Gli errori delle euristiche della rappresentatività 70

Nell’articolo pubblicato nel 1974 su Science, Kahneman e Tversky sostengono che i giudizi sulla valutazioni di probabilità assomigliano ai giudizi in cui valutiamo quantità fisiche come la distanza o le dimensioni. Si tratta in entrambi i casi di giudizi basati su dati non ottimali, che elaboriamo in base a regole euristiche. Così, ad esempio, determiniamo la distanza di un oggetto in base alla sua “chiarezza”: quanto più mi apparirà nitido e definito, tanto più mi sembrerà vicino. Questa regola ha una certa validità, ma può condurci a errori sistematici nella valutazione della distanza.

71

Specifically, distances are often overestimated when visibility is poor because the contours of objects are blurred. On the other hand, distances are often underestimated when visibility is good because the objects are seen sharply. Then, the reliance on clarity as an indication of distance leads to common biases. Such biases are also found in the intuitive judgment of probability66_.

Se la distinzione con cui vediamo i contorni di un oggetto non è sempre un criterio affidabile per giudicare la distanza dell’oggetto, allo stesso modo anche i giudizi intuitivi possono portarci all’errore quando focalizziamo l’attenzione su un solo aspetto. In realtà, come si dirà più avanti, il confronto con la percezione è meno significativo di quanto possa sembrare.

Nell’articolo sopra citato lo spazio maggiore è dedicato alla euristica della rappresentatività. Si è già accennato all’esempio più noto, e cioè al modo in cui cerchiamo di capire con quale probabilità A faccia parte di una certa categoria B. Immaginiamo che di un individuo scelto a caso fra la popolazione - descritto come una persona che “porta gli occhiali, è poco socievole, è grande lettore di saggi storici” – ci sia chiesto di dire se appartiene alla categoria dei commercianti o dei bibliotecari. Probabilmente la risposta ricadrebbe sulla categoria dei bibliotecari, proprio per l’attrazione esercitata da una descrizione che soddisfa lo stereotipo del bibliotecario, trascurando il fatto che all’interno della popolazione la percentuale di commercianti è certamente

66 _{D. Kahneman, A. Tversky. “Judgement under Uncertainty: heuristics and biases”, in}

Science, 185, n. 415 (1974), p. 1124-1131. Poi in D. Kahneman, P. Slovic e A. Tversky

72

maggiore di quella dei bibliotecari. La forza di questa euristica è tale che problemi analoghi utilizzati in diversi esperimenti hanno dato gli stessi risultati, anche quando veniva fornita l’informazione circostanziata sulle reali proporzioni delle due categorie lavorative nella popolazione. La presenza della descrizione catalizza tutta l’attenzione, persino quando è assai poco accurata e non fornisce informazioni rilevanti; solo in sua assenza si dà la dovuta importanza alle probabilità a priori67. Altri esempi sono l’insensibilità alla dimensione del campione statistico - la probabilità di un campione statistico valutata sulla base della rappresentatività non tiene conto della dimensione del campione – e la legge dei piccoli numeri, ovvero la tendenza a credere statisticamente vero per le piccole serie ciò che è vero – e solo approssimativamente - per serie molto lunghe. Se si tratta di prevedere, ad esempio, i futuri profitti di un’azienda, di fronte a una descrizione lusinghiera della sua attività, una previsione di profitto molto alta sembrerà più rappresentativa di quella descrizione68. Gli esperimenti ci dicono anche che il valore attribuito a una descrizione positiva sembra non tener conto del grado di affidabilità delle informazioni che vi sono contenute o della loro rilevanza rispetto alla valutazione dei profitti futuri.

67 _{La pragmatica della comunicazione suggerisce che quelle informazioni possono essere} erroneamente ritenute assolutamente determinanti per la soluzione del problema, e ciò può indurre a sottostimare le probabilità a priori. Cfr. C. Bianchi, La pragmatica del linguaggio, Roma-Bari, Laterza, 2003.

73

In questi casi la previsione avviene individuando il risultato che rappresenta meglio l’input iniziale (lo stereotipo del bibliotecario, gli alti profitti dell’azienda). La fiducia riposta nella previsione sembra quindi dipendere prevalentemente dal grado di rappresentatività, cioè dalla qualità della corrispondenza fra la risposta e l’input, senza tener conto di quei fattori che potrebbero limitare l’attendibilità delle informazioni contenute dell’input.

The unwarranted confidence which is produced by a good fit between the predicted outcome and the input information may be called the illusion of validity. This illusion persists even when the judge is aware of the factors that limit the accuracy of the prediction69_.

Anche la coerenza interna del modello di input può incrementare la fiducia nella validità delle nostre previsioni, perciò siamo più sicuri nel prevedere la media scolastica finale di uno studente il cui curriculum del primo anno consiste interamente di B, di quanto lo siamo nel caso di uno studente che ha nel suo curriculum molti A e C, che pure porterebbero alla stessa media finale. Ma può essere una fiducia ingiustificata, perché la statistica della correlazione insegna che la ridondanza degli input può dar luogo a una previsione meno affidabile di quella basata invece su variabili di input indipendenti. In definitiva, i risultati costanti ottenuti dal primo studente potrebbero essere meno informativi rispetto a quelli ottenuti dal secondo, e la previsione sul punteggio finale potrebbe essere più accurata nel secondo caso.

74

Un altro errore sistematico che può conseguire da questo tipo di euristica è dato dall’incapacità di renderci conto della regressione ai valori medi: gli istruttori di volo notano che gli elogi dopo un atterraggio eccezionale sono seguiti da un atterraggio mediocre, mentre a un’aspra reprimenda dopo un atterraggio brusco generalmente seguirà un atterraggio migliore nel tentativo successivo. Di conseguenza, si ritiene che i rimproveri siano efficaci nell’indurre un miglioramento delle prestazioni, mentre gli elogi sembrano indurre un abbassamento del livello delle prestazioni. In realtà, molti esperimenti hanno dimostrato che le critiche e gli elogi hanno scarsa responsabilità, un atterraggio particolarmente eccellente o al contrario particolarmente insoddisfacente sono risultati estremi e dunque improbabili, che statisticamente saranno seguiti da risultati più vicini ai valori medi. Il fenomeno resta comunque elusivo perché è incompatibile con la forte tendenza a credere che il risultato previsto debba essere massimamente rappresentativo dell’input e che quindi il valore della variabile risultato debba essere altrettanto estremo del valore della variabile input.