我们对生活中风险出现的概率和频率时常做出错误预测，问题出在哪儿？我们接受信息，作出取舍后进行分析、决策，这个过程中运用了哪些原则，它们都有什么优点和缺陷?
根据期望效用理论的恒定性原则，决策不应该受到选项的表现方式的影响。但事实却并非如此，比如超市列出商品单价表会对消费者的购物选择产生影响。
期望效用理论做了一系列简化的假设，以便进行严格的数学分析。期望效用理论通常都会假设，决策者对过程中每一备选方案的结果及其概率拥有完全信息，而且决策者能够理解这些信息，能够间接或直接地推算出每一备选方案的有利和不利方面。最后，这一理论还假定决策者会在这些推算结果中做出比较，并选择能够实现效用的最人性化的方案。
但显而易见的是，决策者并不总是这样行事。有关备选方案的信息常常会缺失，或信息不够明确，而知觉则往往具有高度的选择性，记忆又充满了偏差。
有关不同方案的结果常常被错误地理解，在没有协助情况下的决策者有时候并不去比较所有可能的结果。
所以说，期望效用理论虽然是一个有用的标准化决策模型，却并不是一个很好的描述性模型，无法描述实际中人们如何做决策。
如果要描述人们实际的决策行为，就有必要考虑其他的理论模型：
满意模型：人们在做决策的时候，追求的是满意而并非最优。满意是指，选择一个最能满足你需要的方案，即使这一选择并不是理想化或者最优化的。
前景理论：用“价值”概念替代了“效用”概念。认为偏好取决于问题的框架。如果相对于某一参照点，某项结果看起来是一种收益，决策者也倾向于规避风险。
相反，如果相对于某一参照点，某项结果看起来是一种损失，决策者也会变得更加偏好风险。期望效用理论与前景理论的另一个差别在于，前景理论隐含了“确定效应”。
确定效应：当一个因素的改变能影响结果时，决策者往往对确定性的结果以较大的权重，而对可能性结果仅赋以较低的权重。
比如，你正准备买保险，你的选择是常规保险，还是保险公司新推出的一种概率保险——即你只需要付50%的保费，在发生损失后，以此换取50%的赔偿。你会选择哪一种呢？根据调查，80%的学生表示他们不会购买概率保险，因为人们往往更愿意消除风险而非减少风险。
前景理论认为，人们往往不愿意接受小概率事件会发生，除非他们有心理准备。而由于决策中常常强调小概率，因而这些小概率事件的重要性总被夸大。
虚假确定效应：与确定效应十分类似，只不过这种确定只是一种表象而不是真相。营销学教授常常利用模拟技术来强调降价的知觉价值。
比如说，干洗店如果提出一次洗三件衣服就可以免费洗一件，其效果要比降价25%更好。这是因为免费服务总是比折扣服务更有吸引力。
后悔理论：前景理论指出，决策者通常以一个参照点为基础来衡量其拥有的备选方案。但在某些特定情况下，人们却是将某一决策质量的衡量建立在与其他不同决策的后果相比较的基础上。
比如让你选择固定的损失还是1%的机会有非常大的损失时，你会去想，万一我最后就是那1%，我不得后悔死吗！因此选择了固定损失。
多属性选择：在许多选择中，结果并不能根据某个单一的标准来描述。与只有一种评价标准的情况不同，当需要在这些不同标准(如成本和质量)中做出选择时，通常是没有一个客观的最优化决策的。
因而人们只需要与他们的目标和价值观保持一致，而不是去追求客观最优化。当决策者只需要在两种方案中选择其一时，他们常常会采用一种被称为“补偿性”的策略，即以某一标准的高价值来弥补另一标准的低价值。
非补偿性策略：人们在面临具有多个备选方案的复杂情况时通常采用非补偿性策略。与补偿性策略相反，这些策略不允许不同标准间进行互相协调。
有四个著名的非补偿性策略方案：
-关联原则。决策者可以排除那些在预定范围之外的备选方案。关联原则只能达到满意，而不是最优。
-析取原则。衡量每一备选方案的标准是这个方案所具有的最好的属性，而不管它的其他属性有多差。
-词典式策略。首先选出最重要的衡量标准，然后选择出第二重要的衡量标准，再在剩下的方案中进行选择。如此下去，直到最后只剩一个方案。
-逐步淘汰制。备选方案首先按照己选出的衡量标准进行比较，淘汰掉次要的方案后再选出进行比较的第二个标准，然后淘汰掉更多的方案，如此下去直到最后只剩下一个方案。
优先标准：当面临等价的备选方案时，人们并不是进行随机的选择，而是先识别出对自己来说最重要的标准，然后选择那些在这一标准上具有更高价值的方案。
虽然许多决策研究分析家仍然采用期望效用理论作为一个标准化模型，但前景理论却是一个能够更加准确地描述人们实际决策行为的模型。它还能够被广泛应用到许多其他领域中。前景理论相对于经典期望效用理论来说是一个很大的进步。
代表性直觉
人们通常会根据“A在多大程度上能够代表B，或者说A在多大程度上与B相似”来判断事件发生的可能性。这样的原则称为“代表性直觉”。
随着情境中细节数量的增加，该情境发生的概率会逐渐降低，但是它的代表性和由此带来的外显的可能性却会上升。我们相信，基于代表性的决策判断是人们喜欢选择毫无根据的细节化情境的主要原因。
例如，“被告离开犯罪现场”的表述似乎比“被告由于害怕被起诉谋杀而离开犯罪现场”的表述更没有说服力。绝大多数人都认为更为具体的事件比一个一般性的事件发生的可能性更大。相对于一般的情境而言，表述非常具体的事件似乎更可能发生，因为这样的情境与人们对于具体事件的想像是一致的。
代表性直觉的另一个结果是“小数法则”，这个名字来源于统计学中“大数法则”的反向概念。它认为从总体中抽取的随机样本相互之间是类似的，与总体之间的接近程度比实际的统计抽样理论所预测的要高得多。
代表性直觉导致人们承认“赌徒谬论”，即在一系列的坏运气后必然会有好的结果出现，“我总不能连续三局都是杀手吧”，这样的思路经常出现。
出现这种情况是因为人们错误地认为一个随机序列必须具备代表性。“手热现象”也是如此，许多人认为篮球比赛中某个球员已经连续投中，下一次投中的概率就更大。
某些情况下，依赖于代表性直觉可能会使人们忽视基线值的信息，也就是一个事件发生的相对频率。
当基线信息与人们对因果关系的认知相一致时，人们就会使用基线值。人们在接受了相关的信息以后更加愿意使用基线值，而对那些不相关的信息，即使被告知这样的信息也可以产生预测作用，他们还是很少使用。
人们在进行预测时往往缺乏对信息来源的诊断，而出现非回归性的预测。
比如人们常常认为一件非常好或者非常差的事件之后，必然会跟随着一些不那么好或者不那么差的事件，而不管其中是否存在随机因素。这样的误解可能会使人们惊惶失措，以为产生了严重的“危机”。这样的一些事件对人们产生的影响看起来比实际情况要严重得多。仅仅在观察到一些简单的回归现象后，人们就会产生一些迷信，比如说非要做点什么去结束一连串的“坏运气”，或者什么都不敢做以免失去“好运气”。
人们忽视基线值和数据回归性的倾向造成了许多令人吃惊和窘迫的现象。社会科学研究表明，“数据”预测的准确性等于或者高于“人为”预测。换言之，与一般的常识相反，由决策者完成的决策的准确性往往偏低——即使该决策者完全掌握了数据的信息。这就是为什么现在这么流行“大数据”的原因了。
有关代表性直觉的研究结果表明，有一些方法可以提高决策和判断的技巧，比如：不要被很细节的情境所迷惑。
易得性直觉
决策者通常会依据一些容易想起来的事例来判断一种类别出现的频次或者事件发生的概率。通常情况下，普通的事件要比不寻常的事件更容易被想像出来。决策者经常利用易得性直觉来估计事件发生的频率。
但是，无论你使用何种直觉，在某些特定的情况下，这样的一般原则都可能失效并导致系统性偏差。有一些事件相对于其他事件而言容易被想到，并不是因为这样的事件更经常发生或者具有更高的发生概率，而只是因为这样的事件更容易被提取。比如，可能是因为这样的事件是刚刚才发生的。
易得性直觉是一个误导人们进行频率判断的因素。人们的直觉会根据事件在大脑中唤起的难易程度来估计事件发生的可能性。
由于交通事故、龙卷风或者谋杀几乎都是媒体的头条新闻，因此它比那些发生频率更高的事件:胃癌、雷电或者糖尿病更“容易提取”。
当某些事件本身很难被想像，或者当结果在视觉上更容易辨认时，易得性直觉可能会导致偏差。
如果一个容易被想像的事件能被判断为更可能发生的事件，那么对一个事件的刻意想像可以增加其易得性，从而使它看起来更可能发生。
对结果的想像可以增加对其结果发生概率的预期。这一原理可以被利用，通过操纵手段来使得人们在选择上更有倾向性。
如果事件的结果是很难想像，想像的努力就会降低人们对其发生可能性的预期。另一种情况是事件的结果是极端负性的。有些事件的结果是如此糟糕，以至于对事件结果的想像使他们否认这一结果会发生在自己身上。
对许多人而言，如果一个事件的结果是非常恐怖的，就会使个体产生否定感，这样对其结果的想像并不一定能够提高个体对其结果发生可能性的预期。
与易得性相近的一个概念是生动性。生动性通常是指某事件多么具体和易于想像，尽管在另外一些情况下，它还会有其他含义。
有时候，指某事在情绪上的令人激动，或者是事件之间在时间或者空间上的接近性。许多研究的结果表明，决策者更加容易被生动的信息所影响，而不是平淡的、抽象的或者是统计的数据。生动信息的力量被广告、政治、法律等领域运用得炉火纯青。
综上，在很多情况下，易得性直觉可以为我们提供很多关于发生频率和概率的准确估计，但是在某些情况下，它同样可以使人们的判断产生很大的偏差，生动性就是其中之一。
解决这个问题的办法是公开比较这些以往被我们低估或高估的危险。谈到估计事件发生的概率和频率，易得性直觉是最重要的一个环节之一。
概率和风险
风险通常很难量化，甚至概率事件中最基本的问题也可能成为一个很大的挑战。我们应该认真地审视统计学上被称为“先验概率”的概念。
先验概率就是在新信息到来之前，对一个事件发生概率的最佳估计。这里涉及到一些数学知识，就不做过多解释，简单来说，就是我们要认真分析“理论上”的概率。
对事件的概率判断同样会受到时间结果“效价”（就是时间的结果在多大程度上被认为是正性的还是负性的）的影响。
在其他条件相同的情况下，个体认为正性结果发生的概率比负性结果要高。简单地说，就是人们普遍更愿意相信好事会发生，而不愿相信坏事会发生。
在概率理论中，单个的事件被认为是简单事件，而多个事件被认为是复合事件。复合事件又分连续事件和非连续事件。
人们通常会高估连续事件的发生概率。决策者在判断一个复合事件的发生概率的时候，更加倾向于锚定或者固定在其简单事件的发生概率上。
一旦决策者将这样的简单概率固定在自己的头脑中，他们就很难根据“大量的简单事件需要同时发生”这一事实对概率的判断进行调整。
同样的，人们往往会低估非连续事件发生的概率。当非连续事件是由许多低概率的独立事件组成时，人们就会低估该复合事件发生的概率（更多的数学理论，有兴趣的读者可以参看原作）。
更加糟糕的是，一旦人们形成了对某一事件的概率判断，那么当呈现给他新信息的时候，他改变其原先判断的速度是比较慢的。这种不愿意改变先前概率估计的惰性被称为“保守主义”。
一些风险程度相同的事件可以通过不同的方式表达出来。对风险的直觉是高度主观性的，人们所采取的预防措施往往取决于具体的风险呈现方式以及风险的类型。
风险知觉中的三个基本维度分别是“恐怖风险”、“未知的风险”和“面对某一个特定风险时个体的数量”。
普通个体与专家相比，他们对风险的知觉方式是完全不同的。普通个体并不能很好地估计各种风险的大小，他们对风险的总体知觉总是从“灾难发生的可能性”以及“对下一代的威胁”角度来考虑，而不是根据其发生的可能性。
而另一方面，专家能够很好地估计风险的大小，他们对风险的知觉与其发生的概率是紧密相连的。
决策者在对概率和风险进行判断的时候必须尽量避免偏差，我们可以：保持正确的记录、警惕如意算盘以及将复合事件分解为简单事件。
思考和讨论：
每个职场中的人士都需要制订一段时期内的工作计划，计划中必须考虑执行过程中可能会发生的各类风险，同时拟定应对方案。
在近期计划的制订中，你是如何预测风险发生的概率和频率，是否会依赖代表性直觉而忽视对信息来源的诊断，或者因依赖易得性直觉而对生动性信息过度关注？如果有，请重新审视你的计划，并写下心得。
摘自《决策与判断》作者斯科特•普劳斯，卡片作者王嘉
码字第105天，2017.04.27于绵
