概念与经典实验
米尔与罗森（1955）在评估心理测验的效率时就曾警告：如果要检测的特征很罕见，仅凭测验结果作出的判断可能严重失准。卡尼曼与特沃斯基（1973）向参与者提供一段人物描述，此人是从70名工程师和30名律师（或相反比例）中随机抽出的，然后询问此人是工程师的概率。无论被告知哪种群体构成，参与者给出的概率几乎相同，他们只看描述与工程师刻板印象的吻合程度。这引出了一种解释：代表性启发式的判断挤掉了基础比率。尼斯贝特与博尔吉达（1975）也报告说，人们对个别案例的重视远超统计性的共识信息。
出租车问题与贝叶斯结构
在特沃斯基与卡尼曼（1982）讨论的出租车问题中，某城市85%的出租车为绿色、15%为蓝色，一名准确率为80%的目击者证称肇事车是蓝色的。许多人认为肇事车为蓝色的概率是80%，但按贝叶斯定理计算只有约41%。巴尔—希勒尔（1980）表明，当基础比率看起来与个案存在因果关联，或让人觉得与个案更直接相关时，就不那么容易被忽视；阿杰恩（1977）也报告说，因果性基础比率更容易反映在判断中。卡斯赛尔斯、舍恩伯格与格雷博伊斯（1978）以及埃迪（1982）给出的案例表明，在解读罕见疾病检测的阳性结果时，专家同样会犯类似错误，说明这一谬误并非普通人独有。
频率格式之争与理论问题
吉仁泽与霍夫拉格（1995）表明，把同一问题以“1000人中有多少人”这样的自然频率而非概率呈现，正确率会大幅提高；科斯米德斯与图比（1996）提出生态理性观点，认为人类心智是为处理频率信息而进化的。克勒（1996）批判性地重新审视了相关文献，认为实验中给出的基础比率在现实判断中并不总是规范上恰当的，基础比率忽视可能被夸大了。巴贝与斯洛曼（2007）主张，频率格式的效果源于清楚呈现了集合间的包含关系，用双加工理论能更好地解释。卡尼曼（2011）将这一谬误介绍为快速、直觉的系统1的特征。基率谬误与赌徒谬误、可得性启发式一样，是展示概率直觉局限的典型现象。
常见问题
- 如何简单理解基率谬误？
- 忘记某件事原本有多常见，只凭眼前看似可信的信息判断概率的错误。例如，当较准确的证据指向一件非常罕见的事时，人们会误以为它几乎确定无疑。
- 为什么连专家也会犯这种错误？
- 因为在头脑中组合以概率表示的信息在直觉上很困难。研究表明，把同样的信息改用“1000人中有多少人”这样的频率呈现，判断会准确得多。
来源核查日期：2026-10-26
参考文献
- Meehl, P. E., & Rosen, A. (1955). Antecedent probability and the efficiency of psychometric signs, patterns, or cutting scores. Psychological Bulletin, 52(3), 194–216.
- Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237–251.
- Nisbett, R. E., & Borgida, E. (1975). Attribution and the psychology of prediction. Journal of Personality and Social Psychology, 32(5), 932–943.
- Ajzen, I. (1977). Intuitive theories of events and the effects of base-rate information on prediction. Journal of Personality and Social Psychology, 35(5), 303–314.
- Casscells, W., Schoenberger, A., & Graboys, T. B. (1978). Interpretation by physicians of clinical laboratory results. New England Journal of Medicine, 299(18), 999–1001.
- Bar-Hillel, M. (1980). The base-rate fallacy in probability judgments. Acta Psychologica, 44(3), 211–233.
- Tversky, A., & Kahneman, D. (1982). Evidential impact of base rates. In D. Kahneman, P. Slovic & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 153–160). Cambridge: Cambridge University Press.
- Eddy, D. M. (1982). Probabilistic reasoning in clinical medicine: Problems and opportunities. In D. Kahneman, P. Slovic & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 249–267). Cambridge: Cambridge University Press.
- Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684–704.
- Cosmides, L., & Tooby, J. (1996). Are humans good intuitive statisticians after all? Rethinking some conclusions from the literature on judgment under uncertainty. Cognition, 58(1), 1–73.
- Koehler, J. J. (1996). The base rate fallacy reconsidered: Descriptive, normative, and methodological challenges. Behavioral and Brain Sciences, 19(1), 1–17.
- Barbey, A. K., & Sloman, S. A. (2007). Base-rate respect: From ecological rationality to dual processes. Behavioral and Brain Sciences, 30(3), 241–254.
- Kahneman, D. (2011). Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.