思考，快与慢：给普通职场人的对话式深度课程 · 4. 启发式（一）：代表性启发与”小数定律”错觉
4. 启发式（一）：代表性启发与”小数定律”错觉
导师：好，第四章。先做个题。晓琳，想象一个人叫小陈，文静、爱看书、戴眼镜、说话慢条斯理。现在问你：小陈更可能是（A） farmer 农民，还是（B）图书馆管理员？
晓琳：这还用说，肯定是图书馆管理员啊，文静爱看书戴眼镜，太像了。
导师：好，你的回答和 90% 的人一样。但卡尼曼会追问你一个你刚才完全没考虑的问题：农民和图书馆管理员，哪个基数大？
晓琳：基数？
导师：对，人数。假设全中国图书馆管理员一共就几万人，农民有好几亿。那么即使小陈”看起来像”管理员，他真实是农民的概率，依然可能因为基数碾压而大得多。你刚才只用了”像不像”做判断，完全没用”概率有多大”做判断。
晓琳：啊，我确实没想基数。我只顾着”他对得上那个画像”。
导师：这就是”代表性启发”（representativeness heuristic）：系统1判断一件事的可能性，靠的是”它有多像我脑子里的典型”，而不是”它在真实世界里发生的频率”。像，就觉得概率高；不像，就觉得概率低。这个方法在”像”和”概率”真的正相关时还算好用，但一旦遇到基数悬殊、样本极小的情况，它就彻底失灵。
晓琳：那”小数定律”又是什么鬼？
导师：比”鬼”常见多了。卡尼曼说，人天生相信”小样本能代表整体”，他管这叫”小数定律”错觉——明明是统计学里的大数定律（样本越大越稳），我们却反过来，看见几个例子就敢下全称判断。
晓琳：给我个生活例子，不然我飘。
导师：你朋友圈是不是常有人发：“我邻居吃 XX 保健品治好了失眠，所以这东西神了。“一个样本。或者：“我们部门新来的 95 后，三个都挺个性的，现在的年轻人真难管。“三个样本。再或者赌徒心理：“这骰子连开五次大，下一把肯定是小。“——这就是最经典的”小数定律”，以为小样本里看到的规律能延续。
晓琳：等等，骰子那个我懂，但前面”三个 95 后”那个，难道不该警惕吗？
导师：该警惕的恰恰是这里。系统1看到三个个性鲜明的年轻人，立刻总结出”这一代人如何如何”，它自动忽略：样本只有 3 个、你部门可能刚好招到偏个性的、全国同代人好几千万。小数定律的坑在于：它让你对极小样本过度自信，以为看见了规律，其实只是噪声。
晓琳：那我在职场里会踩这个坑吗？我又不做统计。
导师：天天踩。比如你面试两个人，第一个聊得来、第二个冷场，你可能当场就觉得”第一个合适”。可两三次面试能代表一个人的真实水平吗？再比如你带一个新习惯（早起、记账），试了三天效果不好，系统1就说”这方法没用”——三天也是小数，根本说明不了什么。还有管理者最容易犯的：看见一个新指标连续两周上升，就宣布”策略奏效”，结果第三周回落，才发现前两周只是波动。
晓琳：所以”小数定律”就是——把偶然当趋势，把噪声当信号。
导师：你这句话可以去印在书签上。再补一个更阴的变体：系统1不仅爱从小样本找规律，还爱从”随机”里找”因果”。比如有人说”我每次穿红衣服就运气好”，其实红衣服和运气毫无关系，只是他记住了穿红且走运的日子，忘掉了穿红且倒霉的日子。这叫”妄想性关联”，也是代表性+小样本的混合产物。
晓琳：那我该怎么破？总不能每次都想”样本量够不够大”吧，太累。
导师：不用每次，抓重点场合。给你三条实用护栏：第一，凡是”下结论”之前，先问自己”我看了几个例子？“如果答案是个位数，默认打一个”样本太小、可能是噪声”的标签；第二，遇到”这人/这事就是这样”的全称判断，主动找反例——找一个不像的，你那结论就松了；第三，对自己尝试的方法，给足观察期（比如 21 天、一个完整的业务周期）再评判，别三天就宣判。
晓琳：我突然想到，代表性启发是不是也解释了”以貌取人”？
导师：太对了。第一印象就是最典型代表性启发：对方穿着得体、谈吐自信（像”靠谱的人”），你就直接判他靠谱，跳过验证。外貌、气质这些”像不像”的线索，系统1会给极高权重，而真实能力这种需要时间验证的东西，反而被挤掉了。职场里”看着就像领导""看着就像专家”的人，往往因此占到便宜——不是他们更强，是系统1先替他们投了票。
晓琳：这一章信息量好大。我总结一下：系统1用”像不像”代替”概率多少”，还爱把小样本当真理，于是我容易以貌取人、把噪声当趋势、被几个例子带节奏。
导师：总结得精准。下一章我们讲另一个同样常见、但长着另一副脸孔的启发式——“可得性”。它不靠”像不像”，而靠”想得起来不”。新闻、朋友圈、亲身惨痛经历，都会偷偷改写你对”什么事更可能发生”的判断。
【思考题】
- 你最近有没有根据”两三个例子”就给某类人、某件事下了结论？现在回头看，那个结论靠谱吗？
- 你或你身边的人，有没有”试了几天没效果就放弃”的方法？如果用”样本太小可能是噪声”重新审视，你会怎么做？
- 以貌取人这件事，你在职场或生活中吃到过它的亏吗（无论是被误判，还是误判了别人）？代表性启发在其中起了什么作用？
【参考答案】
-
极常见。比如”新来的实习生不靠谱”（基于一两次小错）、“某家店难吃”（基于一次踩雷）、“某同事难合作”（基于一次摩擦）。这些判断大多建立在一两个样本上，而真实世界里一个人的稳定特质需要多次、多情境观察。补救很简单：把”我见过的几次”和”他一贯如此”分开。凡是影响你合作、信任的结论，至少攒够 5-10 个独立情境再下，且要主动计入”好”的例子，别只记坏的。
-
“三天放弃”是小数定律最日常的形态。真实世界里，绝大多数好习惯、好方法（健身、阅读、客户跟进节奏、新的工作流）见效都需要跨越”初期波动期”，头几天的数据毫无代表性。正确姿势：先设定一个不被短期结果动摇的观察窗口（如 30 天），窗口内只记录不评判，窗口结束再算总账。这样你就把系统1的”急着下结论”挡在了门外。
-
以貌取人是代表性启发最顽固的应用。吃亏有两种：一是你被误判——比如穿着随意、不善寒暄，被当成”能力不足”，错失机会；二是你误判别人——看着自信能干就委以重任，结果翻车。破解不是强迫自己”不看脸”（做不到），而是提醒系统2：外貌线索只能占一小部分权重，真正该问的是”他过去做成过什么、具体证据在哪”。把”像不像行家”和”是不是行家”拆开，是职场避坑的基本功。
（第一批写入结束：开篇引子 + 第 1~4 章。后续章节将以 Edit 追加。）