测（总是过于自信和过于极端）
系统1的基本特征之一就是它代表了范畴规范和原型范例，这种规范和范例决定了我们看待外物，因为人们会在记忆里存储与所有这些范畴的事物或人相关的一个或者多个“规范的”典型形象。当这些范畴具有社会性时，这些典型的形象被称为思维定式
预测判断
回归平均值现象
贝叶斯定理
通过“实例呈现在脑中的轻松程度”来判断概率的过程
轻微的社会压力会增强人们对令人痛苦的电击的承受力，且是超出了想象力的承受力
回归性是系统2 的一个问题
你对所处环境的理解是否发生了变化，而不是你是否了解一个新的事实
系统1的一种自主显示模式
一致影响
对待
人们很容易在根本没有模式的情况下创建模式
你能轻松功劳分配问题是何时出现的，而这种感觉团队成员都可能感受得到
公众对风险比专家更深刻，专家在风险的判断的偏见比公众少
研究手法
信念主观程度的评估手段，相对含糊这类问题引起了思维的发散性，让人想起比较简单的问题的答案。其中一个答案就是对典型性（代表性）的自动评估-当理解语言时这种现象很常见。
系统2找到相关的参照物，对基准预测做出估测或对证据的质量进行评价，修正直觉性预测的偏见
一个大事件会暂时提高此类事件的可得性
概率忽视
自动毫不费力的识别事物间的因果关系，即使这个关系并不存在
除了判断典型性之外，还用了？
夸大对小样本的信任只是众多错觉中的一种。信息本身和信息的来源：更关注信息本身，而不是其结果的可信度，在想象的世界中过早下结论比在现实中更有把握。
0 条评论
下一页
