Лекция 7. Ловушки вероятности: интуиция против статистики

Седьмая лекция курса — о том, в чём наша интуиция слабее всего. Мозг великолепно считывает лица и намерения, но перед вероятностью и статистикой пасует: миллионы лет он учился ловить закономерности в саванне, а не рассчитывать шансы. Поэтому там, где нужна холодная арифметика случая, включается быстрая Система 1 — и систематически ошибается предсказуемым образом. Сегодня разберём главные ловушки вероятности на живых примерах: почему точный тест пугает зря, почему рулетка ничего не «должна» и почему за взлётом почти всегда идёт спад.

1. Почему интуиция не умеет в вероятность

Начнём с честного признания: человеческая интуиция не приспособлена к вероятностям. Наш быстрый ум мыслит не долями и частотами, а образами, историями и типичностью. Спросите «какова вероятность» — и Система 1 незаметно подменяет трудный вопрос лёгким: вместо «насколько это статистически вероятно» она отвечает на «насколько это похоже на типичный случай» или «легко ли мне представить пример» (те самые эвристики репрезентативности и доступности из третьей лекции). Подмена работает быстро и часто грубо ошибается — причём предсказуемо, в одну и ту же сторону, что и делает эти ошибки ловушками, а не случайным шумом. Важно понять: дело не в глупости и не в необразованности — те же ошибки совершают врачи, судьи и профессора статистики, когда думают на бегу. Вероятностное мышление — это не природный дар, а навык, который нужно включать сознательно, медленной Системой 2. Разберём главные ловушки — и увидим, что у каждой есть простое противоядие.

2. Ошибка базового процента

Первая и самая дорогая ловушка — ошибка базового процента (пренебрежение априорной частотой), показанная на схеме. Мы оцениваем вероятность по приметам конкретного случая и забываем спросить: а насколько это событие вообще часто в принципе? Разберём канонический пример с тестом ещё раз, медленно, потому что он переворачивает интуицию. Болезнь есть у одного человека из ста. Тест точен на 90%. У вас положительный результат — чему равна вероятность, что вы больны? Почти все, включая многих врачей, отвечают «90%». Верный ответ — около 8%. Секрет в том, что здоровых очень много: на тысячу человек больных всего десять (тест верно поймает девятерых), зато здоровых девятьсот девяносто, и даже маленькая доля ошибок на этой огромной массе даёт около девяноста девяти ложных «плюсов». Итог: положительных тестов сто восемь, а больных среди них лишь девять. Редкость болезни (базовый процент) перевешивает точность теста. Это не абстракция: на этой ошибке строятся ненужные паники после скрининга, несправедливые обвинения («совпало на камере — значит он»), переоценка редких угроз. Противоядие простое и мощное: всегда спрашивайте — а сколько таких случаев вообще, из скольки? Думайте не процентами, а живыми частотами: «из тысячи людей…». В частотах ловушка исчезает почти сама.

3. Ошибка игрока и закон малых чисел

Вторая ловушка живёт в казино и в наших ожиданиях от случая. Ошибка игрока: после пяти красных подряд кажется, что чёрное «уже должно» выпасть. Но рулетка, монета и кости не имеют памяти — вероятность на следующем броске ровно та же, независимо от того, что было. Колесо ничего не «помнит» и ничего никому не «должно». Откуда иллюзия? Из закона малых чисел — ошибочного ожидания, что короткие серии обязаны выглядеть так же ровно, как длинные. Да, на дистанции в миллион бросков красное и чёрное сравняются, но это не значит, что баланс наводится прямо сейчас, компенсируя последние пять. Мы путаем «в среднем на длинной дистанции» с «должно выровняться немедленно» — и проигрываем, повышая ставки «на отыгрыш». У этой ошибки есть зеркальный близнец — «горячая рука»: вера, что удача идёт полосой и везение продолжится. Обе — про одно: мы видим закономерность там, где правит случай, потому что мозг не выносит бессмысленной случайности и всегда дорисовывает узор. Проверьте себя: по-настоящему случайная последовательность выглядит «слишком кучно» — в ней бывают длинные серии подряд, которые кажутся «подстроенными», хотя это и есть лицо случайности.

4. Регрессия к среднему

Третья ловушка — самая незаметная и самая коварная в житейских выводах. Регрессия к среднему: за экстремальным результатом, в котором была доля везения или невезения, обычно следует более средний — просто потому, что редкое стечение обстоятельств не повторяется дважды подряд. Блестяще сдавший тест ученик в следующий раз, скорее всего, напишет чуть скромнее; провалившийся — чуть лучше; и всё это само по себе, без всякой причины. Беда в том, что мозг не терпит «просто так» и подставляет причину — а из-за этого мы делаем ложные выводы о том, что работает. Классический пример Канемана: инструкторы заметили, что после похвалы за отличный полёт курсант в следующий раз летает хуже, а после разноса за плохой — лучше, и «сделали вывод», что критика эффективнее похвалы. На деле они наблюдали чистую регрессию: за исключительным полётом естественно следует более средний, за провальным — тоже более средний, а похвала и ругань ни при чём. Отсюда тянутся целые заблуждения: «народные средства помогают» (их принимают на пике болезни, после которого и так становится легче), «после смены тренера команда воспряла» (её взяли на самом дне). Всегда, когда за пиком следует спад или за провалом — подъём, первый подозреваемый не причина, а регрессия к среднему.

5. Ошибка конъюнкции: история вместо шансов

Четвёртая ловушка показывает, как связная история побеждает арифметику. Знаменитая задача про Линду: женщина, неравнодушная к справедливости, в студенчестве участвовавшая в протестах. Что вероятнее — что она (а) банковская служащая или (б) банковская служащая и активистка феминистского движения? Большинство уверенно выбирает (б) — ведь портрет так «подходит». Но это логически невозможно: людей, у которых есть два признака сразу, всегда не больше, чем тех, у кого есть один из них (всякая «служащая-активистка» уже входит в «служащих»). Это ошибка конъюнкции: добавление правдоподобной детали делает историю убедительнее, а вероятность — меньше, и мы путаем «складно» с «вероятно». На этой ловушке держатся яркие прогнозы («будет не просто кризис, а кризис с обвалом валюты и дефолтом» — звучит солиднее, а сбыться труднее) и убедительность конспирологии, где каждая добавленная деталь усиливает ощущение правды и снижает её шанс. Правило-противоядие: чем больше конкретных деталей в предсказании, тем оно менее вероятно, как бы убедительно ни звучало. Детали — украшение истории, а не повышение её шансов.

6. Пренебрежение размером выборки

Пятая ловушка — недооценка того, как сильно размер выборки влияет на разброс. В маленьких группах крайние результаты встречаются чаще просто по законам статистики. Хрестоматийный пример: в маленькой больнице, где рождается мало детей, доля мальчиков в отдельные дни скачет куда сильнее (то 70%, то 30%), чем в большой, — не потому, что там «что-то не так», а потому, что в малой выборке случайность гуляет шире. Мы же об этом не думаем и делаем поспешные выводы: «в этой школе учат лучше — смотрите, лучшие результаты!» (а школа просто маленькая, и ей «повезло» в этом году), «в этом районе аномально много больных» (маленький район — большой разброс). Отсюда же переоценка отзывов и анекдотов: три восторженных отзыва знакомых весят в голове больше, чем сухая статистика по тысячам случаев, хотя должны — наоборот. Практический вывод: прежде чем поверить закономерности, спросите, на скольких случаях она построена. Малая выборка — почти всегда шум, принятый за сигнал.

7. Что делать

Вероятностные ловушки не лечатся усилием воли, но обходятся простыми приёмами. Переводите проценты в частоты: не «1% и точность 90%», а «из тысячи человек…» — на живых людях ошибка базового процента почти исчезает. Всегда спрашивайте про базовый процент: насколько это вообще часто, из скольки? Помните, что у случая нет памяти: прошлые исходы не влияют на следующий независимый бросок — ни рулетка, ни удача ничего не «должны». Подозревайте регрессию к среднему всякий раз, когда за пиком идёт спад или за провалом подъём: возможно, никакой причины нет. Не путайте складность с вероятностью: чем детальнее прогноз, тем он менее вероятен. Спрашивайте про размер выборки: три отзыва — это шум, а не закономерность. И общий стержень: там, где на кону вероятность, тормозите быструю интуицию и включайте счёт. Даже грубая прикидка «на пальцах» бьёт красивое чувство очевидности — потому что чувство очевидности в вопросах случая почти всегда обманывает.

Итоги лекции

• Интуиция не приспособлена к вероятностям: она подменяет «насколько вероятно» на «насколько похоже/легко представить» — и ошибается предсказуемо.
• Ошибка базового процента: забываем, насколько событие часто в принципе. Точный тест на редкую болезнь даёт море ложных тревог. Спасают частоты и вопрос «из скольки?».
• Ошибка игрока: у случая нет памяти, серия ничего не «должна». Закон малых чисел заставляет ждать от коротких серий ровности длинных.
• Регрессия к среднему: за пиком/провалом с долей случайности идёт более средний результат — сам по себе. Отсюда иллюзия «критика работает лучше похвалы».
• Ошибка конъюнкции: правдоподобная деталь делает историю убедительнее, а вероятность — меньше. Чем детальнее прогноз, тем он менее вероятен.
• Пренебрежение размером выборки: в малых группах разброс шире; три отзыва — шум, а не закономерность.

Вопросы для самопроверки

1. Объясните на пальцах, почему при точном тесте и редкой болезни «плюс» ещё не значит «болен». Где здесь базовый процент?
2. Почему после пяти красных чёрное не «вероятнее»? Что путает закон малых чисел?
3. Приведите пример из жизни, где вывод «помогло/испортило» на деле мог быть регрессией к среднему.
4. Разберите задачу про Линду: почему «служащая и активистка» не может быть вероятнее «служащей»?
5. Вспомните решение, которое вы приняли по трём отзывам. Насколько велика была выборка — и стоило ли ей доверять?

Литература к лекции

• Канеман Д. «Думай медленно… решай быстро» — базовый процент, регрессия к среднему, закон малых чисел.
• Гигеренцер Г. «Понимать риски» — о том, как частоты вместо процентов проясняют вероятности.
• Млодинов Л. «(Не)совершенная случайность» — о слепоте интуиции к случаю.

В следующей лекции — ловушки уже не восприятия, а выбора: почему мы боимся потерь сильнее, чем любим выигрыш, как невозвратные затраты держат нас в проигрышных решениях и почему одна и та же сделка кажется разной в зависимости от формулировки.