合取谬误（Conjunction Fallacy）是指人们倾向于认为两个事件同时发生的概率大于其中单个事件发生概率的认知偏差。根据概率论，两个独立事件同时发生的概率（P(A∩B)）不可能大于其中任何一个事件单独发生的概率（P(A)或P(B)）。但人们往往认为更具体、更详细的描述比更一般的描述更有可能发生。这一现象由丹尼尔·卡尼曼和阿莫斯·特沃斯基通过著名的"琳达问题"实验提出，是代表性启发导致的典型错误。
合取谬误（Conjunction Fallacy）：人们认为两个事件同时发生（合取）的概率大于其中一个事件单独发生的概率，这违反了基本的概率法则——P(A且B) ≤ P(A)，因为A且B是A的子集。
经典实验「琳达问题」：卡尼曼和特沃斯基给出描述——「琳达31岁，单身，直率聪明，哲学专业。学生时代关心歧视和社会正义，参加过反核示威。」然后问：以下哪个更可能？A) 琳达是银行出纳；B) 琳达是银行出纳且积极参与女权运动。85%的人选B，但B是A的子集，概率不可能大于A。这就是合取谬误。
核心机制：人们用「代表性」判断概率——琳达的描述「像」女权主义者，所以包含「女权主义者」的选项看起来更可能。但概率和代表性是两回事——越具体的描述，包含的条件越多，概率越低，即使它看起来越「合理」。
应用：1) 投资——「这家公司会成为下一个苹果」比「这家公司会成功」更具体，概率更低，但听起来更有说服力；2) 预测——专家给出越具体的预测（「明年Q3因为美联储降息导致科技股上涨30%」），听起来越可信，但概率越低；3) 规划——项目计划越详细（每个步骤都安排好），看起来越可靠，但每多一个环节，整体成功概率就下降；4) 新闻——越具体的故事（包含人物、时间、地点）越可信，但可能只是巧合叠加。
克服方法：画维恩图，提醒自己「且」关系的概率一定小于等于单个事件的概率。
评论区