대표성휴리스틱7 [생각에 관한 생각_대니얼 카너먼] Appendix A: Judgment Under Uncertainty "Judgment Under Uncertainty"(불확실성 하에서의 판단)은 사람들이 확률과 가치를 평가할 때 사용하는 휴리스틱(heuristics)과 편향(biases)을 탐구합니다. 대니얼 카너먼과 아모스 트버스키는 이 부록에서 복잡한 확률 문제를 단순화하는 인간의 심리적 기제를 설명하고, 이로 인해 발생하는 판단 오류를 분석합니다.휴리스틱과 판단의 편향카너먼과 트버스키는 사람들이 불확실한 상황에서 판단을 내릴 때 다음과 같은 주요 휴리스틱을 사용한다고 설명합니다:대표성 휴리스틱(Representativeness Heuristic): 사건이나 개체가 특정 범주에 속할 가능성을 판단할 때, 그것이 범주의 전형적인 특징과 얼마나 유사한지를 기준으로 삼습니다.가용성 휴리스틱(Availability Heu.. 2024. 12. 21. [생각에 관한 생각_대니얼 카너먼] Regression to the Mean: 평균으로의 회귀 "Regression to the Mean"(평균으로의 회귀)는 통계적 개념으로, 극단적인 사건이나 성과는 시간이 지나면서 평균에 가까워지는 경향을 설명합니다. 이 장은 사람들이 평균으로의 회귀를 인식하지 못하거나 잘못 해석하는 이유를 다루며, 일상적인 판단과 의사결정에서 이를 이해하는 것이 왜 중요한지 강조합니다.평균으로의 회귀란?평균으로의 회귀는 두 개의 연관된 변수 사이에서, 극단적인 값이 이후 측정에서 평균에 가까워지는 경향을 설명합니다. 예를 들어:운동선수가 매우 뛰어난 첫 경기를 치른 후, 다음 경기에서 더 평범한 성과를 낼 가능성학생이 특정 시험에서 높은 점수를 받았다가 이후 시험에서는 점수가 낮아지는 경우이 현상은 단순히 우연과 통계적 변동성의 결과일 뿐, 특정 원인을 의미하지는 않습니다... 2024. 12. 21. [생각에 관한 생각_대니얼 카너먼] Causes Trump Statistics: 원인이 통계를 이긴다 "Causes Trump Statistics"(원인이 통계를 이긴다)는 사람들이 통계적 정보보다 인과적 설명(causal explanation)을 더 신뢰하는 경향을 다룹니다. 이 장은 인간의 사고가 얼마나 쉽게 이야기와 원인 중심으로 움직이는지를 설명하며, 통계적 사실을 간과하게 되는 과정을 보여줍니다.원인과 통계의 충돌사람들은 통계적 정보가 제공되더라도 인과적 연결이 더 강력한 경우 이를 더 신뢰합니다. 예를 들어:사람들은 숫자가 아닌 특정 사례를 통한 설명을 들었을 때 더 설득됩니다.대중은 일반적인 데이터보다 구체적인 이야기에서 더 많은 영향을 받습니다.이러한 경향은 우리의 System 1(직관적 사고)이 강력한 이야기와 원인 중심적 사고에 쉽게 반응하기 때문입니다.사례: 택시 사고 문제실험에서는.. 2024. 12. 21. [생각에 관한 생각_대니얼 카너먼] Linda: Less is More "Linda: Less is More"는 사람들이 판단을 내릴 때 논리적 사고보다 대표성 휴리스틱(Representativeness Heuristic)에 의존하는 경향을 탐구한 실험적 사례입니다. 이 장은 연결 오류(conjunction fallacy)라는 현상을 중심으로, 사람들이 어떤 사건이 더 구체적이고 대표적으로 보일수록 더 가능성이 높다고 믿는 심리적 편향을 다룹니다.Linda 문제Linda는 다음과 같이 묘사됩니다:31세이며, 독신이고, 매우 똑똑하며, 철학을 전공했다.학생 시절에는 차별과 사회 정의 문제에 깊이 관여했고, 반핵 시위에 참여했다.실험 참가자들에게 Linda의 직업이나 활동에 대한 몇 가지 시나리오를 제시한 후, 가능성의 순위를 매기도록 요청했습니다. 주요 질문은 다음과 같았습니.. 2024. 12. 20. 이전 1 2 다음