100位約會對象中，哪一個是你最理想的終身伴侶？
直觀推斷指的是，在現實中能夠找到有特點的、有代表性的例子。翻譯過來很難找到更合適的說法，可以暫且理解為與大概估算有關的判斷方式。因為現實情況判斷起來很複雜，人們為了使事情簡單化，因此有可能採用大概估算的原則，這就是「啟發法」。
不管多麼嚴謹的人，也不可能凡事翻閱《百科全書》，或用計算器計算。因為可以非常方便地應用這個被稱為「啟發法」的大概估算方法，所以我們感覺沒有必要那麼一板一眼地生活。
把所有的情況都計算清楚，之後再採取行動，這需要一定的機會成本。不僅需要時間，所需消耗的精力也很大。正因為這樣，非至關緊要的事情，就可以用啟發法把它處理掉。不是沒有精確計算的能力或慾望，而是因為應用啟發法符合經濟性原則。
如果沒有精確計算的能力，也可以依靠啟發法。我們既不是愛因斯坦，也不是電腦，因此，我們不具有處理所有與選擇有關的信息的能力。我們只具備有限的認知能力、信息和知識儲備，大部分情況下，我們只能依靠啟發法來處理問題。我們會不自覺地使用這種方法。事實上，日常生活中很多束手無策的問題最終都是依靠啟發法來解決。
啟發法被廣泛使用，這也是心理學界普遍認可的事實。但是，對於啟發法有兩種截然不同的觀點。一種是，啟發法在我們的生活中扮演著積極的角色，是補充智能或信息不足的有效手段。很多研究結果顯示，根據啟發法判斷周圍情況並作出決策，會得到意想不到的成果。
與此相對，啟發法也有消極的一面——認識的片面性，即啟發法讓人們不能客觀地認識事物，從而戴著有色眼鏡得出結論。本書介紹的行為經濟學就持有這樣的觀點。根據啟發法判斷周圍的人們，和經濟人一樣缺乏理性，這是行為經濟學的基本立場。
在本章中，列舉了幾個應用啟發法的具體事例。前兩個例子把啟發法看做消極的，因為根據啟發法所作出的判斷是妨礙客觀認識事物的主要原因。相反，後兩個例子揭示出啟發法在我們的生活中扮演著積極角色。在這兩個例子當中，啟發法把複雜的決策簡單化，並獲得了較好的成果。
久別重逢的高中同學——英珠和淑萍一忘記了時間的流逝，正津津有味地聊著。英珠猶豫不決地好像有什麼話要說，淑萍搶先把所有的話說完，然後說道：「唉，別擔心，暢快地說吧。」英珠一邊猶豫，一邊講到最近正處於熱戀階段。「哇，太好了，他是做什麼的？」英珠好像不想說，只是說了如下旁敲側擊的話：
「他應該是一個認真而誠實的人。他遇事不慌，能沉著應對。他手藝也非常好，每次見面的時候都會帶點兒自已製作的小禮物。性格有些內向，不是健談的人，但也不是那種無趣的人。」
淑萍基於上面的描述應該可以推測出這個人的職業。銀行職員、工程師、運動員，還是軍人？如果你是淑萍的話，你會認為是哪種呢？按照心理學家的研究，在這種情況下，大部分人會根據如下的啟發法推測這個人的職業。
人們對從事特定職業的人的典型特徵有某種共識。譬如，銀行職員一般都比較細心，運動員大多具有豪爽的性格，軍人的言談舉止普遍都很有節制。大部分人使用的啟發法就是根據這個共識推測出那個人的職業。換言之，上面那段描寫是人們對特定職業所擁有的典型特徵的共識，通過它可以比較準確地推測出某人從事哪種職業。
這種方法就是代表性啟發法。仔細回想一下，讀者會感到自己也經常使用這種方法。不一定單純用來推測職業，在很多隻知道大概信息的情況下，推測某個實體到底是何種事物時，也經常會用到代表性啟發法。
但是，根據代表性啟發法所怍出的判斷有可能會出現嚴重誤判的情況。看完下面的實驗結果，就明白這句話的意思了。實驗的第一個階段，從包括70名工程師和30名軍人的團體中隨機抽取一個人，在了解職業典型特徵的情況下，被測試者會聽到關於那個人的描述。（為了方便起見，假定關於那個人的描述和前面我們看到的關於英珠男朋友的描述完全一樣。）試問，被測試者認為他是工程師的概率是多少。
下一個階段，變換一下團體的組成比例，軍人的人數更多，即這個團體是由30名工程師和70名軍人組成，在了解這個事實的情況下要求被測試者推測隨機抽取的一個人的職業，這次關於那個人的描述還和前面的情況完全一樣。試問，被測試者認為他是工程師的概率是多少。
實驗結果顯示，幾乎所有的被測試者都認為，從兩個階段的實驗中抽取出的那個人均為工程師。這兩個概率完全相同，也就是說，在第二個實驗團體中，儘管大大降低了工程師的構成比例，推測是工程師的概率還是和第一個實驗完全相同。但是，這是一個完全錯誤的判斷。第一種情況下隨機抽取的人是工程師的概率，應該比第二種情況下更高。
聽完關於某個人的典型特徵描述，推測這個人的職業時，根據這個典型特徵作出判斷的方法。有時也有出現嚴重誤判的可能性。
從包含更多工程師的團體中隨機抽取一個人，這個人是工程師的概率應該更高。分別從工程師組成比例不同的兩個團體中各隨機抽取一個人，推測他是工程師的概率不可能完全相同。即便兩次關於那個人的描述完全一樣，在第一種情況下推測他是工程師的概率也應比第二種情況高。略懂一點統計學的人都能明白這一點。
根據概率法則計算可知，第一種情況下工程師的概率是第二種情況的5.44倍，甚至更高。理論上存在著如此大的概率差異，人們對此卻毫無認識。為什麼會這樣呢？因為人們只關注關於那個人的典型特徵的描述。因此，不會考慮相關的概率基礎理論。
同時，通過其他實驗也顯示出，這個代表性啟發法有誤判的可能性。這個實驗從如下關於某個人的特徵描述開始：
金英民是一個31歲的未婚青年，性格外向。上大學時，所學專業是哲學，並枳極參加各種學生活動。他很關注社會問題，每到暑假，他都到農村從事義務勞動。
從這段描述中可以推斷出如下幾點：
（1）金英民是銀行職員。
（2）他支持環境保護。
（3）金英民既是銀行職員，也支持環境保護。
最後一個階段是讓被測試者把上面三種關於金英民的敘述，按概率從高到低的順序排列一下。結果是，第一種敘述的概率相當高。因為被測試者認為在韓國學習哲學，又關注社會問題的人非常適合當銀行職員。同樣，第二個提法看起來也很有道理。每到暑假都到農村參加義務勞動，且非常關注社會問題，看來支持環境保護的概率也很高。
但是，問題出在把前兩個因素綜合起來的敘述（3）。特別是在（1）和（3）中，需要認真考慮一下，到底哪一個敘述的可能性更大。如果你是讀者，在這種情況下希望看到哪種答案？很有可能判斷（3）比（1）的概率更大一些。我相信這個推測正確的可能性最少超過80%。因為在一個同樣的實驗中，超過80%的被測試者都這樣回答。
作為讀者，大部分人認為（3）比（1）概率更高的理由其實很簡單。
因為（3）中包含有金英民支持環境保護的意思。關注社會問題的人很有可能支持環境保護，受這個普遍觀念的影響，人們就會得出（3）的概率更高。我們可以說，得出如此判斷，代表性啟發法起了重要的作用。
但是，如果根據概率理論的觀點，不論在什麼樣的情況下，（3）不可能比（1）的概率更高。全然沒有主觀判斷介入時，很明顯（1）比（3）的概率更高。金英民支持環境保護的概率很高，但是這一概率不可能達到100%。因此，「既是銀行職員，同時也支持環境保護」的概率只能比「僅僅是銀行職員」的概率低。
譬如，（1）中關於金英民敘述的概率是20%，（2）的概率是70%。那麼，把（1）和（2）綜合起來的（3）的概率不可能超過14%。人們無視如此簡單明了的概率法則，掉入根據代表性啟發法得出嚴重誤判的陷阱。如果以名校的大學生為測試對象，再看一下這個實驗結果，作出誤判的比例甚至可能從80%上漲到90%。看來有學識的人也很難逃脫代表性啟發法的陷阱。
一起聽了「健康生活」講座的尚真一和陳友認為，如果哪天韓國也開始開展關於人的死亡原因的討論，那麼癌症一定是排在首位的。因為它經常出現在各類媒體報道中，而且也是講座中常常被提及的。問題是第二個原因到底是什麼呢？對此兩人意見不一，而且陷入了寸步不讓的爭論。
他們都沒有看到關於人們死亡原因的官方統計資料，只是根據自己的判斷確定死亡原因的順序。尚真一肯定地認為，交通事故應當是人們死亡的第二個原因。因為他記得新聞中每