用毫不相关的变量预测价格

上面的问题促使两位心理学家一一丹尼尔·卡尼曼和阿莫斯·特韦尔斯基对“理性人”的传统观念给予致命一击。经济学理论认为，我们以最符合逻辑的方式去处理全部信息，并据此识别出对收益最有利的选择。但丹尼尔·卡尼曼和阿莫斯·特韦尔斯基告诉我们，在现实生活中，人类往往倾向于依赖眼前有限的数据样本，甚至是用毫不相关的因素去预测未来的长期趋势。在这个问题上，不妨考虑如下几个例子：

例1：有两只看不见的碗，每个碗都装有不同颜色的球，其中一种颜色的球占总容量的2/3，另一种颜色的球占总容量的1/3。一个人从A碗中拿出5个球，包括4个白球和1个红球。第二个人从B碗中拿出20个球，包括8个白球和12个红球。现在，把你的眼睛蒙起来。但不同的是，只允许你取出1个球。如果能事先猜对这个球的颜色，你就可以得到5美元。那么，你是否会赌A碗中取出的是白球、B碗中取出的是红球呢？

很多人会把赌注放在白球上，因为第一个人在A碗中取出白球的概率是80%，第二个人在B碗中取出红球的概率却只有60%。但来自B碗的样本容量是A碗的4倍。较大的样本量意味着从B碗中取出红球的可能性要大于从A碗中取出白球的可能性。尽管我们中的大多数人都知道，大容量样本的结论更为可靠，但小容量样本会让我们感到心烦意乱。原因何在呢？

例2：在一项针对个人基本特征进行的全国性调查中，100名年轻女性参与了调查，其中包括90名职业运动员和10名图书管理员。以下是这100人中的两个人的个人特征。

丽莎是一个活泼外向的女孩，棕褐色皮肤，一头长友。尽管有时有点不拘小节、邋遢随便，但人缘很好。目前已婚，但尚无孩子。米尔莱德是一个性格恬静的女性， 戴一副眼镜，短发。喜欢微笑，但很少大笑。工作非常勤奋，守纪律，只有很少的几个挚友，至今单身。

丽莎是图书管理员的概率有多大？

米尔莱德是职业运动员的概率有多大？

大多数人会认为，丽莎是运动员，而米尔莱德肯定是图书管理员。上面的描述似乎能显而易见地告诉我们：丽莎比米尔莱德更有可能是运动员，但米尔莱德也有可能是职业运动员。因为我们毕竟已经有了这样一个前提：在全部调查对象中，有90%是职业运动员。我们经常做的是，能辨别事物间的相似点，却分辨不出事物有多大的相似性。原因又何在呢？

例3：假设你我同时掷硬币（每个人分别掷6次，并对掷硬币的结果进行记录， 正面落地记为“H”，背面落地记为“T”）。你先来，得到的结果是“HTIHTH”：正反面各占50%的概率，似乎印证了按随机性规律应该得到的结果。之后轮到我了，得到的结果却是“HHHHHH”。这一连串出奇一致的正面，不由得让我们倒吸冷气：没准我是个掷硬币的天才。

但真理是不容怀疑的：在6次掷硬币的过程中，得到“HHHHHH”的概率完全等于得到“HTTHTH”的概率。出现这两个序列的概率都是1/64，或者说1.6%。但是，我们对“HTTHTH”会不以为然， 而“HHHHHH” 的结果却会让我们大惊失色。这是为什么呢？