易得性偏差

原则释读

易得性偏差关注的不是把术语背下来，而是把“认知偏差、情绪跳跃和判断失真”翻译成一个可以重复调用的动作。 原页先用“07 . 易得性偏差思维模型 可得性偏差（Availability…”立题，再把它放回“取舍、偏差与决策起手式”这条学习路径里，提醒你它不是孤立金句，而是整套判断系统的一部分。 如果只记名字，不回到问题场景，它很快就会沦为漂亮但用不上的概念收藏。

为什么重要

这类模型重要，不是因为它听起来高级，而是因为它能在你做判断之前，先帮你把问题的口径摆正。 对于 第一章 取舍、偏差与决策起手式 这一段学习路线来说，易得性偏差提供的是一块基础观察板：它让你在进入复杂推演前，先把最容易忽略的 认知偏差、情绪跳跃和判断失真 看清楚。

怎么用到自己的知识系统

把 易得性偏差 放进自己的阅读、决策或项目复盘里时，最实用的做法是：先用它给问题起一个检查口径， 再把 在很多情 况下, 代表性法则是一种非常有效的方法, 能帮助人们迅速地抓住问题的本质推断出结果, 但有时也会造成严 重的偏差, 特别是会忽视事件的基本要素（base rate neglect） , 即无条件概率和样本大小 这一层补进去，最后落成一条可以执行或回看的动作记录。

行动规则

1. 先把当前问题翻译成一句与“易得性偏差”有关的判断题，再决定是否继续推进。
2. 把原页定义里的关键词换成你自己的项目、决策或关系对象，而不是停留在抽象认同。
3. 把它与同路线中的前后模型联读，避免把一把尺子硬当成万能地图。

常见误区

• 以为知道某个偏差的名字，就等于自己不会再中招。
• 拿偏差模型去指责别人，却不拿来审视自己的证据链。
• 把 易得性偏差 用成事后解释，而不是事前校正工具。