請思考以下描述：
琳達三十一歲，單身，個性坦率且非常聰明。她主修哲學。身為一名學生，她非常關心與平等及歧視相關議題。
琳達較有可能是：
銀行行員
或
一名熱中女權運動的銀行行員？
多數人會回答琳達既是一名銀行行員，也是一名積極的女權運動者。但其實這樣的回答並不理性。從數學的集合論中我們可以得知，兩個集合的交集，絕不可能大於整體。任何選擇「一名熱中女權運動的銀行行員」答案的人，都犯了統計學家所謂的「忽視基本比率」的錯誤。
上述情事其實就是單純忽略了銀行行員的數量，遠比既是女權運動者、又是銀行行員者的數量還要多的情況（所以，就機率來說建議選擇第一個答案，請見下圖）。「代表性」的其中一個面向，經常以「小數定律」（law of small numbers）來表示（該名稱是對統計學「大數定律」的嘲諷），這是一種認定隨機樣本，遠比統計學抽樣理論所做出來的預測更能代表彼此和整體的信念。
舉例來說，請思考以下每一枚硬幣的投擲結果順序：
正反正反反正
正正正反反反
在被問到哪種結果更可能發生時，多數人會回答：第一種，只因為其結果看上去更像隨機的。然而此兩種順序發生的機率，事實上都為（0.56）。管理學者羅伯特．布盧姆菲爾德（Robert J. Bloomfield）和傑佛瑞．海爾斯（Jeffrey Hales）策畫一項實驗，檢視人們如何試圖預測隨機事件。
實驗中每位受試者都會拿到一份隨機事件，並要求其預測下一次事件發生的情況。布盧姆菲爾德和海爾斯觀察到兩種反應─人們傾向對發生在連續走勢後的改變反應過度；對已經發生過多次反轉的改變則反應不足。
代表性捷思法，在金融界有許多可應用之處。例如，我們完全可以相信投資人在處理獲利數據時，會受小數定律影響。當一名投資人見到許多時期下的優良獲利數據後，小數定律往往會導致其相信所檢視的公司，是一間獲利成長特別快速的公司，因此未來也更有可能繼續展現出超高的獲利成長。在此種觀點下，這間公司不可能是一間「普通公司」，因為其獲利表現看上去「並不普通」。
另一種代表性捷思法產生作用的例子，則是人們傾向將一間好公司視為一檔好股票的錯誤思維。就投資者角度而言，一間好公司就是一間能成功創造獲利的強大公司，而較高的公司獲利也意味著較高的投資報酬。相反地，差勁公司則意味著差勁的獲利，從而帶來令人失望的投資報酬。投資者因而迴避差勁的公司，偏好強大的公司。但獲利有均值回歸趨勢，因此好公司也會朝均值靠近，壞公司同樣如此。
看更多《投資心理戰》
