贝叶斯推断
思考以下场景，凭直觉写下答案
一辆出租车在夜间肇事逃逸。该市有两家出租车公司，它们的出租车分别为绿色和蓝色。你获得了以下数据：• 该市85％的出租车是绿色的，15％是蓝色的。• 目击者指认肇事出租车是蓝色的。法庭在事故当晚的条件下检验了证词的可靠性，得出结论：目击者正确识别颜色的概率是80％,错误概率是20％。请问，肇事出租车是蓝色的概率有多大？
这是一个标准的贝叶斯推断问题。其中有两条信息：基础比率和不完全可靠的目击者证词。如果没有目击者，肇事出租车是蓝色的概率为15％，这是该结果的基础比率。如果两家出租车公司规模相同，那么基础比率就提供不了任何信息，只需考虑证词的可靠性，得出概率为80％的结论。我们通过贝叶斯法则可以将这两个信息源结合在一起。正确答案是41％。然而，你可能会猜到人们是怎样解答这个问题的：他们忽视基础比率，完全采纳证词。最常见的答案是80％。
统计学基础比率与因果关系基础比率
现在思考同一问题的另一版本，区别只是基础比率的表示方式不同。你获得了以下数据：
• 两家公司的出租车数量相同，但85％的肇事出租车是绿色的。
• 目击者提供的信息与前一版本相同。
这两个版本在数学上没有区别，但在心理上却截然不同。看到第一个版本的人不知如何使用基础比率，经常忽视它。相比之下，看到第二个版本的人非常重视基础比率，他们的平均判断与运用贝叶斯法则获得的答案差不多。为什么？在第一个版本中，蓝色出租车的基础比率是关于城市中出租车的统计事实。渴望因果故事的大脑无计可施：绿色和蓝色出租车的数量怎么会导致出租车司机肇事逃逸？相反，在第二个版本中，绿色出租车司机造成的事故是蓝色出租车司机的5倍多。你立即得出结论：绿车司机一定是一群鲁莽的疯子！你现在形成了一种刻板印象，即“绿车司机很鲁莽”，它适用于该公司的所有司机。刻板印象很容易纳入因果故事，因为鲁莽与绿车司机有因果联系。
该例解释了两种类型的基础比率。统计学的基础比率是关于某案例所属总体的事实，与个案无关。因果关系基础比率会改变你对个案的看法。人们以不同的方式看待这两种类型的基础比率信息：
• 当人们掌握个案的具体信息时，往往会低估统计学的基础比率，有时甚至完全忽视。
• 人们将因果关系基础比率看作与个案有关的信息，很容易将其与其他具体案例的信息结合起来。
刻板印象
在我们的文化中，刻板印象是贬义词，但我将它当作中性词来用。系统1的一个基本特征是，将类别表示为规范和原型范例。想到马、冰箱和纽约警察时，我们想到的就是这些类别的原型。我们的记忆里保存了某类别中一个或多个“标准”成员的表征。类别具有社会性时，这些表征被称为刻板印象。有些刻板印象是有害性的错误，充满敌意的刻板印象会造成严重的后果，但心理事实无法避免：无论正确与否，刻板印象都是我们看待类别的方式。
你可能会注意到其中的讽刺之处。在出租车问题中，忽视基础比率信息是一种认知缺陷，是贝叶斯推理的失败，人们倾向于根据因果关系基础比率做出判断。对绿车司机的刻板印象提高了判断的准确性。然而，在其他情况下，如招聘或做评判时，社会规范和法律会强烈抵制刻板印象。这是理所应当的。在敏感的社会情境下，我们不想从群体的统计数据中得出有关个体的可能错误的结论。我们认为，将基础比率视为有关群体的统计事实，而非有关个体的假定事实，从道德角度来看是可取的。换句话说，我们抵制因果关系基础比率。
社会规范抵制刻板印象，反对一概而论，这对创造更文明、更平等的社会大有裨益。但是，我们要记住：忽视有效的刻板印象必将导致不可靠的判断。抵制刻板印象是一种值得赞赏的道德主张，但如果简单地认为抵制无须付出代价，那就错了。为构建更美好的社会，付出代价是值得的，但为获得心灵的慰藉和正确的政治立场而否认代价的存在，在科学上经不起推敲。政治辩论常依赖情感启发式。人们认为自己赞同的观点不需要付出代价，自己反对的观点毫无益处。
心理学可以教吗？
对社会环境的影响力没有形成新认识的学生，并未从实验中学到任何有价值的东西。
尼斯贝特和博吉达用一句令人难忘的话总结了实验结果：
受试者不愿从一般中推断特殊，就像他们愿意从特殊中推断一般。
这是一个非常重要的结论。得知有关人类行为出乎意料的统计事实之后，人们会留下一些印象，将其讲给朋友听，但这并不意味着他们对世界的理解发生了真正的改变。检验是否已掌握心理学知识，要看你对情境的理解是否发生了变化，而不是看你是否知道了新事实。我们对统计数据和个案的理解存在着巨大的差异。与非因果信息相比，具有因果解释的统计结果对思维的影响更大。但即使是令人信服的因果统计数据，也不会改变人们的长期信念，以及植根于个人经历的信念。另一方面，出乎意料的个案具有强大的影响力，是更有效的心理学教学工具，因为人们一定会解决个案与信念的冲突，将其纳入因果故事中。本书的一些问题是专门向读者提出的，这就是用意所在。相比了解别人令人惊讶的事实，你更可能通过发现自己的意外行为学到知识。
谈谈原因与统计数据
“我们不能假设他们从统计数据中学到知识。向他们展示一两个有代表性的个案，去影响他们的系统1。”
“不必担心这些统计信息会被忽视。相反，人们会立即用它们来加深刻板印象。”
