第1个回答 2022-06-04
看到这里，你得到的结论是什么？
你是不是会想，既然目击证人的正确率是80%，那么肇事出租车的颜色就有80%的机会是蓝色的。所以肇事出租车的颜色是蓝色的。
如果你是这样想的话，那么，你就犯了作者丹尼尔.卡尼曼在书中《思想，快与慢》所说的错误， 忽略了基准比率谬误，即没有考虑到在这个城市中“蓝绿”车的基本比例。
谈到基础概率谬误（Base rate fallacy），我们最好是从概率论中的著名贝叶期定理说起, 先创者是托马斯.贝叶斯（Thomas Byes 1701年-1761年)，是英国的统计学家，曾经是个牧师，这个贝叶期定理，他生前并没有发表，是他死后1763年，才由朋友发表的。贝叶期定理虽说是18世纪的产物，200年来用得好好的，不想在20世纪，70年代遇到了挑战，该挑战来自丹尼尔.卡尼曼和阿莫斯.特维尔斯基提出的“基础概率谬误”。丹尼尔.卡尼曼在他的《思想，快与慢》中举出了上面那个出租车的例子来启发人们思考对 基本比率不敏感而 影响人们“决策”的原因。
这样说吧，我再问你，你觉得是买矿泉水的人多呢，还是买香奈尔香水的人多？
晕，这不是人群和需求率明摆着么？简直就不是问题。但人们往往也会通过代表性来评估概率。例如，如果A能高度代表B, 人们就会认为A源于B概率高，但如果A与B并不相似，人们就会认为A源于B的概率底。
卡尼曼他们提出了一个假设，如果人们通过代表性来评估概率，基本比率往往就会被忽视。
说回刚刚的肇事车辆的颜色，其实目击证人的的话是存在很大疑问的，并不是80%的机会是蓝色，而是41%的机会是蓝色，同时也求得肇事车辆是绿色的概率为59%。因此，很有可能那天事故的车辆颜色是绿色，毕竟基本比率有59%。
如何利用贝叶期定理来演算而得到上面的数据，有点太复杂了，对于数学成绩不太好的我，很难在这里深入去讨论了并能系统清晰的讲解出来，有兴趣的朋友们，可以让网去搜一搜哈。