《不确定状况下的判断》一文探讨了人们在面对不确定情况时的判断方式。作者指出，人们往往会受到主观认知和情绪的影响，导致判断偏差。文章还提到了一些应对不确定情况的方法，如冷静思考和依靠专业知识。这篇文章让我深刻认识到了在决策时应该如何避免主观情绪的干扰，提高判断准确性。
《不确定状况下的判断》读后感(篇一)
1.代表性：RepresentIve bias。例子：图书管理员还是农民
1）漠视先验概率（Prior probability/base rate frequency）。当有人格描述时，人们依靠刻板印象来进行判断，而不是先验概率。反思：这可能只是线索效应，给了人格线索，就会按照人格线索来进行职业判断，如果没有给定人格线索，被试就需要自己寻找判断的线索，自然就会利用起先验概率了。疑问：当没有人格线索时，为什么两组不同先验概率的被试，都判断迪克是工程师的概率都是0.5？
2）漠视统计抽样理论，忽略样本规模。后验概率判断中：看中样本比例，忽略样本规模。
2.可得性（便利性）
3.校准
《不确定状况下的判断》读后感(篇二)
翻译中的“几率”一词指的其实是 某件事发生的概率与其不发生的概率的比值
翻译成“几率“好像容易引起误会，而且这种翻译方式好像也不太常见（更常见的似乎是将其翻译成 胜率/赔率）
//////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
《不确定状况下的判断》读后感(篇三)
不确定状况下很难做出判断，但是日常生活中每个人都又在各种不确定状况下不断做着判断，那么人们依靠什么做出判断？答案是启发式，即通过一些数量有限的启发式原则，把概率估计和数值预测的复杂任务降低为较为简单的判断操作。这些启发式往往表现良好，但是又会带来偏差和误导，那么问题来了，这些启发式什么时候有效，又会在什么时候失效，失效的时候该如何调校？这本书会一揽子回答这些问题，并将围绕“不确定状况下的判断”这一主题，给出更为深入和多元的探讨。
第一、囊括了判断研究领域中的三条研究路线
判断研究领域有多条研究路线，本书则囊括了其中的三条。
其一是米尔开创的有关临床预测和统计预测的比较路线，正是米尔发现了有关线索的简单线性组合要好过专家的直觉判断，发现了主观信念与客观记录之间的偏离。
其二是爱德华兹开创的主观概率研究，通过贝叶斯的应用完成了一个最优绩效模型的构建，以考察人的判断。
其三是西蒙和布鲁纳开创的推理启发式和策略研究，重点关注如何降低判断任务复杂性的策略。
三条研究线路在本书中兼容并包，通过各自的视角和维度为判断研究提供洞察和思路。
第二、汇聚了多个有关判断研究的主题
在延续和继承三条研究路线的基础上，作者们的35篇论文被汇总整理成10个主题，分别为直觉判断的启发式和偏差的早期评论、代表性启发式、因果性和归因、便利性启发式、共变和控制、过分的信心、多阶段评估、校正程序、风险知觉、启发式和偏差研究有关的概念和难题问题。
如果把判断研究这个总主题当作一个房子的话，那么三个研究方向就是这个房子的三面墙，10个研究主题则是这三面墙上的10个窗户，而35篇论文就是这个10个窗户上的35块玻璃。
每一块玻璃既可以独立成为观察屋里的视角，又可以作为窗户一部分与其他部分联合共同构建一个更大的视角，还可以与其他窗户协同构建一个更为强大、更为立体的复合视角。
这也就意味着这些论文既可以单独呈现，也可以与其他论文组合、呼应，从而给读者提供一个更为多元、更为立体、因而也就更加丰满的有关判断研究的思想画面。
第三、内容庞杂，内含惊奇
这35篇论文共同点是都属于以判断研究为主题的学术论文，但是这并不意味着这些论文只有单纯的科学意味，有些论文以判断研究为出发点，在干好本职工作的同时，深度渗透到了哲学和历史领域，在这些领域阐发了通常只有职业哲学家和历史学家才能达到的专业高度，尽管在启发式的地基上，说出这样的话来在逻辑上似乎显得水到渠成，但是真要让认知科学家说出来，还是会给人一种惊奇。
《不确定状况下的判断》读后感(篇四)
按照每章序列介绍其内容，以方便下次查阅: 第一部分：引论 1.总论，介绍了代表性偏差，易得性偏差，以及校准的问题。最重要的一篇文章，发表在1974年的Science上，也是这个领域第一次被人们认识到的文章。 第二部分：代表性 2.卡尼曼著名的小数率，即人们低估了样本规模对结果的影响 3.谈到人们对随机认识的不足；以及人们主观概率与事实概率存在稳定的偏差 4.人们会忽略先验概率；人们基于代表性的思维忽略回归的实验实证（这个实验让我想起后面的的第27章的高诊断性内容）；人们信心与实际效度之间的存在差异 5.天才般的想法，无法对“代表性”的做统一的定义，就用实证的方式（用一组组三位人们身高的数字）来揭示人们如何确定哪组数字更相似，就得到了人们代表性所依据的决策策略 6.讨论了联合效应，也就是著名的“琳达是一位银行职员”以及“琳达是一位热衷女权运动的银行职员”的问题。我个人觉得最有趣的是在于他们给出了这种谬误的一种解释，因为人们习惯于语言表达的精确性，因而当我们说琳达是一个银行职员时，已经排除了琳达是一位热衷女权运动的银行职员的选项。这是一种语言不能精确表达的问题，而不是人们思维的问题（这个解释很棒）。 第三部分：因果性和归因 7.探讨人们在社会决策时的一系列影响因素：共识性信息；抽象信息和具体信息 8.卡尼曼和特沃斯基对因果图式的研究：发现人们对“由因到果”与“由果到因”的推测的不对称性，人们更习惯“由因到果”的思考方式；后面还讨论了这种不对称性阻碍人们认识世界 9.对归因理论的深入的探讨，是第三部分的核心章节，全面探讨了各种因素包括动机、观察视角、自我实现诺言、首因效应等等因素的影响 10.标题非常准确：基率的证据式影响 第四部分:便利性 11.卡尼曼和特沃斯基对于便利性影响的重要论文：在开篇探讨了便利性与代表性的差异；中篇从实证的角度证实了便利性偏差的存在；后面探讨便利性偏差的实际影响 12.标题一样相当准确：便利性和归因中的自我中心偏差 13.Shelley E. Taylor对便利性偏差在社会心理学影响的讨论，重要的观点时：刻板印象有一部分原因是便利性偏差；我们为什么还需要便利性偏差来判断。 14.主要讨论人们在进行故事情节判断时，所依赖的整体的完整度（法律心理学：讲一个好故事）；以及人们愿意将一个故事灾难性的原因哪部分取消 第五部分：共变和控制 15.重要的一章，讨论人们对相关关系的认识 16.Eellen J. Langer的论文，一篇讨论了竞争环境、个人主观选择对人们控制力的影响。第二个彩票实验实际上证实了禀赋原理 17.对投射实验有效性的开炮... 18.标题即中心：临床医学中的概率推测（即是X射线结果的影响） 19.非常有启发性的一章，讨论了：一、人们概率判断决策的无效性；二、以及人们决策后结果反馈的无效性 第六部分：过分的信心 20.在判断个人特征中的过分信心 21.人们对于在概率评估中的分布与实际上的分布存在差异 22.内容丰富的一章，主要讨论了：21章中人们不确定状况下的概率分布；问题的困难程度对人们信心及正确程度三者的影响；以及人们的概率分布如何被校准 23.主要讨论了后见之明偏差的影响 第七部分：多阶段评估 24.用简单的实验和数据，证实了人们对复合概率估计中的步骤的刻意忽略 25.标题即中心：人类信息处理中的保守主义 26.论述在多阶段推理中人们对步骤的忽略（与24章呼应） 27.其中一句话总结了：“我们的被试根据他们自己并不可靠的记忆做出的推论，系统地违背了概率推理的规范准则。被试倾向于完全依赖信息的诊断性，尽管觉知自己的记忆并不可靠，他们仍然对可靠性不敏感” 第八部分：校正程序 28.我原本一直找的道格关于线性模型比人们个人判断更准确的论文。这是一篇论述线性模型与个人判断优劣的论文，肯定了线性模型，但也指出了这种优势可能是人类对信息综合的能力不足带来的，但人类认识对事物哪些特征更能够影响结果的判断的能力不应被否定 29.不明白为什么选进来，主要讨论数据与现实拟合的问题 30.卡尼曼和特沃斯基探讨直觉预测，里面关于回归的讨论不错 31.“本章的核心内容是评论一些研究，这些研究可以看做是减轻两种相似的偏差——后见之明和过分的信息——的努力”。 32.“本章，我们讨论改善人们日常生活中的推理的可能性” 第九部分：风险知觉 33.主要讨论报纸公布的死亡原因如何影响人们对各种死因的分布判断（易得性偏差），以及后面讨论了核能源危机如何被公众推到风口浪尖 第十部分：附录 34.感觉是卡尼曼和特沃斯基的灌水作品（其实前面30章我就觉得了~），不过里面关于我曾讨论过的证实性偏好中的卡牌实验的再分析（换成信封就不会出现了），以及中间对于问题的形式会影响人们的答案的探讨不错 35.“首先，我们描述一些感知中存在的预期和意外的基本过程，它们能被视作人们进行主观概率判断的先兆。然后，我们将专项一种现象学的考察，其中我们会区分不确定性的内在和外在特征，并论述人们在评估不确定性时可能采取的4种判断模式”——卡尼曼和特沃斯基的原话，你看懂了吗？
《不确定状况下的判断》读后感(篇五)
如果你看过《思考，快与慢》应该会对下面这个出租车问题印象深刻：
某天晚上一辆出租车撞人并逃逸。该城市只有两家出租车公司，绿的以及蓝的。提供给你下面的数据：
A、该城市中85%的出租车是绿色的，15%是蓝的。
B、一个目击者确认那辆出租车是蓝的。法院在与事故发生当晚同样的环境下检验该目击者的可信度，结果目击者在80%的时间里正确辨认出了每一种颜色，而余下的20%的时间里却没有。
那么在此事故中牵涉到的出租车是蓝的而不是绿的概率是多少？
可以说从这个案例开始打开了我对于自我认知，或者更确切的说是自己的直觉判断有了一个全新的认识，也让我开始对概率产生了兴趣。如果你没看过《思考，快与慢》也许你可以做下这个题目。如果你得出的结论是更有可能是蓝色的车，或者你有自信动手算了一下结论蓝色的概率不是41%，也许你真的应该来思考一个很重要的话题：
《不确定状况下的判断》
如果说《思考，快与慢》是基于大量的研究而得出的一些结论或观点用比较科普的方式表达出来。那这本书就是《思考，快与慢》的源头，而且是学术性的源头。由35篇学术论文组成，以卡尼曼和特沃斯基两个人研究的启发式决策为基础展现了在这个领域各种延伸研究和现实中的应用讨论。
在这个主题下有三条主要研究线索：
1、由米尔（Paul Meehl）所开创的有关临床预测和统计预测的比较。
2、由爱德华兹（Ward Edwards）导入心理学而体现在贝叶斯范式（Bayesian paradigm）中的有关主观概率的研究。
3、由西蒙（Hebert Simon）提供规划并由布鲁纳（Jerome Bruner）提供例证的有关推理启发式和策略的研究。
如果用通俗易懂的文字归纳一下就是，“人们在判断一些不确定事件发生的概率时，通常会求助于启发式或者拇指法则，它们与真正决定世界发生的概率的变量是不完全相关的。”
或者有一句很诚恳的话就是，“我们希望相信人们能理解一些他们不能正确表达的规则。”也许我会更直接表达就是，我们不要对我们的判断太过自信了，哪怕你觉得很理性甚至很科学，其实和客观的世界并不完全相关。
当然，如果很学术的总结这本书也许要堆积很多利用贝叶斯概率公式的推导过程。那样并不是我的强项也不是我看这本书追求的方向，或许在写博士论文的时候再看一遍也不迟。而在此我只是想总结一些个人主观的收获和感想。
首先，是重新认识了“预测”这件事。可以把启发式判断的研究看成是“预测心理学”的一个主体。无论是类别预测与数值预测原理都是相通的。而且直接从书中的结论出发，“直觉预测通常是不充分地回归”。而我更想补充的是，可以说所有的预测都含有直觉的部分，甚至科学研究也是。
“判断一度被视为理性的、逻辑决策的产物。”其实这个世界上并没有纯粹的理性。这似乎已经是哲学家讨论的范畴了。
回到书中的总结，也就是只要是预测，就很容易“预测太过极端或回归率不足。”“普遍的低估或者无视分布性信息的倾向，或许就是直觉预测的主要错误。”
延伸到所谓的“事后诸葛亮”其实也无法预测准确，更危险的是“事后诸葛亮”所有的论断都可以被看成是极端而不可靠的。
如果要做出相对正确的预测或判断，也许必须面对的是，“对所判断的概率而言，充分、合理或内在一致，都不完备。判断必须与个体所持有的整体性信念网相容。”而且无论做出的判断是什么，都要允许“结果有可能以别的方式出现。”
这才是这个世界的正确打开方式。
其次，是对于“概率”的思考。通过各种领域的讨论，各种概率误区的研究，我会发现人们就是生活在一个充斥着“概率”的空间里面。
而且对于我们这些没有认真学过概率或者研究概率的吃瓜群众来说，很容易甚至说肯定会产生“对概率的考虑和对相似度的考虑之间的混淆。”在我看来这是一个至关重要的进阶门槛，如果你要将决策水平提高一个档次的话。
我能看到的是，很多时候我们所提及的概率其实并不能称之为科学的概率，也许只能说是我们的虚假共识偏差而已。“概率的理想化体现在于，他关于两个互斥事件的概率的和，必须等于他关于其中任一事件发生的概率。”
当然，也不是说我们每件事都要一板一眼的较真概率。只是我们不要披着理性或者科学的外衣在掩盖自己随性的行为。
知道是随性就好，不必遮遮掩掩。坦诚的面对自己，你并没有那么理智。
再者，就是我们最喜欢找理由和找原因。我现在看下来，这就是一个最大的坑。人类的归因“本能”真的很随性随心。如果只是感性的话，任何判断你都能找到一个“合理”的归因，这几乎已经成为人类最大的天赋。这就不必多说了。
然而，就算你自命理智，回到理性的部分。我们的决策绝大多数都是启发式的。其实“回归效应，通常违背了所预测的结果应该最大限度的代表输入信息的自觉。”回到行动者x对象x环境的模型，三个因素其实都容易产生偏差。无论是共变原则和折损原则我们都很容易掉到无意识的坑里。
在现实中我们可以看到的是，“一方面，人们愿意对用百分比表示的结果认真看待，却忽略了观测的数值可能过分的小。另一方面，人们面对从大样本处获得的确凿证据依然持怀疑态度。”
也许在我们得出结论以前，可以多停留在初始的位置，比如“样本”和“基率”。
“样本在多大程度上与母体的核心特征相似，体现了产生它的过程的显著特征。”所以我会更加关注到样本之间的差异，比如偶然样本、统计样本和例证样本，乃至再回到样本之前，还要区分一下特异性信息，一次性信息和共识性信息。
至于“基率”，无论是原因基率和偶然基率，我会把这些看成是隐含的前提假设，在实际决策或思考过程中我们很容易将其忽略。就好像最初的那个出租车问题，基率一定是影响结果的一个重要因素。
最后，将上述这些因素汇总起来就是对“启发式判断”的思考。
让我印象深刻的是一个例子。弗洛伊德关于达·芬奇那段“秃鹫”碰到嘴唇这一反复出现的回忆，发展出了一套令人叹为观止的连贯分析。最后却发现碰到嘴唇的只是“风筝”。
这是大师的一次乌龙，也是在日常生活中我们经常会出现“启发式判断”会产生的偏差。或者说我们经常会犯启发式的错误，比如：错误树、座椅安全带、伪确定性、初始化等等形式的情况。
书中归纳了三种启发式的判断：
1、代表性，它常常被用于这样的场景，即人们被要求判断一个物品或一个事件A隶属于类别或过程B的概率的时候。
2、例证或场景的便利性，它常常被用于这样的场景，即人们被要求评估一个类别的概率或特定发展的拟真性的时候。
3、从出发点开始的调适，当有相关数字可资利用的时候，它常常被用于数值预测。
我会看成启发式是我们最常用的方式，但如果要科学的采用，往往需要非常严谨的修正。基于我们很喜欢用“结果反馈”的方式来验证决策的有效性。更多的研究却表明，“如果没有关于任务结构的知识，对于糟糕的启发式的修正而言，结果反馈可能是无关紧要的，甚至是有害的。”
也许启发式判断加上结果反馈就是一颗糖衣炮弹。
书里也描述了一个简要的启发式判断思考步骤，可以帮忙做一些辅助或者修正：
1、预测
2、估计某特定事件的发生概率
3、估计条件概率
4、反事实的估计
5、估计因果关系
也许这对于一个普通老百姓来说有点繁琐甚至要动用真正的概率计算的话可能要难倒一片。喜欢偷懒的我也许会简单的只是从代表性关系角度先入手改善下对于自己启发式判断的觉察和认知，比如思考以下四个角度的区别：
1、一个数值和一个分布
2、一个实例和一个类别
3、一个样本和一个总体
4、一个结果和一个原因
以上只能说简单的总结了一些感悟，总体上来说值得深思乃至探讨的点还是很多的。当然这本书也是够厚的，足足看了17个小时，死了不少脑细胞。如果愿意的话，可以尝试任意的翻其中几篇看看，每篇论文相对独立，如果真的喜欢而且能多看几篇，也许真能打开一个新的世界。
2019-9-15
