La probabilité qu'un objet A appartienne à une classe B dépend de sa représentativité ou de sa prototypicalité pour le sujet. De même, bien souvent, une séquence tirée au hasard ne correspond pas à l'idée qu'un sujet se fait du hasard : par exemple, la succession de piles (P) ou faces (F) FFPFPPFP semble plus probable que FFFFPPPP. Similairement, les sujets ne tiennent pas compte de la taille des effectifs : un grand hôpital se voit attribuer plus de chances d'avoir un taux de naissances de filles (ou de garçons) supérieur à 50% qu'un petit (cf. Kahneman & Tversky, 1972). Tversky et Kahneman (1983) donnent d'autres exemples expérimentaux d'application de l'heuristique de représentativité. Dans une des expériences conduites par les auteurs, les sujets lisaient la description suivante : ‘"Linda a 31 ans. Elle est célibataire, extravertie et très brillante. Elle est diplômée de philosophie. Lorsqu'elle était étudiante, elle s'inquiétait des problèmes de discrimination et de justice sociale et participait aussi à des manifestations antinucléaires". ' Puis les participants devaient classer les propositions suivantes selon leur probabilité (les issues ci-dessous étaient mêlées à cinq autres items neutres — par exemple : Linda est institutrice — destinés à masquer l'objet de l'étude) : - Linda est militante féministe (F) - Linda est employée de banque (B) - Linda est employée de banque et militante féministe (B+F) Les résultats montrent que 85% des sujets jugent la proposition (B+F) plus probable que la proposition (B). Or, comme le notent les auteurs, il s'agit là d'une violation de l'une des lois les plus fondamentales des probabilités, qui établit que A et B ne peut pas être plus probable que A ou que B (cette loi peut être exprimée par la conjonction P[A + B] = P[A], étant donné que [A + B] est un sous-ensemble de A). En effet, l'ensemble des employées de banque qui sont féministes est inclus dans celui des employées de banque. Par conséquent, les sujets ont tendance à surestimer la conjonction de deux événements — on parle dans ce cas d'erreur de conjonction — alors que celle-ci est égale au produit de deux probabilités et que ce produit est forcément inférieur à chacune des probabilités séparées. Dans l'exemple de Linda, Tversky et Kahneman (1983) soutiennent que les sujets sont à nouveau victimes du biais de représentativité. En ce sens, ils appliquent l'heuristique de représentativité, par laquelle ils substituent au jugement de probabilité qui leur est demandé une estimation du degré de similitude avec lequel chacune des propositions (B) et (B+F) est représentative de la description de Linda étudiante. Source : [plus de détails]