基率谬误

基率谬误 (Base Rate Fallacy)

基率谬误（Base Rate Fallacy），又称基率忽视（Base Rate Neglect），是指人们在概率判断中系统性地忽视先验概率（基率）信息，而过度依赖个案特异性信息（individuating information）的认知偏差。这一概念由卡尼曼（Daniel Kahneman）和特沃斯基（Amos Tversky）在1970年代通过一系列经典实验正式提出，是启发式与偏差（Heuristics and Biases）研究纲领的核心发现之一。

经典实验：出租车问题

最著名的基率谬误演示来自卡尼曼与特沃斯基的出租车问题。被试被告知：某城市有85\%的蓝色出租车和15\%的绿色出租车；一位目击者声称肇事出租车是绿色。在独立测试中，该目击者在相似能见度条件下正确识别颜色的准确率为80\%。问题是：肇事出租车确为绿色的概率是多少？

根据贝叶斯定理：

代入数据：

尽管目击者指认绿色，但考虑到绿色出租车仅占15\%的低基率，肇事车确为绿色的后验概率仅为41\%，仍低于50\%。然而，绝大多数被试给出的估计在80\%附近——他们几乎完全被目击者的准确率（80\%）所锚定，而忽视了基率信息。

认知机制：代表性启发式

基率谬误的核心驱动机制是代表性启发式（Representativeness Heuristic）。当人们被要求判断「A属于B」的概率时，他们倾向于依赖「A在多大程度上代表了B的典型特征」，而非同时整合B的基率信息。

在出租车问题中，目击者的指认行为（80\%准确）高度代表了「目击者正确」这一典型场景，被试因此直接以代表性程度替代概率判断。卡尼曼与特沃斯基将此称为「先验概率的忽视」：即使被试明确知晓基率信息，在个案特异性描述存在时，基率仍被严重低估甚至完全忽略。

贝叶斯视角下的结构

从贝叶斯推断的角度，基率谬误可被精确刻画为：后验概率的估计偏离了贝叶斯定理所要求的先验概率与似然比的正确加权。设 $H$ 为假设（如「肇事车为绿色」），$E$ 为证据（如「目击者指认绿色」），贝叶斯定理：

其中 $P(H)$ 正是基率。基率谬误的实质是：人们在直觉判断中给予 $P(E \mid H)$ 的权重远高于 $P(H)$，甚至完全忽略后者，导致 $P(H \mid E) \approx P(E \mid H)$。

值得区分的是，基率谬误与逆概率谬误（Inverse Fallacy）不同。逆概率谬误是指直接将 $P(E \mid H)$ 等同于 $P(H \mid E)$——即混淆条件概率的方向。基率谬误则更宽泛：即使人们不全然混淆方向，他们在整合基率与似然信息时仍系统性地偏离贝叶斯规范。

基率使用的情境调节

后续研究表明，基率忽视的程度受多个因素调节：

1. 因果性：当基率信息具有明确的因果解释时，人们对基率的利用显著提高。若告知被试「绿色出租车的事故率更高是因为绿色公司的司机更年轻」，基率因获得因果结构而更易被整合。
2. 呈现格式：以自然频率（natural frequencies）而非概率或百分比呈现信息时，基率谬误大幅减弱。吉格伦策（Gerd Gigerenzer）指出，人类的认知演化环境更适应频率格式的信息处理。
3. 个案信息的生动性：个案描述越具体、生动，基率忽视越严重。一张照片或一段个人叙述可以轻易压倒统计信息——这被称为鲜明性偏差（Vividness Bias）。
4. 领域专长：医学、法律等领域的专业人员同样不能免于基率谬误。Eddy（1982）发现，医生在根据阳性检验结果评估患病概率时也系统性地低估了疾病基率。

重要应用领域

医学诊断

基率谬误在医学决策中具有直接的生命攸关后果。假设某疾病的流行率为0.1\%（基率极低），检测手段的灵敏度为99\%、特异度为99\%。当患者检测呈阳性时，实际患病的后验概率仅为约9\%——而非直觉中的99\%。医生和患者若忽视极低的基率，将导致严重的过度诊断和不必要的干预。

法律与法庭推理

法庭上的检察官谬误（Prosecutor's Fallacy）是基率谬误的一种典型表现。检察官可能主张：被告的DNA与现场样本匹配，而随机匹配概率仅为百万分之一，因此被告有罪的概率为99.9999\%。这一推理忽视了被告在人群中属于无辜者的基率——在数百万人口中，即使匹配概率为百万分之一，仍可能有多人匹配。正确的贝叶斯推理必须将基率（被告在人群中属于真凶的先验概率）纳入计算。

商业预测与投资

在过度自信文献中，企业管理者与投资者频繁表现出基率忽视：他们过度依赖本公司或本行业的特定信息，而忽视更广泛统计基率（如新创企业的整体存活率、并购失败率等）。Lovallo与Kahneman将此称为「内部视角」对「外部视角」的压制。

反恐筛查与大规模监控

在极低基率场景（如恐怖分子在总人口中占比极低）中进行大规模筛查时，即使检测手段具有极高准确度，绝大多数的阳性结果也将是假阳性。忽视这一基率事实可能导致资源的严重错配与公民自由的过度限制。

与其他认知偏差的关联

基率谬误与合取谬误（Conjunction Fallacy）共享代表性启发式的认知根源——在著名的琳达问题中，被试认为「琳达是银行出纳且是女权主义者」比「琳达是银行出纳」更可能，这同样涉及对统计基率（合取概率不高于任一单独事件概率）的忽视。此外，基率谬误与可获得性启发式（Availability Heuristic）存在交互：当基率信息在记忆中更「可获得」时（如通过近期经历或媒体报道），其被利用的概率上升。

理论意义

基率谬误的发现深刻挑战了主观期望效用理论与理性选择理论所依赖的贝叶斯更新假设。它表明，即使在非动机性、纯认知的情境中，人类判断也系统性地偏离最优统计推理。这一发现推动了行为经济学与前景理论的兴起，并引发了关于「人是自然频率推理者还是概率推理者」的持续性争论——该争论至今仍是有限理性与生态理性研究的核心议题。