4 篇文档带有标签「概率」

代表性启发法是一种认知捷径，通过将事件与现有的心理原型或刻板印象进行比较来估计事件的概率。由Tversky和Kahneman于1972年发现，这个心理模型解释了为什么我们会犯"合取谬误"、忽视统计基本比率，以及陷入赌徒谬误。通过理解大脑如何优先考虑"故事契合度"而非"统计现实"，决策者可以避免昂贵的招聘错误、提高投资准确性，并消除组织系统中的系统性偏见。

可得性启发——心理学和行为经济学中研究最多的认知偏见之一，在专业、财务和个人决策领域都有记录的影响。

期望值（EV）是一种在不确定性下进行决策的数学框架，计算所有可能结果的概率加权平均值。通过使任何风险决策中隐含的权衡变得明确和量化，期望值提供了一个有原则的基础，用于比较不同概率和回报特征的投资、赌注和选择——即使没有单一结果是确定的。它是投资、博弈论和任何结果不确定领域的理性决策基础。

贝叶斯思维是一种按证据比例更新信念的框架。以牧师托马斯·贝叶斯命名，他的定理将信念修正的形式化数学表达出来，为将新信息纳入先验信念提供了一种有原则的方法——既不会对单一数据点反应过度，也不会在面对矛盾证据时固守现有观点。它是现代统计学、机器学习和不确定性下理性决策的基础。