EURISTICA DELLA RAPPRESENTATIVITA’

Questa euristica si presenta nel momento in cui agli individui viene richiesto di attribuire ad un oggetto/evento A la probabilità che esso appartenga alla classe/processo B. Ovvero, in termini pratici, quando viene loro sottoposto questo interrogativo: qual è la probabilità che A appartenga alla classe B? Qual è la probabilità che l’evento A generi l’evento B? La risposta è solitamente influenzata dalla somiglianza tra A e B: quanto più A è rappresentativo di B, tanto più alta sarà la probabilità ad esso attribuita .

Gli individui soggetti alla c.d. distorsione della rappresentazione tendono, infatti, a basare il proprio processo di stima della probabilità su stereotipi e situazioni familiari creando parallelismi tra eventi apparentemente simili ma, in realtà, diversi tra loro (sovrastima di dati simili ed assenza, o meglio minor disponibilità, di dati discordanti). Si vengono così a creare degli errori oggettivi in quanto gli stereotipi, nella maggior parte dei casi, sono scarsamente informativi.

Questa euristica è stata individuata dagli autori Kahneman e Tversky, così, per illustrarne più semplicemente ed efficacemente il funzionamento si fa riferimento proprio ad un noto esperimento da loro realizzato70.

Ai soggetti interpellati è stato chiesto di indovinare la professione di un soggetto X solo grazie ad una sua descrizione sommaria. Nello specifico il test considerato era strutturato nel seguente modo:

Domanda: “Steve è……?. Possibili risposte: “Agricoltore - Venditore - Pilota - Bibliotecario – Medico”

Descrizione sommaria del soggetto: “Steve è un uomo molto timido, riservato, estremamente gentile ma poco sociale, una persona semplice che necessita di ordine e certezze e con una vera passione per i dettagli”.

Come fanno le persone a valutare la probabilità che Steve sia impegnato in una delle occupazioni individuate nella lista? Come ordinano le occupazioni dalla più alla meno probabile? Lo studio dimostra come, contrariamente a quanto previsto dalla teoria delle probabilità secondo cui bisogna sempre considerare a priori la probabilità stessa, è la descrizione a generare circa l’80% delle risposte: la probabilità relativa alla professione svolta da Steve, quindi, viene assegnata sulla base dello stereotipo che richiama la descrizione senza considerare le informazioni sulla popolazione delle categorie, ad esempio la probabilità che Steve sia un bibliotecario è collegata al grado in cui lui è rappresentativo dello stereotipo del bibliotecario e così via per tutte le alternative. La rappresentatività induce quindi i soggetti a non considerare la reale frequenza oggettiva degli eventi. Questo approccio alla probabilità porta a gravi errori (illusione di validità), perché la somiglianza, o la rappresentatività, non sono influenzate da diversi fattori che dovrebbero condizionare i giudizi di probabilità.

Kahneman e Tversky hanno poi dato prova dell’insensibilità dei soggetti alla probabilità a priori dei risultati: le risposte non variano se agli intervistati viene comunicato che il campione è fatto per il 70% di medici e per il 30% di bibliotecari oppure l’opposto (non ricorrono al teorema di Bayes). Nemmeno la dimensione totale del campione, anche se esplicitamente indicata, rientra tra le condizioni che vengono valutate dai soggetti che operano con l’euristica della rappresentatività (insensibilità alla dimensione del campione).

L’esempio da cui si traggono queste conclusioni è il seguente:

“Una città è servita da due ospedali. In quello più grande nascono ogni giorno circa 45 bambini e in quello più piccolo circa 15. Circa il 50% dei bambini è di sesso maschile, ma l’esatta percentuale varia ogni giorno (alcune volte può essere maggiore di 50%, altre volte minore). Per un periodo di un anno, ogni ospedale

registra i giorni nei quali più del 60% dei nati sono maschi. Quale ospedale registra più giorni?

 ospedale più grande (21 preferenze)

 ospedale più piccolo (21 preferenze)

 registrano gli stessi giorni (53 preferenze)”

I valori tra parentesi sono il numero degli studenti universitari che hanno scelto quella risposta. Più del 60% degli intervistati ritiene che entrambi gli ospedali registreranno gli stessi giorni; questo presumibilmente perché gli eventi sono descritti dalla stessa statistica e sono quindi ugualmente rappresentativi dell’intera popolazione. Al contrario, in base alla teoria statistica il numero atteso di giorni in cui più del 60% dei nati è di sesso maschile sarà maggiore nel piccolo ospedale rispetto che nel grande, perché un campione più grande è meno propenso a deviare dal 50%. Questa nozione statistica fondamentale evidentemente non fa parte del repertorio delle intuizioni della gente. Ciò porta all’indebita attribuzione di proprietà statistiche che appartengono alla c.d. legge dei grandi numeri71 anche a campioni di piccole dimensioni: non c’è dubbio che la percentuale di “teste” risultanti da un milione di lanci di una moneta sia indicativamente del 50% rispetto all’esito “croce”; tuttavia, il fatto che sia uscito “testa” per dieci lanci non consente di afferire che l’undicesimo sarà invece croce.

Oggetto di analisi nell’articolo sono poi i fraintendimenti d’azzardo: la gente si aspetta che una sequenza di eventi generati da un processo casuale presenti le caratteristiche essenziali di tale processo anche quando la sequenza è breve. Ad esempio, se si considerano i lanci di una moneta (testa o croce), le persone ritengono che la sequenza T-C-T-C-C-T sia più probabile della sequenza T-T-T-C-C-C (perché quest’ultima non sembra costruita a caso ossia casualmente) e anche della sequenza T-T-T-T-C-T (perché non rappresenta l’omogeneità della moneta) (Kahneman & Tversky, 1972). Questo significa che le persone si aspettano che le caratteristiche essenziali del processo siano rappresentate non solo globalmente nell’intera sequenza, ma anche localmente in ogni sua parte.

Anche a livello aziendale, spesso i manager basano le proprie decisioni su analogie e stereotipi commettendo gravi errori (insensibilità alla prevedibilità). Supponiamo ad esempio che un manager sia chiamato a giudicare dei titoli per trovare quello che rappresenta l’investimento migliore da attuare. Razionalmente egli dovrebbe andare a selezionare il titolo che ha il rendimento atteso più elevato o il rischio più basso (o entrambi gli elementi). Tuttavia, i manager che si basano sulla rappresentatività tendono ad aspettarsi rendimenti maggiori e rischi minori dai titoli che considerano "migliori”, cioè quelli che hanno avuto performance più elevate nei periodi precedenti

71

La legge dei grandi numeri afferma che al crescere delle prove il verificarsi di un evento tende ad eguagliare la sua probabilità. Inoltre garantisce che solo campioni molto ampi siano altamente rappresentativi della popolazione da cui sono tratti.

e che appartengono ad imprese finanziariamente solide, quindi sicuri. Tutto ciò è una palese contraddizione alla relazione positiva che lega rischio e rendimento che sostiene che maggiori rendimenti sono associati a rischio maggiore poiché la rappresentatività spinge i manager a credere che la relazione sia invece inversamente proporzionale.

Si preferisce con sicurezza il risultato più rappresentativo dell’input (ad esempio, la descrizione) senza considerare i fattori che limitano queste valutazioni (come una descrizione scarna, inaffidabile, incompleta). Questa irrazionale e ingiustificata sicurezza viene definita dallo stesso Kahneman “illusione di validità” che sussiste anche quando il soggetto chiamato a fare le previsioni è consapevole dei fattori che ne limitano la correttezza.

Riassumendo si può affermare che l’euristica della rappresentatività risulta essere particolarmente insidiosa poiché porta alla violazione delle più elementari regole della statistica e della razionalità. Induce i soggetti a stimare la probabilità di un evento sulla base di preconcetti e modelli mentali tralasciando fattori fondamentali quali la frequenza base della popolazione e l’ampiezza del campione osservato.