Вероника Денес-Радж и Сеймур Эпстейн[9] предлагали своим испытуемым очень простую задачу — те должны были вытаскивать из ёмкости разноцветные шарики. В одной большей ёмкости были сотни красных шариков и сотни шариков других цветов. В другой, меньшей ёмкости, было всего 50 шариков, однако процент красных шариков был выше. Каждая ёмкость имела этикетку, на которой была помечена вероятность выигрыша, поскольку за каждый вытащенный красный шарик испытуемые получали один доллар. Для большей ёмкости эта вероятность составляла 7 %, для меньшей — 10 %.

Результаты эксперимента показали, что люди значительно чаще выбирали большую ёмкость, нежели маленькую. Когда их спрашивали почему они так поступили, испытуемые объясняли, что они чувствовали, будто их шансы с большой ёмкостью выше, поскольку там находилось больше красных шариков. И это несмотря на то, что реальные шансы были изначально известны! Но все полагались на свой «внутренний голос».

Аффективная эвристика помогает придти к быстрым решениям, когда вы получаете новую информацию. Вы должны всего лишь распределить её на две категории — «хорошее» и «плохое». Без этой эвристики реклама и политика не могли бы существовать. Нужно всего лишь ассоциировать ваш продукт с положительными вещами, а конкурентов — с отрицательными.

Аффективная эвристика руководит нами, когда мы принимает решения о поддержке того или иного кандидата на выборах, о том, следует ли пристёгиваться при поездке на автомобиле, нужно ли поддерживать строительство новой атомной электростанции, следует ли изменить супругу. В принципе это ещё не означает, что мы абсолютно закрыты для обдумывания разумных аргументов и оценки последствий решений, принятых под влиянием эмоций. Только происходит это крайне редко.

Аналитическая система может найти в памяти подходящую информацию, обдумать ситуацию, спланировать и принять необходимое решение, подавить импульсы, исходящие от АКС. Но когда дело идёт об эмоционально окрашенных представлениях, АС скорее поддерживает автономный комплекс систем, занимается в основном тем, как найти оправдание действиям, принятым под влиянием эмоций, нежели проверяет адекватность принятых решений.

Эвристика репрезентативности, проявляющаяся в «законе малых чисел» (Daniel Kahneman, 2011, р.108), имеет отношение, казалось бы, к «занудной» математической статистике, к экономике или к точным наукам, однако это не так. Предположим, вы слышите по телевизору следующую фразу: «70 % молодёжи поддерживают президента». Какой вывод вы сделаете из этого сообщения? Наверняка следующий: юность — за президента. Однако верен ли он? Вы этого не знаете, поскольку вам неизвестно, сколько человек было опрошено — 10, 100, 1000? Без знания размеров выборки услышанная вами по телевизору фраза не имеет вообще никакого смысла, поскольку не отражает действительного распределения мнений.

Мы все слышали о законе больших чисел и знаем, что при подбрасывании монеты вероятность выпадения орла или решки равна 50 %. Только не все из нас знают, что это верно только для очень большого количества попыток. Для малого количества этот закон не работает. Если вы подбросите монету три раза, то весьма вероятно, что все три раза выпадет решка. Этот результат не опровергает закона больших чисел, но показывает, как его правильно применять и как делать выводы на его основании.

Закон же малых чисел говорит о том, что делать достоверные выводы при незначительном количестве информации невозможно.

Канеман и Тверски в своей первой совместной статье писали: «…похоже, что (человеческая) интуиция в вопросе о случайных выборках подчиняется закону малых чисел, который предполагает, что закон больших чисел применим и для малых» (Daniel Kahneman Thinking fast and slow, р.112).

Особенно часто встречается применение закона малых чисел в случаях, имеющих отношение к медицине. Здесь нам хотелось бы ещё раз привести старую восточную притчу, которую мы уже приводили в других наших книгах:

Перейти на страницу:

Похожие книги