В типичном эксперименте из научной литературы вам дают прочитать сценарий. Говорят, что в конкретном университете 10 % студентов – инженеры, а 90 % – нет. Вы идете на вечеринку и видите, что у кого-то в кармане есть пластиковый карманный протектор[586] (в описании не указано, но многие считают, что это типично для инженеров). Затем вас попросят оценить, насколько вероятно, что этот человек – инженер. Зачастую люди полагают, что это неоспоримый факт. Карманный протектор кажется настолько точным атрибутом, таким убедительным доказательством, что трудно представить, будто человек может быть кем-то еще. Но инженеров в этом университете довольно мало, и это нужно учитывать. Вероятность того, что описываемый человек – инженер, может быть не такой низкой, как очевидный показатель, 10 %. Но и не такой высокой, не 100 %, потому что другие люди тоже могут носить карманные протекторы. Вот тут становится интересно. Затем исследователи воссоздают тот же сценарий – вечеринку в университете, где 10 % студентов – инженеры, а 90 % – нет, но при этом поясняют: «Вы сталкиваетесь с кем-то, у кого может быть пластиковый карманный протектор или нет; вы не можете сказать этого, потому что человек в пиджаке». Когда просят оценить вероятность того, что это инженер, люди обычно говорят: «50 на 50». Если предложат объяснить почему, они произносят: «Потому что у него может быть карманный протектор, а может и не быть, мы не знаем». В подсчетах опять-таки не учитываются базовые показатели. Если вы ничего не знаете о человеке, то у вас всего 10 % шансов предположить, что он инженер, а не 50 %. Просто если есть только два варианта, это не значит, что они одинаково вероятны.

Рассмотрим интуитивно более понятный пример. Представьте, что вы входите в местный продуктовый магазин и сталкиваетесь с кем-то, не видя его. Это может быть королева Елизавета или нет. Насколько вероятно, что это королева? Большинство людей не думает, что тут шансы 50 на 50. Насколько велика вероятность, что королева зайдет в какой-то продуктовый магазин, тем более тот, где обычно бываете вы? Ничтожно мала. Это показывает, что мы можем использовать информацию об очевидных показателях, когда события крайне маловероятны. Однако если вероятность чуть больше, мозг застывает. Организация наших решений требует объединить данные очевидных показателей с соответствующими точными сведениями. Этот тип рассуждений был открыт в XVIII веке математиком и пресвитерианским священником Томасом Байесом и носит его имя – правило Байеса.

Правило Байеса позволяет уточнять оценки. Например, пишут, что примерно половина браков заканчивается разводом. Но показатель 50 % имеет место для совокупности всех, поэтому мы можем уточнить оценку, если есть дополнительная информация: возраст, религия или место жительства людей, с которыми это происходит. Одни группы населения имеют более высокий процент разводов, чем другие.