问题是，人们真的会运用便利法则（忆起相关例子的容易程度）来推测自己的主见程度吗？是的，正如图3.6的左半部分所示，只被要求回忆起6个行为例子的被试，都认为自己相对来说是有主见的，因为，要想到几个这种例子很容易（“这很简单嘛！我想我是个有主见的人”）。而被要求回忆起12个例子的被试，则相对来说认为自己没有主见，因为，要想到这么多的例子并不容易（“哇！好难，我一定没有什么主见”）。其他人被要求回想起6次或12次自己没有主见的行为，也有类似的结果——回忆6个没主见行为的人更倾向于认为自己没有主见（参见图3.7的右半部分）。总之，人们在做出有关自己或他人的判断时，确实会依赖于忆起相关例子的容易程度，即便利法则（Caruso，2008）。最近，一位狡猾的大学教授利用这个手段提高了自己的课程评估分数。他让学生列出2种或者10种改善这门课程的方法，然后再让大家对课程的整体印象进行评价。你认为哪些学生会打出更高的分呢？答案是那些被要求列出10种改进方法的学生。因为他们觉得实在是很难对课程列出那么多不足之处，于是他们会想：“如果我想不出那么多批评意见，那这肯定是一门很棒的课程！”（Fox，2006） A与B有多相似？代表性法则　假设你进入纽约州立大学学习，有一天在学生会遇见一个名叫布莱恩的学生。布莱恩拥有一头金发，皮肤晒成棕褐色，看起来非常成熟温和，而且喜欢去海边。你会认为布莱恩来自哪个州呢？由于布莱恩符合一般人对加州人的印象，因此你可能会猜他来自加州。如果你真是这么想的话，那么你就使用了代表性法则（representativeness heuristic）——它是指我们用来对事物进行归类的一种心理捷径，其根据是它与典型例子的相似程度；例如，布莱恩在多大程度上跟你印象中的加州人相似（Gilovich & Savitsky，2002；Kahneman & Tversky，1973；Kahneman & Frederick，2002）。

利用事物所具有的代表性特征来进行归类是非常合理的做法。如果不采用代表性法则，你要如何判断布莱恩来自何方呢？难道就随便猜一个州，而不尝试着判断他与纽约州或其他州的同学之间的相似性吗？事实上，你还可以利用另一个信息来源。如果对布莱恩一无所知，比较聪明的做法是猜他来自纽约州，因为在州立大学中，本州的学生远比他州的学生多。如果你根据这种逻辑猜纽约州，那么你就采用了所谓的基础比例信息（base rate information），即关于总体中不同类别的成员所占的相对比例的信息（例如：纽约州各州立大学中，来自纽约州的学生的比例）。

当人们同时拥有“基础比例信息”（例如，知道在一所大学中纽约人多于加州人）和关于目标人物相反的信息（例如，知道布莱恩是金发，成熟温和并且喜欢去海边）时，他们会怎么做呢？卡尼曼与特韦尔斯基（Kahneman & Tversky，1973）发现，人们通常倾向于不使用基础比例信息，而把大部分注意力集中在有关某人属于某个群体类别的代表性信息上（例如加州人）。如果关于某人的信息可靠，那么这倒不失为一个好的方法；但是如果信息来源不够真实，可能会带来许多麻烦。由于加州人到纽约州立大学就读的基本比例是很低的，因此，在你忽略这一基本比例信息并猜他可能是一个例外之前，必须要有确实的证据来证明他是加州人。并且，一个来自东部的人拥有金发、悠闲并且喜欢去海边这些特征，也并不是一件多稀奇的事儿。所以，在这种情况下使用基础比例信息是明智的选择。