通俗來說，人類往往會對那些明顯的、直觀的、好理解的、抓人眼球的數據或者信息特別關注，對一些難懂的、實在的、有科學性的信息往往置若罔聞。
——丹尼爾·卡尼曼
→ 人們總是傾向於根據代表性特征衝動地做出判斷，歸根結底，還是源於人們把小部分細節的權重放大了，導致把大局給忽略了。
我們都知道盲人摸象的故事：摸到腿的盲人覺得大象像一根大柱子，摸到鼻子的盲人覺得大象像一條大蟒蛇，摸到耳朵的盲人覺得大象就像一把扇子，而摸到身體的盲人認為大象就像一堵牆。這個寓言生動地解釋了代表性偏差：判斷一個陌生事物時，人們通常會與其他的事物進行類比，如果具有相似性，那麽就會認為是相同的事物，這種簡化的分析方法就是代表性偏差。
一、代表性偏差的概念
代表性偏差，最早由諾貝爾獎得主丹尼爾·卡尼曼教授提出。代表性偏差指的是人們喜歡將事物按特質劃分為幾類，然後根據已有的思維模式製定決策，過分強調其中幾類代表的重要性，而忽略了整個大環境和其他事物，也就是習慣於用大數樣本中的小數樣本去判斷整個大數樣本。
心理學研究表明，人們在麵對不確定的、沒有現成算法的問題時，大腦傾向於用思維捷徑來降低分析複雜度，這些捷徑使大腦在完全吸收消化現有信息之前就可以得出一個大致答案。這種思維捷徑依賴於直覺而非理性，特點是快速給出答案、自行生產，適用於初步計算的場合，比如評價新的同事是否容易相處等。這種思維捷徑的缺點，在於不用數據科學統計、忽略事物間的不同點，導致難以正確地分析新的信息，進而得出錯誤的結論。
比如要去分析研究眼前的一個事物，我們就會把它切分成很多塊，並貼上A、B、C、D的屬性標簽。我們會習慣性地選擇其中一個最鮮明、最簡單的屬性並得出結論，這就是所謂的“代表性偏差”。