Чтение онлайн

Разумеется, обе группы испытуемых решали одну и ту же задачу. Откуда же такая огромная разница в решениях? Канеман и Тверски показали, что люди гораздо чувствительнее к потерям, чем к приобретениям: боль от потери двадцати долларов переживается острее, чем радость от их получения. Принимая решение, мы, конечно, можем подсчитать в столбик все плюсы и минусы, но столбик с минусами всегда будет весомее, чем столбик с плюсами. Поэтому для нас важна не столько объективная информация, сколько формулировка альтернатив.

Например, чтобы заставить людей установить в своих домах дорогостоящую систему теплоизоляции, им можно объяснить, сколько они смогут экономить на оплате счетов за отопление, и они занесут эту цифру в колонку своих будущих плюсов. В этом случае на установку теплоизоляции соглашается примерно треть домовладельцев. Если же объяснить им, сколько они ежегодно теряют, отапливая за свои деньги улицу, они занесут свои потери в колонку с уже имеющимися минусами и число желающих раскошелиться увеличится вдвое.

Однако проблема оценки будущего блага и вреда не единственная. У людей возникает еще больше сложностей с учетом вероятности событий. Д. Канеман и Э. Тверски продемонстрировали это в серии остроумных экспериментов (Kahneman & Tversky, 1973).

Большинство людей, которым задавался этот вопрос, отвечали, что, скорее всего, этот человек — член парламента. Хотя, если рассуждать рационально, у случайно выбранного человека гораздо больше шансов оказаться продавцом — просто потому, что продавцов больше, чем депутатов.

Но может быть, люди просто не поняли задачу и им надо напомнить о необходимости учитывать вероятностную информацию? Исследователи так и сделали. Они предложили студентам математического факультета университета Орегона следующую задачку.

Подавляющее большинство студентов решили, что Фрэнк — адвокат, несмотря на четкую информацию о пропорциях адвокатов и инженеров в группе. Они просто проигнорировали эту информацию. Им было достаточно того, что по описанию Фрэнк больше похож на типичного адвоката, чем на типичного инженера.

Этот способ судить об объекте, сравнивая его с неким типичным представителем и пренебрегая другой важной информацией, Канеман и его соавтор назвали эвристикой репрезентативности. Эта эвристика, то есть мгновенный, интуитивный способ принятия решения, заставляет нас рассуждать вопреки всякой логике. Еще одна задача, которая иллюстрирует этот способ суждения, вошла во многие учебники как задача о Линде.

Все испытуемые, принимавшие участие в эксперименте, изучали теорию вероятностей в колледже. Они прекрасно знали, что сочетание двух событий не может быть более вероятным, чем каждое из событий в отдельности. Тем не менее подавляющее большинство испытуемых выбрали вариант «б» — просто потому, что Линда соответствует стереотипу феминистки.

То, что люди предпочитают игнорировать информацию о вероятности и судить о других людях в соответствии с собственными стереотипами, еще полбеды. Гораздо хуже, что они пытаются анализировать ситуацию в соответствии с вероятностными законами, при этом абсолютно их не понимая. Канеман и Тверски задавали вопрос:

Испытуемые называли одинаковые цифры, хотя, согласно статистическому закону больших чисел, чем больше число независимых наблюдений, тем меньше вероятность отклонения от среднего. То есть из 10 младенцев шестеро вполне могут оказаться мальчиками, а 600 из тысячи — уже вряд ли.

Тем не менее люди склонны судить о единичных событиях так, будто имеют дело с большими выборками. Канеман и Тверски назвали эту особенность психологическим законом малых чисел (Tversky & Kahneman, 1971). В соответствии с этим законом очень часто поступают люди, играющие в азартные игры со случайным исходом. Проиграв один раз, человек рассуждает так: «По теории вероятностей, в следующий раз я должен выиграть». Но никакая теория вероятностей этого не утверждает. Она лишь утверждает, что если бросать монету бесконечное число раз, в половине случаев выпадет орел, а в половине — решка. А что выпадет в данную конкретную минуту, не знает никто.

Другое следствие закона малых чисел — мы видим закономерности там, где их нет. Например, если в течение двух лет подряд один торговый агент показывает более высокие результаты, чем другие, его обычно награждают премией и ставят в пример остальным. Впоследствии у этого агента вполне может случиться неудачный год и его результаты окажутся несколько хуже средних показателей. Но начальник обычно игнорирует случайные колебания. Он думает: «Ну вот, я его перехвалил». И начинает ругать подчиненного, после чего его показатели, вполне вероятно, вернутся к средним значениям. Это произойдет не в результате усилий продавца и не благодаря мудрому руководству начальника, а в соответствии со статистическим законом возврата к среднему.

Д. Канеман и Э. Тверски показали, что в тех видах деятельности, где велика роль случайности, мы обычно чувствуем себя наказанными за поощрение других и поощренными за их наказание. Действительно, похвалив агента за успехи, менеджер раскается, когда дела у агента пойдут хуже. А отругав за неудачи, через некоторое время убедится, что был прав, так как его результаты вернутся к среднему уровню. Этому «мудрому» правилу часто следуют школьные учителя и воспитатели, по опыту зная, что, если ученик получает одни пятерки, рано или поздно он на чем-нибудь срежется. А тот, кто учится на двойки, вполне может иногда получить и более высокую оценку. Придерживаясь правила «вовремя отругать отстающего и не перехвалить отличника», они почти всегда убеждаются в своей правоте.