在《思考·快与慢》的第十四章，作者由猜汤姆所学的专业、按可能性进行排序的问题，开始了本章的主题。
如果不给任何的信息，猜专业主要是估算招生人数，然后得到各个专业的占比情况，也就是书中说的“基础概率”思维。
但是如果在问题中加入一些关于汤姆的个性特征，比如书中说的“缺乏创造力”、“智商高”、“待人冷淡”、“不愿与他人接触”等等，这个时候，计算机专业的排名就会大大提升。这个现象被称为“典型性启发”。
对典型特征的感性认知，会覆盖掉对于概率的评估，从而很容易带来误判。
可是我们在生活和工作中，用典型性进行判断十分常见，突出的一种就是那些个的K线图形态，什么红三兵、头肩型、十字星等等，但是后续涨或者跌出现的概率呢，常常没有人去关心。
人们习惯于去寻找随机事件的特征，而一旦去想特征型问题，就自然而然会忘记更为关键的东西：概率。
按照书中的观点，典型性启发有着两宗罪，第一是高估低概率事件，第二则是对证据质量不够敏感。
为什么呢？因为那些带来启发性思考的“典型特征”是直接作用于我们的感性直觉（快思考），并且这种情况下，人们的理性思维会变得懒惰、不活跃。
这就造成了，即便我们知道其中的原理，可能仍然无法避免用那些“典型特征”去判断或者“预测”事件。
“原则上讲，你当然知道不值得信任的信息就相当于没有信息，但是眼见为实使你难以遵循那条原则。除非你决定立刻否定证据，否则你的系统1会自动将这一条信息视为真实的”。
那么，对于典型性启发带来误判的回应是什么呢？书中给出的解决方案便是跳出特征分析，让“信念受限于概率逻辑”，也就是说，用“贝叶斯定理来约束直觉”。
贝叶斯定理是一条很重要的数学定律，描述的是在给定条件下，特定事件发生的概率情况（注意这个“给定条件”，还有就是“概率”）。贝叶斯定理的关键之处不在于它所描述的数学概念，而是一种对概率思维的强调，并让概率评估和证据结合的思维方式。
而关于证据，丹尼尔·卡尼曼告诫我们：在尽可能合理估算概率的情况下，绝对不要忘记，去质疑你对证据的分析。
