Jeg mener, at upræcise sammenfattende vurderinger ikke inkorporerer (eller anvender korrekt) et almindeligt statistisk princip: regression til gennemsnittet. Fordi sagsbehandlere ikke har gavn af gentagen eksponering for et komplet sæt fakta, deltager vi i en proces kaldet intensitetsmatchning, som kræver, at vi afvejer de begrænsede oplysninger, vi har, for at generere en vurdering af resultatet (risiko og belønning). Dette er en farlig praksis, da den indebærer, at man finder et svar på et erstatningsspørgsmål i mangel af andre oplysninger.
Ifølge Kahneman giver intensitets-matching-øvelser ekstreme forudsigelser, når de er baseret på ekstreme beviser, hvilket får folk til at give det samme svar på to forskellige spørgsmål. Kahneman giver følgende eksempel:
Julie er en senior på universitetet. Da hun var fire år gammel, var hun allerede en flydende læser. Hvad er hendes karaktergennemsnit (GPA)?
Når det opdeles, er der grundlæggende tale om to spørgsmål:
1. Hvad er Julies percentilescore på læsepræcocitet?
2. Hvad er Julies percentilescore på GPA?
For at vi kan nå frem til det rigtige svar, skal der anvendes en skematisk formel:
Læsealder = fælles faktorer + faktorer, der er specifikke for læsealderen = 100 %
GPA = fælles faktorer + faktorer, der er specifikke for GPA = 100 %
De fælles faktorer omfatter genetisk betinget begavelse, graden af støtte fra hendes familie til akademiske interesser og alle andre faktorer, der kan føre til, at folk bliver tidligt udviklede læsere som børn og akademisk succesfulde voksne.
Nu skal vi have vurderet sammenhængen mellem de to mål: læsealder og GPA. Denne korrelation er lig med andelen af fælles faktorer blandt deres determinanter.
I dette scenarie tildeler Kahneman et optimistisk gæt på 30 %.
Vi har nu alt, hvad vi behøver for at nå frem til en uvildig forudsigelse:
1. Start med et skøn over det gennemsnitlige GPA.
2. Bestem det GPA, der passer til dit indtryk af beviserne.
3. Estimer sammenhængen mellem læsepræcocitet i barndommen og GPA.
4. Hvis sammenhængen er .30, skal du flytte 30 % af afstanden fra gennemsnittet til det matchende GPA.
Det første trin fastslår baseline, som er det GPA, som vi ville have forudsagt, hvis vi ikke vidste andet om Julie, end at hun var en senior på college.
Det andet trin involverer vores summariske vurdering, som er vores intuitive vurdering af beviserne.
Det tredje trin involverer den aktive proces, hvor vi bevæger os væk fra baseline i retning af vores intuitive forudsigelse, men kun i en grad, der matcher vores skøn af korrelationen.
Det sidste trin giver os vores svar: en forudsigelse påvirket af vores intuition forudsagt på grundlag af en uvildig basissats.