下载掌阅APP，畅读海量书库
立即打开
回忆第3章提到的出租车问题（城市里85%的出租车都是绿车……）和XYZ病毒问题（想象有一种XYZ病毒能引起严重的疾病……），它们都反映出了人们对基础比率的忽视问题。人们经常会忽视一个事件的先验概率，尤其当这个概率看起来是无关联的、并且是以平淡的数据证据形式展示出来时。科斯米德斯和托比（Cosmides&Tooby，1996）以及吉仁泽（Gigerenzer，1991，1996a，2007；又见Koehler，1996）认为，我们进化出了解决频率问题的思维机制，却并没有进化出针对单个事件概率的思维机制。这些研究者争辩说，启发式和偏见文献中的问题很困难，因为它们以一种单个事件概率的形式而非频率的形式出现。下面的这个例子可以让我们分析下一个问题在这两种形式下的不同表现。
以下是一个人们觉得困难的问题。针对一批参加乳房X光检查的并无症状的40~50岁妇女，有如下这些信息：这些妇女患有乳腺癌的概率是1%。如果一名妇女有乳腺癌，那她有80%的概率会得到一个阳性的乳房X光检查结果；如果一名妇女并无乳腺癌，也有10%的概率会得到一个阳性的检查结果。假设一名妇女（40~50岁，并无症状）得到了一个阳性的乳腺癌检测结果，那么她确实患有乳腺癌的概率有多大？______%
对这个相同的问题还有另一种版本（摘自Gigerenzer，1996b），相比上一题会更加容易。针对一批参加乳房X光检查的并无症状的40~50岁妇女，有如下这些信息：每1000个妇女中10个人患有乳腺癌，在这10个有乳腺癌的人中，8个人会得到一个阳性的乳房X光检测结果。在剩下的未患有乳腺癌的990名妇女中，99个人也会得到阳性的乳房X光检测结果。想象妇女样本中的一名（40~50岁，并无症状）得到了一个阳性的乳腺癌检测结果。那么她确实患有乳腺癌的概率有多大？______分之______
第二个版本的问题更容易让人们看到，概率信息其实指的是一个类别的实例。在第二个例子中可以很容易看到，总共将有107个妇女（8+99）得到阳性的检测结果，而其中只有8个人患有癌症。因此，只有107分之8（约7.5%）检测结果呈阳性的女性确实得了癌症。吉仁泽和其他的研究者表明，以频率的形式展现问题会有助于人们对概率信息进行处理。这一情况不仅针对实验室被试，也在执业医师中得到了证实（Cosmides&Tooby，1996；Gigerenzer，2002，2007）。
以上想要说明的关键是，频率形式的信息向人们阐明了抽象的概率信息代表的是一个类别的实例这一要点。要提高人们的表现，频率形式并不是必需的。也有其他方式能够阐明对单个事件概率的展示，使得其更易被人们理解。许多研究都表明，展示概率信息的多种方式，能够使得实例和类别的关系变得更清晰，利于人们对信息的处理，因而获得了更好的表现结果（Barbey&Sloman，2007；Evans，Simon，Perham，Over&Thompson，2000；Sloman&Over，2003；Sloman et al.，2003）。