【北京大學】《行為經濟學》(20課全) P15 - 17.5.1 概率判斷偏誤

財富導航
16粉絲
1 次觀看·2026年8月13日
朋友們大家好
那今天呢我們來開始學習
概率判斷的偏誤
在這之前呢我們學習了人的風險態度偏誤
人的時間偏好偏誤以及社會性的偏好
那在這些所有的學習中呢
我們把它稱為偏誤
而不是錯誤
也就是它是相對於理性人的這個決策來講
它的決策是不一樣的
是偏離了理性人的決策
那麼偏誤呢
不能認為是錯誤是因為
你喜歡什麼
這是你的事情你的自由
我們不能說你喜歡作戰
或者你有這樣的偏好是錯誤
但是呢我們今天開始談論的這個
概率判斷的所謂的偏誤是不一樣的
因為你對一個事情的概率判斷
其實是有唯一的一個真正的概率存在的
那有一個統計學上稱為費耶斯法則的東西
是能夠指向這個真正的概率
那麼所以如果你出現了
概率判斷的偏誤的話
我們其實認為是一種錯誤
因此呢
我們需要更多的這個原因和理由去糾正
你這樣的概率判斷的偏誤
那我們首先來看
很多時候呢我們在生活中都需要對
一個事情發生的概率
或者某一個事情的屬性
做出我們的判斷
例如如果你要買房子的話
你肯定要蒐集一些歷史的房價信息
去判斷這個房價會上漲還是下跌
如果你認識了一個陌生人
你會問這個人到底值不值得信賴
那你會蒐集各種各樣的信息去判斷他
是不是一個值得信賴的人
同樣我們在社交媒體上經常看到各種各樣的社會熱點
那麼根據所有的信息
你可能會形成一個你對真相的判斷
那很多時候這些劇情反轉再反轉
那你對真相的判斷是不是一直能夠保持正確
那人們在現實生活中會產生什麼樣的
概率判斷的偏誤呢
例如說
對宏觀靈異學家
或者是很多政府的決策制定者來說
他們有充足的數據
充足的這個積量分析的模型
去預測這個房價的走勢
可是對老百姓來說
可能我們就是看看過去幾個月一直在漲
那我覺得它就會漲
同樣的
我看到社會新聞裏
一個老人被扶了反過來訛詐幫助他的人
那會覺得天下的老人都不能扶
那麼在這些種種的判斷中
實際上隱含了一些系統性的偏誤
那麼今天我們要來談論的
主要就是兩個主要的偏誤
那麼第一個叫做忽略先驗概率
第二個叫做小數定理
那麼小數定理又生發出兩個典型的表現
那麼第一個就是賭徒謬誤
第二個是熱手謬誤
那麼看來我們一下子介紹了四個
完全很新的這種術語和概念
當然大家不用著急
我們一點一點來談論這些術語
那麼首先我來問大家一個問題
如果你來判斷一個人是好人還是壞人
那你面臨的情境是
我知道社會上99%的人都是好人
只有1%的人是壞人
然後我又知道一個叫李雷的人
我們可以給他進行捐款測試
如果他捐了的話
和不捐給了我們一些信息來判斷他是好人和壞人
那假設這種捐款測試的精度是99%
也就是說如果李雷是好人
他有99%的情況會捐款
如果他是壞人
他有99%的情況不會捐款
那麼現在我告訴你
李雷真的沒有捐款
那你認為他是壞人的概率究竟是多少
大家來想一想這個問題
可能一下子有這麼多信息
大家完全找不著邊了
那我們來仔細的分析一下
在這個數字的這個例子中間
我們有什麼樣的因素
那麼作為一個理性的
貝耶斯法則的人究竟應該怎麼樣去判斷
那麼在這個例子中間
涉及到我們進行概率判斷的幾個非常重要的因素
那麼第一個叫做鮮豔概率
也就是我沒有觀察到任何具體信號的時候
我知道人群中大概有99%的人是好人
那麼這是我們說的鮮豔概率
這個鮮豔概率非常的重要
因為它可以告訴你
你觀察的信號有多大程度上具有代表性
那麼在理性的對這個概率的判斷中
鮮豔概率是一個很重要的組成部分
那麼第二個就是我們說的信號
也就是你收到了一個新的信號
李雷沒有捐款
那麼這個信號可以告訴你
關於李雷的一些他的屬性是什麼
那我們就要經過這個信號進行判斷
那麼結合鮮豔概率和你獲得的信號
我們會達到一個厚顏概率
就是給定我知道鮮豔概率
給定我知道他沒有捐款
那麼他是一個壞人的概率究竟是多少
那麼怎麼樣計算這個所謂的厚顏概率呢
就是我們談到的統計學上
有一個費耶斯法則來進行計算
那麼學過統計學的同學可能還有點印象
但是具體的公式可能已經忘記了
那沒有學過的同學
也可以去找一找相關的統計書籍
或者在網上搜索一下
那由於時間關係
我們這堂課就不具體的講
費耶斯法則是怎麼樣進行計算的
那我們來想一想
一般的人在回答這個問題的時候
會有一個直覺的想法
認為李雷是壞人的概率是99%
為什麼呢
因為我們剛才說到了這個實驗的精度是99%
也就是如果他是壞人
他有99%的可能性會不捐款
那你反過來很容易反過來就推
那我看到他不捐款
那他99%的概率是壞人
那麼這種判斷呢
我們就說出現了一個偏誤
這個偏誤忽略了鮮豔的概率
也就是你忽略了人群中99%的人是好人
所以即便你觀察到李雷沒有捐款
但是他屬於人群中1%的概率
其實還是比較小的
所以真正的費耶斯法則正確的更新的概率
會說大概他是壞人的概率是50%
所以這樣一來
我們這種直覺性的決策
系統性的高估了他是壞人的概率
那麼就好像在現實生活中
我們看到媒體報道說
哎呀老人被扶了
但是老人訛詐這個幫助他的人
那我們就會直覺的只根據這個個例
得出一個結論說
那以後我扶老人都要小心
可能天下老人都是壞人
所以這就是犯了一個所謂的
忽略鮮豔概率的錯誤
因為在人群中
你沒有考慮這個人群中所有的老人
他善良的人有多少的這個比例關係
那麼當然在這個扶老人的例子中
問題還更為複雜
因為可能有99%的情況
扶了老人以後
老人反而是感謝這個幫助者的
但是這個沒有媒體價值
所以媒體只選擇那1%的情況來報道
所以媒體的操縱
進一步的扭曲了你收到的信號
讓他沒有代表性
所以這是非常值得我們去警惕的
那麼這是第一個我們談論的
所謂的忽略鮮豔概率的偏誤
那麼接下來呢
我們來談論第二個偏誤
叫做小數定理
什麼叫做小數定理呢
我們知道我們人生活中有很多隨機數
如果說以人的身高為例子的話
每個人的身高都是不一樣的
所以我要看一個人的身高
我可以認為它是一個會改變的隨機數
那麼這個隨機數它服從一個某個分佈
那它有一個它的期望值
那我們可以說當我觀察到100個人
我可以算出這100個人的平均身高
那麼這100個人的平均身高
在統計學上有一個叫做大數定理的東西
相信學過統計學的同學都還記得
那麼隨著我這個人群的樣本增加
假設有N個人
那麼這個N越來越大的話
我所得到的這個樣本的平均身高
會趨近於隨機變量的期望值
也就是說假如我認為人群中
大家平均身高是1米7
那麼這個時候我看到100個人
200個人300個人
隨著我看的人越來越多
這個平均值會慢慢的趨近於1米7
這就是我們統計學上說的
大數定理
那麼偏誤是什麼呢
為什麼我們把它叫做小數定理偏誤呢
是因為在現實生活中
很多人決策的時候
錯誤的以為只要在一個小樣本中
也必須服從這個大數定理
也就是小樣本中的樣本均值
也必須是期望值
那具體是什麼意思呢
來我們簡單的看一個例子
假如你現在支一個六面的骰子
從1到6
那麼每一個數字都可以隨機出現
那麼這時候我們的樣本的期望值
就是3.5
那我們來看
當你支很多次以後
這個樣本的均值大概到底是多少
我們這個圖裏面顯示的是
你的橫軸就是你支的次數
那樣本是給定一個次數以後
所有的這些樣本的平均值
那我們看到在400次之前
這個樣本的平均值
其實是長期的低於3.5
也就是長期的低於它的期望值
它並沒有如大數定理一樣所說
一定要趨近於期望值
這是因為它樣本還不夠大
所以到400次以後
我們看到慢慢的
整個樣本的平均值
就趨近於期望值了
很多人可能會認為
在頭10次的時候
它就應該趨近於期望值
那這會導致什麼問題呢
那我們來看下面這個問題
假設一個家庭生了5個孩子
你認為下面的哪一種生孩子的性別
順序會更容易出現
那麼第一個就是女男女男女
第二個可能是女女女女女
那大家一看這個問題呢
非常直觀的會認為
那肯定是第一種更容易出現了
這個女女女女女如果真的出現
大家會覺得這是天大的一個新聞
那這就犯了一個
我們說的小數定理的
其中的所謂的賭徒謬誤的錯誤
因為它錯誤的認為
在很小的樣本中
就是5個官字值的時候
你的這個樣本的平均值
應該要接近一半一半
因為我們知道
生男生女的這個期望的概率是一半一半
所以期望值應該也是一半一半
而實際上我們剛才說的這種想法
必須在很大樣本中才能實現
所以第一種順序和第二種順序
在理論上都是同樣可能出現的
並不存在說第一種順序出現的可能性更多
那麼這是賭徒謬誤的一個簡單的例子
那我們現在來真正的用賭徒的一個例子
來給大家再描述一次賭徒謬誤
那假設你去賭博
你扔一個硬幣
你扔到正面的話你就贏
反面的話你就輸了
那麼現在有一個賭徒
他連續三次都扔出了反面
連續三次都輸了
那麼現在他會想說
因為這個硬幣應該是一半一半的
那麼第四次
要扔出正面的概率應該會比較大了
因為他長期來講
他認為長期來講
樣本的這個平均值應該是一半一半的
所以他決定繼續去賭博
那麼這就犯了一個非常典型的賭徒的謬誤
因為我們知道
四百次的骰子才能讓他的樣本平均值
接近於他的期望值
但你只玩了四次
你怎麼可能就一定認為
他會接近於期望值
那這就犯了一個所謂的
小數定理的一個錯誤
那麼這是
賭徒謬誤是基於
你相信這個硬幣的期望值不變的基礎上
那我們來看另外一種相關的
另外一種謬誤叫做熱手謬誤
那麼熱手謬誤是認為
你可能認為他這個硬幣的期望值都改變了
假設你連續扔一個硬幣
那麼五次你都扔出了正面
也是你連續贏了五次
這時候你就開始懷疑
是不是我今天運氣特別好
我有一雙熱手
或者你開始懷疑這個硬幣是不是有點問題
就是他的重量不一樣
所以他不是一個公平的硬幣
因為你覺得如果硬幣是公平的
在你扔五次的時候
不可能同時都出現贏
所以你會反過來推斷
那這個硬幣的屬性可能是有問題的
那也就是或者說我的運氣是特別好
因此我會繼續的去賭博
那麼這就是我們所說的這個熱手謬誤
那麼大家來區分一下
賭徒謬誤就是
我相信這個硬幣的屬性是不變的
我認為他在小的樣本的時候
應該是一半一半出現
因此我認為下一個就會和前面的不一樣
那熱手謬誤呢
是我認為當我觀察到很多在小樣本的情況下
所有的實現值都一樣的時候
我會認為這個硬幣可能有問題
因為他如果是沒問題的話
不會出現這樣的情況
那我們下面來用一個非常具體的例子
來分析一下
什麼時候我們談到這些
賭徒謬誤和熱手謬誤
能夠影響我們的生活中的決策
那我們這個具體的例子呢
是在股市中的一個交易
那麼行為金融學家們發現
有一個非常有趣的現象
那麼股票的回報
在短期內回報率是正相關的
也就是回報率高的股票
短期內回報率持續變高
可是在長期是負相關的
也就是短期內回報率高的股票
在長期回報率會變低
那麼這是由於什麼原因呢
Barbaras教授以及他的合作者呢
討論了一個由小數定理可能導致這種現象的原因
在短期你可能是一個賭徒謬誤的認同者
那麼你認為這個股票回報很高
那因為你認為在短期
如果是趨向於這個期望值的話
他可能下一期他的回報就會變低了
那麼這個時候呢
你就會把這個股票賣掉
可是隨著你賣掉股票
壓低了這個股票的價格
反而使得他的回報變高了
所以造成了短期兩個股票是正相關的
而長期呢
你就變成了一個熱手謬誤的這個認同者
你看到一個股票長期漲的都特別好
那你開始懷疑說
這個股票的基本面是不是比你原先預期的要好
所以你會認為如果基本面更好的話
那我需要更買入這個股票
在這個時候當你買了很多的時候
會推高這個股票的價格
使得他的回報率變低
所以長期的話股市的這個股票的回報率是負相關的
那麼當然這只是股票這個價格變動
以及回報率變動的一種解釋
那在股市中實際上有非常複雜的現象
但這是從人們的這個決策謬誤中可能出發的一種解釋
今天呢這個課程就到這裏為止
今天我們給大家介紹了
人的概率判斷
什麼樣是正確的
那就是要遵從這個貝耶斯法則
必須考慮鮮豔的概率
以及你收到的信號
那麼人們會犯什麼樣的騙誤呢
人們往往會忽略鮮豔的概率
而同時人們往往會認為
在小樣本的情況下
這個隨機變量的實現的平均值
應該等同於他的期望值
因此呢產生了這個所謂的主圖謬誤和熱手謬誤
那麼這些所有的概率判斷
在現實生活中會影響你方方面面的決策
使得你真實的判斷偏離我們所謂的真相
那當然這會造成你的很多的損失
以及你對這個社會的看法
可能會有一些系統性的偏差
下堂課呢
我們開始來介紹概率應用和概率判斷
在自己身上
也就是你對自己的判斷是否準確
我們來談論過度自信的問題
謝謝大家
