人们在不确定条件下往往并不遵循期望价值理论而是使用一系列的启发式策略进行直观判断。
代表性启发法（representativeness Heuristics）
它表现在人们根据该事物的一些突出特征对其进行归类的时候，当它与某类事物（范畴）的代表性相类似的时候，就直观地推断出该事物归属于这一类。事实上，人们早就根据既有经验为各类事务塑造了他们各自的原型。它具有该群体的典型特征和最大的代表性，做决策时，人们往往仅仅将事物与各个原型相对照。一旦匹配就将其归入该原型所代表的范畴。由代表性启发法造成的认知偏差往往表现在以下几方面：对基率或者先验概率敏感性低；结合效应和小数法则。
概率论中的结合率表明，某事物既属于范畴A又属于范畴B的概率不会大于且往往小于它单独的属于A或者B的概率，即P(AB)<=P(A)或者P（B），而在实际认知决策的时候，人们往往遵循结合效应，表现出了与概率论的结合率相反的情况。
人们经常有将小样本看作与大样本（或者总体）具有相似概率分布的判断倾向，即将小样本与大样本的概率分布视为等价，由此带来了两个结果。当人们知道了某事件的无偏（客观）概率的情况下，往往会对已经发生的小样本事件进行错误的估计，从而影响了对未发生事件的概率估计。这可以很好地解释赌徒心理。人们都知道投币得到正反面的概率相等。因此当连续多次投硬币都得到正面的情况下，人们总倾向于认为以后反面的出现概率很大。
小数法则（the law of small number ）则使得人们易于从一个短序列（小样本）中过分地推断潜在的大样本的概率分布。我们都有这样的经验：如果一个人连续几次都预测正确，我们就会十分相信他的判断力，认为他下次的预测仍会是正确的。与之相关的一个重要现象就是人们对期望值回归的错误认识。如果我们过于相信一种偏离常规情况的存在，那么我们将不会期望以后的观察值回归正常水平。
可得性启发法（availability Heuristics）
它常用于判断某事件发生频率或者概率的情况。这时人们往往会利用记忆中最容易提取的信息进行主观估计，因为对频率或者概率的估计极大地受事件熟悉程度与突出性等可回溯性因素。搜索方式的有效性和事件可想象的难易程度的影响而造成认知偏差。
我们都有过类似经验，当被问题某种疾病的发生概率时，我们往往根据身边熟悉的人得此病的情况进行推断。这就是熟悉效应的一个表现。又如，若我们被问到：每年因飞机失事和被毒蛇咬伤而死亡的概率哪个大？这是我们往往更容易选择前者。虽然也许事实上二者发生的机率相同，但由于舆论传媒的导向作用，使得我们对前种情况更为熟悉和敏感。这也在一定程度上对传统经济学理论的一个根基假设：人的行为规律不受外在环境的影响提出了质疑。
一旦人们对某事件没有经验的时候，人们往往会根据该事件可想象的难易程度来判定它的发生概率。
