增强了可能性效应。当然，对确定性效应来说也是同样原理。如果我有90％的概率赢得奖品，那么相较于10个球中有一种“不能制胜”的情况而言，100个球中那10个“不能制胜”的球更会突出输的可能性。
分母忽视这个观点有助于解释为什么不同的风险表达方式所造成的效果会有这么大的不同。如果你看到“能使儿童免受某种疾病侵袭的疫苗有0。001％的风险将导致终身瘫痪”这样的说法时，就会觉得这个风险看似很小。现在，请考虑用另外的方式描述这一风险：“在10万名接种疫苗的儿童中，有一个将会终身瘫痪。”第二种说法使你产生了一些第一个说法不会引起的想法：它唤起了某个儿童因接种疫苗而终身瘫痪的画面；而另外99999名安全接种疫苗的儿童则被完全忽视了。正如分母忽视原则预测的那样，与抽象术语相比，例如“风险”或是“概率”（多大可能），用相对频率（有多少）来描述会使小概率事件得到更大的权重。我们已经知道系统1更善于处理独立事件，而不是整个范畴的事件。
频率格式（frequency format）的影响很大。在一项研究中，看到“每10000个人中有1286人因某种疾病而死亡”的人比看到“某种疾病导致24。14％的人口死亡”的人更有可能认为此疾病的危害性很大。尽管患第一种疾病的风险只是第二种的一半，但第一种却看似比第二种更危险！在一个更为直接的分母忽视的例子中，某种疾病会“使100人中的24。4人死亡”，与之相比，“每10000人中有1286人因某种疾病而死亡”这种说法听上去更危险。若要求受试者对这两种表述作一个直接的对比（系统2肯定会参与到这个任务当中），这种效果肯定会削弱或是消除。然而，生活就像是受试者的组间实验，你一次只能看到一种表述。系统2只有在格外活跃的情况下才会对你看到的那个说法有另外的表述，才会发现这些说法能引发不同的回应。
有经验的法庭心理学家和精神病学家也不能避免因对风险的不同表述而带来的影响。在一个实验中，有关专业人员需评估让一位精神病患者出院的安全性。这个精神病患者叫琼斯，有暴力倾向。他们收到的信息包括某位专家对风险的评估，但同样的统计数据是用两种方式表述出来的：
评估那些与琼斯类似的病人，专家发现他们在出院后最初的几个月里对他人使用暴力的概率是10％。在100个类似琼斯的病人中，大约有10个人在出院后的前几个月里对他人使用暴力。
看到第一种描述的专业人员让病人出院的概率几乎是看到第二种描述的专业人员的2倍（概率分别为41％和21％）。对相同的可能性，更加生动的描述产生了更高的决策权重。
不同的表述使人们做出不同的决策，使他们对该怎么做生成不同的意见。斯洛维克与他的同事引用了某篇文章的一段话：“一年之中，全美有接近1000起谋杀事件是由没有服用药物的严重精神病患者制造的。”有一种表达同一事实的说法是“每年每2。73亿美国人中，有1000人是被精神病患者杀死的”。另外一种说法是，“每年，（我们）被这样（患有精神病）的人杀死的概率接近0。00036％”。还有一种说法是：“每年死于严重精神病患者之手的美国人有1000人，比自杀人数的三分之一0还少，是因喉癌而死亡的人数的四分之一左右。”斯洛维克指出，“这些说法使得他们的动机很明显，他们想要通过强调精神病患者的暴力来造成大众恐慌，进而使有关部门增加心理卫生服务业的资金注入”。
如果一名优秀的律师想要引起法官对DNA证据的怀疑，他不会说，“DNA不匹配的概率是0。1％”，反而会说“1000起死刑案件中就有一起案件的DNA会出现不匹配”，这样更有可能使法官产生怀疑。听到这个陈述的陪审团会想到坐在他们对面审判室里的人可能会因为错误的DNA证据而被误判。当然，检察官会更偏爱抽象框架，希望陪审团的大脑中充满小数点。
罕见事件又为何会被人忽视？
有证据支持下面这个假设：主要注意力和显著性会导致人们过高评估罕见事件的发生概率，也会过高权衡低概率的结果。单纯提及某个事件，通过对其进行生动性以及特有的概率描述模式就会增强其显著性。当然也有例外情况，即人们对某一事件的关注并没有提高它的出现概率：那些含有一个荒谬的论调使你想起它就觉得不可能发生的事件，或是因不能想象结果会怎样而使你认为它根本不会发生的事件都属于此类事件。对显著事件的过高估计或过度权衡这种偏见不是绝对的规则，但其影响却很普遍，也是根深蒂固的。近年来，对“根据经验作出选择”这一课题的研究引起了人们的广泛兴趣，其遵循的原则与前景理论中分析的“根据描述作出选择”的研究原则不同。在一个典型实验中，受试者面前有两个按钮。按下按钮有可能会得到金钱奖赏，也有可能什么都得不到。结果是根据前景理论随机出现的（例如，“有5％的概率赢得12美元”或“有95％的概率赢得1美元”）。这个过程是真正随机的，所以不能保证某位受试者所见的样本完全符合统计设置。这两个按钮的预期值几乎是相当的，其中一个比另一个风险更大、更多变（例如，一个按钮的结果可能是有5％的概率得到10美元，另一个按钮则是有50％的概率得到1美元）。通过为受试者提供多次按按钮的机会，使她可以观察到一次又一次按按钮后的结果，这样她就能够凭经验作出选择。通过描述性文字作选择可通过给受试者提供关于每个按钮的预期风险的文字描述（例如“5％的概率赢得12美元”），并让她选择其中一个来实现。根据前景理论可知，通过描述性文字作选择会产生可能性效应，低概率结果的可能性被过高权衡。与之形成鲜明对比的是，凭经验作选择不会出现过高权衡的情况，而较低权衡的情况却较为普遍。
凭经验作选择的实验情景旨在代表许多情境，在这些情境中，我们会接触到来源相同结果却各不相同的许多情况。一间较普通的餐厅会偶尔做出一道超级美味或很难吃的菜。你的朋友通常很好相处，但有时也会变得喜怒无常、咄咄逼人。加州容易发生地震，但实际却很少发生。许多实验的结果表明，当我们做类似于选择餐厅或是固定好水壶以应对地震这样的决策时，罕见事件不会被过高权衡。
现在仍然没有能够阐释凭经验选择的方法，但无论在实验中还是在现实世界里，大家都普遍认同一点，即对罕见事件的决策权重较低有一个绝对主要的原因：许多受试者从未经历过罕见事件！大多数加州的市民从未体验过大地震，2007年时也没有银行家切身经历过大规模的金融危机。拉尔夫·赫特维希（Ralph Hertwig）和伊多·伊雷夫（Ido Erev）注意到“根据它们的主观可能性，罕见事件的概率（例如房贷泡沫破灭）受到的影响比它们应得的影响更小”。他们指出，公众对长期威胁的回应很冷淡就是这样一个例子。
这些关于忽略的例子很重要，也很好解释，但当人们真正经历罕见事件时，低权重的情况也会出现。假设你有一个复杂的问题，与你同楼层的两个同事可能会回答这个问题。你认识他们俩很多年了，也有很多机会观察或是在接触中了解他们的个性。阿黛尔做事持之以恒，也乐于助人，尽管有时也帮倒忙；布莱恩并不特别友好，和阿黛尔一样爱帮助人，但有时候又表现得过于热情。你会找谁帮忙？
考虑关于这个决定两个可能的观点：你在两种风险中作出选择。阿黛尔更可靠；对布莱恩的期望更可能会导致一个稍逊一筹的结果，产生好的结果的概率较小。罕见事件可能会因为可能性效应而被过高权衡，所以最好选布莱恩。你在对阿黛尔的总体印象和对布莱恩的总体印象之间作出选择。你与他们之间或好或坏的经历都会影响你对他们日常行为的看法。除非这个罕见事件非常极端，你才单独想起了这件事（布莱恩曾有一次辱骂了向他求助的同事），因而标准会偏向于典型事例及最近发生的事，所以该选阿黛尔。
在一个双系统的大脑里，第二种阐述似乎更为合理。系统1产生了对阿黛尔和布莱恩的总体印象，包括对他们的情感态度以及靠近或是回避他们的倾向。你的选择就取决于对这些倾向的比较。除非你明确地想到了某个罕见事件，否则就不会出现过高权衡。将相同观点应用到凭经验选择上很简单。因为他们对结果有长时间的观察，这两个按钮似乎也形成了情感回应所依附的综合“人格”。
与前景理论刚被廓清之时相比，现在我们可以更好地了解罕见事件被忽视或是被过高权衡的情况了。由于记忆存在证实偏差，罕见事件的概率会（经常但不总是）被高估。当想起某个事件时，你会尽可能地将其视为真实的。当某个罕见事件特别吸引你的注意力时，这个事件就会被过高权衡。当前景得到明确描述时（例如“有99％的概率赢得1000美元，1％的概率什么也得不到”），注意力就一定会分散。过多关注（耶路撒冷的大巴）、生动的画面（玫瑰花）、具体的表述（1000中的1个），以及明确的提醒（以描述为基础作出选择）都是引起过高权衡的原因。没有过高权衡，就会存在忽视。就罕见事件而言，我们的大脑并不能总是作出正确判断。碰上一些任何人都未曾经历过的事情，这可不是什么好消息。
示例：罕见事件
“即使在日本，海啸也很少发生，但是海啸在我们头脑中的画面非常生动形象，游客也因此会高估海啸发生的可能性。”
“这是我们都熟悉的灾难循环，即先是言过其实，之后作出过高权衡，最后忽视此事件。”
“我们不应该将注意力集中在单一情境中，否则我们会高估它的可能性。想想其他的选择吧，然后将所有选择的概率相加，得到100％。”
“他们想让人们意识到风险是存在的。这也就是他们会使用‘每1000人中有1人死亡’这个说法的原因，这种做法利用了分母忽视效应。”
第31章 能带来长远收益的风险政策
设想你需要做下列两组决策。首先查看全部决策，然后作出选择。
决策（1）：从A、B中作出选择：
A。肯定能赚到240美元
B。有25％的概率得到1000美元，75％的概率什么也得不到
决策（2）：从C、D中作出选择：
C。肯定会损失750美元
D。有75％的概率损失1000美元，25％的概率没有损失
这一对选择题在前景理论的发展历程中有着重要的地位，它们使我们重新理解了理性的含义。看到这两个问题时，你对确定事件（A和C）的第一反应肯定是被A吸引，排斥C。对“肯定获得”和“肯定损失”的情感评估是系统1的自动反应，肯定会发生在估计两种风险的预期值（分别为获得250美元和损失750美元）之前，因为这样的估计需要付出更多努力（作更多选择）。大多数人的选择都与系统1的预测一致，绝大多数人都会选A不选B，选D不选C。在其他一些可能性中等或较大的选项出现时也一样，人们在收益状态下更倾向于规避损失，在亏损状态下更倾向于承担风险。我与阿莫斯所做的实验的结果是，有73％的受试者在决策（1）中选了A，在决策（2）中选了D，只有3％的人选择了B、C选项。
按照要求，你在首次作出选择后要再次查看所有选项，你可能也这样做了，但有一件事你肯定没有做，即你没有估计4种不同选项组合的可能结果（A和C，A和D，B和C，B和D），以推测哪一种组合是你最想选的。直觉上，你只会分别考虑这两个问题，分开选择，并且不会觉得这样做比较麻烦。此外，综合考虑两个决策性问题需要费些劲儿，你可能需要笔和纸才能完成。所以，你并没有这样做。现在，请思考下面的选项问题：
AD。25％的概率获得240美元，75％的概率损失760美元
BC。25％的概率获得250美元，75％的概率损失750美元
这个问题很容易！BC选项明显比AD选项更“占优势”（某个选项明显优于其他选项时使用的专业术语）。你已经知道我接下来要说什么了吧？在第一组决策问题中有压倒性优势的选项AD（在第二个决策问题中）是不被看好的那两个，只有3％的受试者一开始就选择了它们，而现在却有73％的受试者选择（上次）概率不理想的选项BC。
宽框架还是窄框架？
这些选择题使我们意识到人类理性的局限性。这些选项首先让我们了解到人类偏好的逻辑一致性，无论人们偏好的是什么，甚至是永远到达不了的海市蜃楼。再看一下最后那个简单的问题，你是否曾想过将这个答案明显的问题进行分解之后，会有很多人选择比较不理想的选项呢？每个有关得失的简单问题都可以通过无数方法分解为选项组合，而分解后的选择很可能和最初的选择不一致。一般来说，这是个事实。
这个例子还说明处于收益状态时规避损失、处于亏损状态时承担风险是需要付出代价的。这些态度会使你不愿冒险，而愿付出额外的费用去得到肯定可获得的赢利，还会使你愿意付出额外费用（包含在预期价值中）以避免肯定的亏损。两种情况下付出的这些钱来源都一样，在同时面临这两种问题时，你的矛盾态度就不会很乐观。
决策（1）和决策（2）有两种解释方式：窄框架：分别思考两个简单的决策问题。宽框架：一个有4个选项的综合决策问题。
在这个例子中，选择宽框架明显更好。的确，在任何情况下，将多种决策综合考虑都会更有优势。假设同时考虑5个简单的（二选一）决策问题。宽（综合）框架需要考虑的是包含32个选项的综合选择，窄框架需要考虑的则是一连串5个简单的选择。5个连续的选择会是宽框架中32个选择的一部分。利用宽框架是最好的做法吗？有可能，但人们却不太可能这样做。一个理性的经纪人当然会利用宽框架进行考虑，但人们天生喜欢