哪个更可能？——琳达问题与被扔掉的基率
先做一道题——认真选，别跳过。
琳达，31 岁，单身，直言，非常聪明，主修哲学。学生时代深切关注歧视与社会正义议题，还参加过反核游行。
请问哪个更可能？
- (A) 琳达是银行出纳
- (B) 琳达是银行出纳，且积极参与女权运动
选好了吗？如果你选了 B——恭喜中招，而且你不孤单：Tversky & Kahneman (1983) 用最直白的二选一版本测了 142 名 UBC 本科生，85% 选了 B。但 B 不可能比 A 更可能：B 是 A 的子集——每一个『出纳且女权』的琳达，首先得是『出纳』。合取事件的概率永远不可能超过它的成分：P(A 且 B) ≤ P(A)。这条铁律叫合取规则，违反它就是合取谬误（conjunction fallacy）。
更扎心的是：统计训练几乎不起作用。八项概率排序版按统计背景分组：统计小白违规率 89%，修过统计课的研究生 90%，斯坦福决策科学博士生 85%；直接测验总体违规 88%。
为什么？T&K 的解释是代表性启发（representativeness）：『出纳且女权』更像琳达——概率排序与代表性排序的相关高达 .98。你的大脑用『像不像』悄悄替换了『是不是』，用相似度替代了概率。
有一个流行辩护：『被试只是把「银行出纳」读成了「出纳但不是女权者」，这是误读，不是谬误。』T&K 当年就用对照实验排除了：让另一组 119 人用 9 点量表逐项给两个选项打概率分——逐项评分没有理由做排他性解读，结果 82% 仍给「出纳且女权」更高分（均值 5.6 vs 3.5）。不过问法确实关键：改成频数格式（『100 个像琳达的女性里，有多少是银行出纳？有多少是出纳且参与女权运动？』），谬误率从约八成锐减到两成上下——谬误真实存在，但强度高度依赖问法。
同一机制还有另一张面孔：基率忽视。Kahneman & Tversky (1973) 给被试看『从 100 名专业人士中随机抽出』的性格速写：一组被告知样本是 70 名工程师+30 名律师，另一组反过来是 30:70。按贝叶斯推理，同一份描述在两组给出的『此人是工程师』概率应显著不同；实际两组判断几乎相同——被试只看描述『像不像工程师』，基率被无视。最刺眼的对照是刻意零信息量的『Dick』（30 岁、已婚无子女、能力强动机高、同事喜欢他）：两组的中位数概率都是 0.50。有了废话描述，反而扔掉基率；而完全不给描述时，被试能正确使用 70%/30%。
你以为在检验，其实在证实——2-4-6 与四张卡片
再来一局。实验者心中有一条规则，数列 2, 4, 6 符合它。你可以随便报三元组，每报一个，实验者告诉你『符合』或『不符合』；自认确定后就宣布规则。想一想：你会先报哪个数列？
多数人心里已经冒出假设——『每次加 2』——然后开始报 8, 10, 12、20, 22, 24……全都『符合』，信心越来越足，宣布规则：每次加 2。错。真规则简单到过分：『三个递增的数』。Wason (1960) 的 29 名心理系本科生里，只有 6 人（21%）第一次宣布就正确，13 人先错一次，9 人错两次以上，还有 1 人始终没能宣布任何正确规则。
典型失败模式：形成『每次加 2』这类比真规则更窄的假设后，只生成符合自己假设的正例去『证实』，几乎不报违背假设的三元组（比如 1, 2, 3）去『证伪』。Wason 称之为『未能消除假设』（failure to eliminate hypotheses）——这是确认偏误的首个实验演示。
但注意别把它讲歪：被试对一条数字规则毫无利害立场，没有什么『愿意相信的东西』，却仍系统性地只测正例。确认偏误的核心是『正例测试策略』（positive test strategy）这种认知默认，不是动机性自欺。Klayman & Ha (1987) 进一步指出：正例测试在多数真实环境里其实高效、甚至近似最优；它只在『真规则比你的假设更宽』时才致命——而 2-4-6 恰好是故意构造的这种陷阱：真规则『递增』完全包含假设『每次加 2』，正例永远报『是』。解药：主动设计『若我错了，会看到什么』的负例测试。报一个 1, 2, 3，如果也『符合』，你的假设当场破产——这一步比一百个正例都值钱。
第三局：桌上四张卡片 E、K、4、7，每张一面字母一面数字。规则：『如果卡片一面是元音，那么另一面是偶数。』必须翻开哪些卡片才能检验规则真伪？先选，再往下看。
逻辑正确答案是 E 和 7：只有『元音+奇数』的组合能证伪规则——E 背面若是奇数、7 背面若是元音，规则就破了；而 4 的背面无论是什么都不违反规则（规则没说偶数背面必须是元音）。实际表现（Wason 1968 及后续复制）：几乎人人选 E，60–75% 的人误选 4（肯定后件），只有少数人选 7；标准抽象版正确率通常不足 10%，Dawes (1975) 报告 5 位数学心理学博士里只有 1 人做对。可是把同构问题换成熟悉内容，结果立刻逆转：Griggs & Cox (1982) 的饮酒年龄版——规则『喝啤酒的人必须年满 19 岁以上』，卡片=喝啤酒/喝可乐/16 岁/22 岁——正确率 74%。逻辑结构一模一样，内容与经验决定成败，这就是『内容效应』：你缺的往往不是逻辑，而是把抽象规则翻译成『该去查谁违规』的直觉。
想得起来≠常发生——字母 K 与被高估 350 倍的死因
最后一局，送分题（吗？）：从一段英文文本里随机抽一个词，字母 K 出现在词首的可能性大，还是出现在第三个字母位置的可能性大？
Tversky & Kahneman (1973) 问了 152 名被试（K、L、N、R、V 五个辅音逐一问，并让他们估计比值）。这五个辅音实际都是第三位更常见，约两倍；但 105 人（69%）判断『多数字母在词首更常见』，中位数估计比约 2:1 偏向词首——方向整个反了。机制赤裸裸：按词首检索单词（K 开头的词）远比按第三个字母检索容易，『检索的容易程度』被当成了『客观频率』——这就是可得性启发（availability heuristic）的定义性演示。
可得性不止在实验室坑你。Lichtenstein、Slovic、Fischhoff、Layman & Combs (1978) 用 5 个实验、约 660 名成人，对 106 对死因做两两比较：『哪个每年在美国杀死更多人？』并估计倍数。两大系统偏差浮出水面：其一，高估罕见戏剧性死因、低估常见死因——肉毒杆菌中毒、龙卷风这类画面感强的罕见死因被大幅高估，中风、糖尿病这类常见死因被大幅低估（龙卷风被判为比哮喘更常见的死因，实际哮喘致死远多于龙卷风）；其二，判断的倍数离谱——车祸致死实际只约为糖尿病的 1.5 倍，被试平均判断成 350 倍。媒体报道多、易回忆易想象的死因，其『心理可得性』冒充了真实频率。你脑中的『世界危险排行榜』，很大程度上是新闻编辑排的。
自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
琳达，31 岁，单身，直言，非常聪明，主修哲学；学生时代深切关注歧视与社会正义议题，还参加过反核游行。下面哪个更可能？
答案：琳达是银行出纳
合取规则：P(出纳且女权) ≤ P(出纳)——『出纳且女权』是『出纳』的子集，每一个『出纳且女权』的琳达首先得是『出纳』，所以无论描述多『像』，合取选项都不可能更可能。在最直白的二选一版本里，142 名 UBC 本科生中 85% 选了『出纳且女权』——这就是代表性启发在作祟：合取选项更像琳达（概率排序与代表性排序相关高达 .98），大脑用相似度替代了概率。（出处：Tversky & Kahneman 1983 — Extensional versus intuitive reasoning, Psychological Review 90(4)）
老周，55 岁，烟龄三十年，常年咳嗽。下面哪个更可能？
答案：老周明年会住院
这就是琳达问题的同构变体：『因肺部疾病住院』是『住院』的子集——老周无论因为什么住院都算『住院』，所以 P(因肺病住院) ≤ P(住院)，铁律不看描述。『烟龄三十年、常年咳嗽』的描述让『肺部疾病』显得极有代表性，诱导你用『像不像』替代『是不是』——识别办法：听到『而且/因为/具体是』这类往事件上加细节的措辞，先默念合取规则，再问『只算大类，概率多少？』（出处：Tversky & Kahneman 1983 — 合取谬误的代表性机制，Psychological Review 90(4)）
判断：琳达问题的八项概率排序版里，修过统计课的研究生违规率 90%、斯坦福决策科学博士生 85%，与统计小白的 89% 几乎没有差别——统计训练几乎不能消除合取谬误。
答案：正确
正确。按统计背景分组的结果是：统计小白 89%、修过统计课的研究生 90%、斯坦福决策科学博士生 85%，直接测验总体违规 88%——训练带来的差别小到可以忽略，说明合取谬误不是『没学过概率』的知识缺口，而是代表性启发这种直觉机制在自动运转。真正能大幅压低谬误率的是改问法：换成频数格式（『100 个像琳达的女性里有多少……』），谬误率从约八成锐减到两成上下。（出处：Tversky & Kahneman 1983；Hertwig & Gigerenzer 1999；Fiedler 1988）
有人为琳达问题辩护：『被试只是把「银行出纳」理解成了「出纳但不是女权者」——这是误读，不是谬误。』下面哪项证据最能直接反驳这个辩护？
答案：T&K 让另一组 119 人用 9 点量表给两个选项逐项打概率分——逐项评分没有理由做排他性解读，结果 82% 仍给『出纳且女权』更高分（均值 5.6 vs 3.5）
误读辩护说的是：被试把 T 排他性地解读成『T 且非 F』，所以选 T&F 不算违反合取规则。直接反驳它的是逐项评分对照实验：119 人分别给 T 和 T&F 打 9 点量表概率分——这种任务里没有理由做排他性解读，结果 82% 仍给 T&F 更高分（均值 5.6 vs 3.5），误读救不了直接透明版的谬误。但问法确实关键：频数格式能把谬误率从约八成压到两成上下——所以结论要说全：谬误真实存在，强度高度依赖『单一事件概率措辞』还是『频数措辞』。其余选项：博士生数据说明训练无效、相关 .98 说明机制，都不直接回应『是否误读』。（出处：Tversky & Kahneman 1983；Fiedler 1988；Hertwig & Gigerenzer 1999）
2-4-6 任务：实验者心中有一条规则，『2, 4, 6』符合它。你猜规则是『每次加 2』。下一步测试哪个三元组最有信息量？
答案：1, 2, 3
前三个都是『每次加 2』的正例——如果真规则比你的假设更宽（比如真规则是『三个递增的数』），正例永远得到『符合』，你测一百个也发现不了自己错了。『1, 2, 3』违背『每次加 2』但仍然递增：若实验者回答『符合』，你的假设当场被证明太窄——一次负例测试的信息量胜过一百次证实。Wason (1960) 的被试正是败在只测正例：29 人只有 6 人（21%）第一次宣布就猜中真规则『三个递增的数』。（出处：Wason 1960 — On the failure to eliminate hypotheses, QJEP 12(3)；Klayman & Ha 1987）
判断：2-4-6 实验里被试只测正例，是因为他们对自己的假设有情感投入、只想证明自己愿意相信的东西——确认偏误本质上是一种动机性自欺。
答案：错误
错误。被试对一条数字规则毫无利害立场，没有任何『愿意相信的东西』，却仍系统性地只测正例——确认偏误的核心是『正例测试策略』这种认知默认，不是动机性偏袒或自欺。Klayman & Ha (1987) 进一步指出：正例测试在多数真实环境里其实高效、甚至近似最优；它只在『真规则比你的假设更宽』时才致命——2-4-6 恰好是故意构造的这种陷阱（真规则『递增』完全包含假设『每次加 2』，正例永远报『是』）。解药不是『别有立场』，而是主动设计『若我错了会看到什么』的负例测试。（出处：Klayman & Ha 1987 — Psychological Review 94(2)；Wason 1960）
桌上四张卡片：E、K、4、7，每张一面是字母、另一面是数字。规则：『如果卡片一面是元音，那么另一面是偶数。』必须翻开哪些卡片才能检验规则真伪？
答案：E 和 7
只有『元音+奇数』的组合能证伪规则，所以必须翻 E（背面可能是奇数）和 7（背面可能是元音）；4 的背面无论是什么都不违反规则——规则没说偶数背面必须是元音，翻 4 和 K 都是无信息量的多余动作，『四张全翻』自然也不是『必须翻开哪些』的答案。实际表现：几乎人人选 E，60–75% 的人误选 4（肯定后件），只有少数人选 7；标准抽象版正确率通常不足 10%，Dawes (1975) 报告 5 位数学心理学博士里只有 1 人做对。检验『如果 P 则 Q』，永远去找 P 和非 Q。（出处：Wason 1968 — Reasoning about a rule, QJEP 20(3)；Griggs & Cox 1983）
判断：四卡片任务换成逻辑结构完全相同的饮酒年龄场景——规则『喝啤酒的人必须年满 19 岁以上』，卡片=喝啤酒/喝可乐/16 岁/22 岁——正确率就从抽象版的不足 10% 跃升到 74%：抽象版答错，不等于不懂『如果…那么…』的逻辑。
答案：正确
正确。Griggs & Cox (1982) 的饮酒年龄版与抽象版逻辑结构完全同构：该查的还是 P 与非 Q——『喝啤酒的』（背面可能未满 19）和『16 岁的』（背面可能在喝啤酒）；『喝可乐的』和『22 岁的』无论背面是什么都不违规。同一批人在抽象字母数字版上通常不足 10% 答对，在这里 74% 答对——内容与经验决定成败，这就是『内容效应』：人缺的往往不是逻辑能力本身，而是把抽象规则翻译成『该去查谁违规』的直觉。（出处：Wason 1968；Griggs & Cox 1982, British Journal of Psychology 73；Griggs & Cox 1983）
从一段英文文本里随机抽一个词：字母 K 出现在词首的可能性大，还是出现在第三个字母位置的可能性大？
答案：第三位——实际约是词首的两倍
K 实际在第三位更常见，约是词首的两倍。Tversky & Kahneman (1973) 用 K、L、N、R、V 五个辅音问了 152 名被试——这五个字母实际都在第三位更常见，但 105 人（69%）判断『多数字母在词首更常见』，中位数估计比约 2:1 偏向词首，方向整个反了。机制：按词首检索单词远比按第三个字母检索容易，『检索的容易程度』被当成了『客观频率』——可得性启发。同一机制在真实世界的版本：媒体报道多、画面感强的死因被大幅高估——车祸致死实际只约为糖尿病的 1.5 倍，被试平均判断成 350 倍。注意别夸大：T&K 特意挑了第三位更常见的例外字母（多数辅音其实词首更常见），Sedlmeier 等 (1998) 复做发现被试对『词首更常见』的字母判得相当准——正确结论是『检索易度会系统性带偏频率判断』，不是『人对字母频率一无所知』。（出处：Tversky & Kahneman 1973 — Availability, Cognitive Psychology 5(2)；Lichtenstein et al. 1978；Sedlmeier et al. 1998）
Kahneman & Tversky (1973) 给两组被试看同一份『从 100 名专业人士中随机抽出』的性格速写：一组被告知样本是 70 名工程师+30 名律师，另一组被告知是 30 名工程师+70 名律师。速写主角 Dick：30 岁、已婚无子女、能力强、动机高、同事喜欢他——刻意写成零信息量。两组判断『Dick 是工程师』的概率，结果如何？
答案：两组的中位数都是 0.50——一段废话描述，就让两组把 70%/30% 的基率整个扔掉
两组中位数都是 0.50。按贝叶斯推理，同一份描述在 70:30 与 30:70 两组给出的概率应显著不同；实际上被试只看描述『像不像工程师』（代表性），基率被无视——最刺眼的是：有了零信息量的废话描述反而扔掉基率，而完全不给描述时，被试能正确使用 70%/30%。代表性启发=用相似度替代概率：琳达问题的合取谬误与这里的基率忽视，是同一机制的两张面孔。识别办法：拿到任何『画像+判断概率』的问题，先问基率，再看描述。（出处：Kahneman & Tversky 1973 — On the psychology of prediction, Psychological Review 80(4)；median 0.50 数据另见 Gigerenzer 1991 转述）