私は、不正確な略式裁判は、「平均への回帰」という一般的な統計原理を取り入れていない（あるいは適切に適用していない）のだと思います。 訴訟担当者は、完全な事実のセットに繰り返し触れることで利益を得るわけではないので、結果 (リスクと報酬) の評価を生成するために、持っている限られた情報を比較検討する必要がある、強度一致と呼ばれるプロセスに従事しているのです。 これは、他の情報がない状態で、代わりの質問に対する答えを見つけることになるので、危険な行為です。
カーネマンによると、強度マッチングの練習は、極端な証拠に基づくと極端な予測をもたらし、2 つの異なる質問に対して同じ答えを出すように人を仕向けるそうです。 カーネマンは次のような例を挙げています：
Julie は大学 4 年生です。 彼女は4歳の時には、すでに流暢に本を読むことができた。 彼女の成績平均点（GPA）は何点ですか。
これを分解すると、基本的に次の2つの質問になります。 ジュリーの読書速度のパーセンタイルスコアは何ですか？
2. ジュリーのGPAのパーセンタイルスコアは何ですか？
正しい答えを導き出すためには、模式的な公式を使用する必要があります。
読書年齢 = 共有要因 + 読書年齢に特有の要因 = 100％
GPA = 共有要因 + GPA に特有の要因 = 100％
共有要因には、遺伝的に決まった適性、彼女の家族が学問への関心をどの程度サポートしているか、その他子供の頃に早熟な読書になり学問的に成功する大人になるためのあらゆる要因が含まれています。
さて、ここで、読書年齢とGPAという二つの指標の相関を評価する必要があります。
このシナリオでは、カーネマンは楽観的な推測を 30%としています。
これで、偏りのない予測に到達するために必要なものがすべて揃いました。 平均GPAの推定から始める。
2 証拠の印象に一致するGPAを決定する。
3 幼少期の読書早さとGPAの相関を推定する。
4 相関が.であれば、それは.である。30であれば、平均値から一致するGPAまでの距離を30％移動する。
最初のステップでは、ベースラインを確認する。これは、ジュリーが大学4年生であること以外に何も知らなかった場合に予測されるGPAのことである。
第 2 段階では、証拠の直感的な判断である要約判断を行います。
第 3 段階では、ベースラインから直感的な予測に向かって、ただし相関の推定値に一致する程度にのみ移動する積極的なプロセスを行います。
最後の段階では、不偏のベースレートに基づいて直感によって影響を受けた予測という答えを得ます。