之前我們也介紹過，人們在做決策時，首先就是用直覺先生成一個結論。因為這樣不僅速度快，而且還簡單。

有些時候，一些粗略的估計就夠了，但更多時候，這些憑直覺所做的決策往往會帶來錯誤。

下面我們就來看幾種常見的直覺性錯誤。

1 代表性直覺

人們是如何判斷事件A發生的可能性的？通常人們會做比較。

也就是說，事件A有多大程度和B相似，或者是能夠代表B。

這就是代表性直覺。

舉個例子，下面這段話是對一個人的描述：

小明今天25歲，已經工作了，性格內向，喜歡看書。他大學學的專業是計算機科學，但也喜歡運動。

請問，下列2個選項，你覺得哪個可能性更高？

A.小明是程式設計師

B.小明是程式設計師，同時喜歡打籃球

絕大多數人可能都會選擇B，但你可能忽略了這樣一個事實：

兩個獨立事件同時發生的機率不可能高於單獨一個事件發生的機率。

小明是程式設計師的機率要比小明既是程式設計師又愛打籃球的機率要高一些。這也是一種“結合謬論”。

也就是說，隨著某種情境下細節數量的增多，該情境發生的機率只會越來越低，而不會越來越高。

2 偽隨機

人們通常認為，從總體抽取一些隨機樣本時，它們之間是相似的，儘管實際情況並不是這樣。

比如讓你寫下一串隨機的數字，你會怎麼寫？

你肯定會盡可能讓相鄰的數字之間不同，讓他們看起來像是“隨機”的。

但事實恰恰相反，真正的隨機是有很多相同的數字連在一起的。

很多有經驗的老師一看實驗資料就知道你是不是偽造的，就是根據這點。

蘋果的iPod使用者曾經抱怨，我的音樂隨機播放，怎麼老是聽到同一首歌呀？他們認為這不是隨機，但事實上這就是真實的隨機演算法。

為了平息使用者的抱怨，工程師們不得不更改了隨機演算法，使它看起來更“隨機”一些，這就是所謂的偽隨機。

再看下面這個例子：

某學校經過調研，發現全體學生的體育能力的平均數是100。你從中抽取了20份樣本進行詳細研究，看到第一個學生的體育能力是120。那麼你認為這20個人的平均能力是多少？

很多人認為依然是100，因為他們覺得接下來肯定會出現一些低分來將這個高分給平均掉。

但事實上平均能力是101，因為剩下的19個人在你未知的情況下，平均數依然是100，那麼總體就是19x100=1900。再加上第一個人的120，那麼總分就是1900+120=2020。最後再除以20，2020÷20=101。這才是真正的平均數。

人們之所以會認為平均數是100，就是覺得偶然的事件可以進行“自我修正”。也就是說，出現一個高分，那麼就一定會出現一個低分來“修正”。

但事實上，偶然事件並沒有這個功能，剩下的19個樣本只是會對這個高分來進行“稀釋”，使得總體的平均數更加接近100。

也許你還是不太明白，那麼下面這個“賭徒謬論”可能會讓你的思路更加清晰。

“賭徒謬論”是說，在一系列壞的結果出現後，必然會有好的結果隨之而來。

我們來做個實驗：

假設你連續拋了5次硬幣，結果都是正面朝上，那麼下一次拋硬幣時，你覺得還會是正面朝上嗎？

很多人覺得，已經連續出現5次正面了，下一次反面出現的機率更大。

實際上，對於單次拋硬幣來說，正反面出現的機率是一樣的。