概念入门代表性偏差与基础比率启发法与判断偏差
因果性基础比率
也叫：causal base rate、因果基础比率
与统计基础比率不同，人会将因果比率当个案信息。
核心讲解
作者借用阿杰恩的概念，区分两种基础比率。统计学基础比率是某事件所属类别的事实总量，与单独事件无关，例如“这座城市85%的出租车是绿色”；人们普遍轻视它，有具体信息时甚至会完全忽略。因果性基础比率则会改变你对单独事件的看法，例如“事故中绿色出租车占85%”——这暗示绿色出租车司机更莽撞，为肇事逃逸提供了因果解释；人们把它当作个案信息，很容易与其他具体信息结合使用。阿杰恩的实验：告知一组受试者耶鲁考生通过率75%、另一组25%，受试者都对因果性基础比率敏感，高成功率组的预测显著更高；但当基础比率被表述为纯统计事实（样本抽取方式）时，影响就小得多。作者总结：系统1处理的事件各因素是有因果关系的，统计推理中的关系很薄弱；对贝叶斯思维者来说所有表述都相同，但人的直觉并非如此。
费曼版：用大白话再讲一遍
“全城85%的车是绿的”只是个数，你听完就忘；“绿车司机肇事率高5倍”却是个人物设定——绿车司机莽撞！前者是干巴巴的统计，后者是故事。大脑给故事让路，给统计设门槛。同一句话换个讲法，一个被扔、一个被用。
要点
- 统计学基础比率与个案无关，普遍被忽视。
- 因果性基础比率改变对个案的看法，被当作个案信息。
- 阿杰恩实验：高通过率组的预测显著更高。
- 纯统计表述的比率影响远小于因果表述。
常见误区
- 以为基础比率只有一种，因果性与统计学基础比率被区别对待。
- 以为“数据就是数据”，表述方式改变使用与否。
- 把因果性基础比率当更可靠的信息，它只是更符合大脑偏好。