基础比率谬误

是什么

基础比率谬误是指：判断某个具体个案时，忽略了这类事情在总体中有多常见（即基础比率）。我们把注意力放在眼前的具体证据上，比如一段描述或一个检测结果，却低估了背景概率。

生活中的例子

银行的反欺诈系统拦截了小李的一笔刷卡消费。为便于说明，假设每 1,000 笔交易中有 1 笔是欺诈，系统能识别出 99% 的欺诈，同时会误拦 2% 的正常交易。

多数人会觉得，被拦下的这笔很可能就是欺诈。用 100,000 笔交易算一算：约 100 笔是欺诈，其中 99 笔被拦下；99,900 笔正常交易里，也有约 2,000 笔被误拦。所以被拦下的交易中，真正是欺诈的大约只有 21 笔中的 1 笔。很低的基础比率起了决定作用。

为什么会这样

具体证据让人觉得相关、有因果关系；基础比率则显得抽象、只是统计数字。Kahneman 和 Tversky（1973）认为，人们常依据“代表性”做判断：看一个个案有多像某个类别，而不是这个类别本来有多常见。

概率和百分比也让计算变得困难。在脑子里把千分之一的基础比率与 99%、2% 结合起来，确实不容易。

如何应对

• 先问“总共多少个里有几个”。 判断个案之前，先弄清这种结果在相关人群中有多常见。
• 把百分比换成具体数量。 想象 1,000 或 100,000 个人或事件，数一数最后各自落在哪里。
• 把两个问题分开。 “证据与结论有多吻合”和“这件事本来有多可能”是两回事。
• 对罕见事件格外小心。 事情越罕见，即使检测很准确，也会产生大量误报。

研究怎么说

在一项经典研究中，参与者阅读简短的人物描述，估计每个人是工程师还是律师。一部分人被告知群体中有 70% 是工程师，另一部分人被告知只有 30%。这一信息几乎没有改变他们的估计，他们主要依据描述听起来“像不像工程师”（Kahneman & Tversky, 1973）。

不过，这种效应并非一成不变。当同类问题以自然频数（如“1,000 人中有 10 人”）而不是概率呈现时，即使没有经过任何训练，也有多得多的人能正确推理（Gigerenzer & Hoffrage, 1995）。这说明问题有一部分出在信息的呈现方式上，而不只是我们的思维方式。