הערכה
אנשים נוטים להעריך לא נכון הסתברויות במקרים רבים.
ההטיה מושפעת ממספר גורמים הקשורים ביציגות, זמינות ועוגנים:
יציגות-
1. חוסר רגישות להסתברות מלכתחילה של מדגם:
אם יגידו לנו על בעל מקצוע שהוא בעל תכונה מסוימת, רוב האנשים יעריכו מהו מקצוע
על פי התכונה, ולא על פי ההסתברות מלכתחילה של אותו מקצוע. גם אם יותר הגיוני שהוא
עורך דין כי יש הרבה עורכי דין באוכלוסיה, אם יספרו לנו שהוא צנוע ונחבא אל הכלים,
ונתבקש להעריך האם הוא עורך דין או ספרו, הרוב יתעלמו מסטטיסטיקת הספרנים המועטה,
ויצביעו עליו כבעל מקצוע זה.
2. חוסר רגישות לגודל מדגם:
כאשר אנשים מתבקשים להעריך האם משהו יתכן במדגם מגודל X הם לא לוקחים בחשבון את
גודל המדגם, ובדרך כלל יתנו אותה תשובה, ללא תלות בגודל המדגם. אם יספרו למשל על
שני בתי חולים שתיעדו את אחוז הבנים הנולדים בכל יום במשך שנה, ורשמו את הימים בהם
היו לפחות 60% בנים, וישאלו איפה מספר הימים יותר גדול לרישום שכזה (בבית החולים
הגדול, הקטן, או בשניהם), הרי שרוב האנשים יצביעו על הסתברות זהה. מבחינה
הסתברותית, ככל שהמדגם גדול יותר, הסטייה מהממוצע קטנה יותר, ולכן הערכה
שכזו הינה שגויה.
3. תפיסות מוטעות של מקריות:
אנשים מצפים שרצף אירועים ספציפי ייצג את ההסתברות הכוללת. אם נישאל, למשל, למה יש
סיכוי יותר גבוה: ללידה של בת, בן, בת ובן, או ללידה של ארבע בנות, אנשים רבים יטו
להעריך שהאפשרות השנייה יותר סבירה, היות והיא יותר תואמת את סיכויי ההסתברות
ו"ההוגנות" לפיהם אם נולד כבר בן, עכשיו הוגן שתיוולד בת. למעשה, ההסתברות לשני
האירועים זהה.
4. חוסר רגישות למידות הניתנות לניבוי:
יש נושאים שניתנים לניבוי, ויש כאלו שלו (ערך מניה). אנשים לא מייחסים חשיבות משמעותית
לסוגיה האם משהו ניתן לניבוי, ומנבאים באותו ביטחון גם בנושאים שלא ברי ניבוי על סמך
הנתונים הקיימים. הם נתונים לאשליה לגבי תוקף יכולתם לנבא גם במקרים שאין הדבר כך.
זמינות-
1. קלות האחזור של דוגמאות:
כאשר משהו קל יותר לאחזור במוחנו, נחשוב שהוא יותר שכיח. אם לדוגמא, נראה רשימה של
שמות, חציים גברים וחציים נשים, אך ברשימה יהיו בני מין אחד שהינם אנשים יותר
מפורסמים, ניטה לחשוב שמין זה הוא המין הדומיננטי ברשימה בכלל.
2. (אי) יעילות מתכונת חיפוש/ קלות דמיון:
כאשר נישאל אם משהו שכיח ממשהו אחר, נסרוק במוחנו דוגמאות. היות ויותר קל לאחזר
מקרים מסוימים מאחרים- הנ"ל ישפיע ויטה את התוצאה. לדוגמא, אם נישאל אם אות מסוימת
יותר שכיחה במילים כאות ראשונה או שלישית, ניטה למצוא בקלות יתר דוגמאות של אות זו
כאות ראשונה, ופחות כאות שלישית, בגלל מתכונת החיפוש של המוח, וכמובן התשובה
תושפע מהטיה זו. קלות דמיון הינה הטיה דומה, בה אנו לא מחפשים את התשובה אלא
מנסים להמחיש לעצמנו דוגמאות שכאלו. דוגמאות שיותר קל להמחיש (למשל- של קבוצות
קטנות) תיראנה יותר שכיחות מאחרות.
3. מתאם מדומה:
אנשים יטו להעריך יתר על המידה את תדירות ההתרחשות המשותפת של שני אירועים,
אם יש קשר אסוציאטיבי ביניהם. ככל שהקשר חזק יותר, ניטה לחשוב שאירועים אלו קורים
יחד לעיתים יותר קרובות.
עיגון והתאמות-
1. התאמות לא מספקות:
אנו נוטים לבצע התאמות על בסיס עיגון של ערך התחלתי, או של תוצאה חלקית. כאשר אנו
נשאלים לגבי אומדן וישנו ערך תחילי שנזרק לאוויר, בין אם בהקשר לכך, ולפעמים אפילו
בהקשר אחר, אנו מתייחסים למספר זה כעוגן. לעיתים, כדי לבצע חישוב מלא אנו נזקקים
לפעולות רבות ואז אנו נותנים אומדן על חישוב חלקי ראשוני בו התחלנו. סדר הנתונים
שמסופק לנו ישפיע על ההערכה, היות והנתונים הראשונים הם שישמשו אותנו לחישוב החלקי
(אנשים יאמדו את המכפלה 1X2X3X4X5X6X7X8 בשונה מ- 8X7X6X5X4X3X2X1).
2. אירועי חיתוך ואירועי איחוד:
אירועי חיתוך הינם אירועים בהם שתי תופעות קורות גם יחד; אירועי איחוד הינם אירועים בהם
אחת משתי תופעות מתרחשת, ולאו דווקא שתיהן. אנשים נוטים לתת הערכת יתר להסתברות
של אירועי חיתוך והערכת חסר לאירועי איחוד.
3. התפלגויות הסתברות סובייקטיביות והקשרים:
כאשר אנשים נדרשים לתת אומדן הקשור לנושא דרך הגדרת השאלה משפיעה על התשובה.
בהתאם לאופי העיגון המגדיר את השאלה (וממנה את הליך המחשבה) תתקבלנה תוצאות
הקשורות בעיגון זה.
סיכום:
כאשר אנשים מקבלים החלטות בתנאי אי ודאות הם נעזרים בשלוש יוריסטיקות שהוגדרו לעיל יציגות, זמינות ועיגון. יוריסטיקות אלו יעילות לחישוב ומועילות בתוצאותיהן על פי רוב, אולם הן מובילות לטעויות שיטתיות וצפויות. הכרת ההטיות והבנתן, יכולה לשפר את תהליך קבלת ההחלטה.
חזרה