按照一般的推理思路，你可能会选择网球或乒乓球，因为它们看起来具有企业家可能喜欢的运动的所有特征，但这却是一个不明智的选择。因为，无论是乒乓球还是网球，他们都包含在“球类运动”这个更大的代表性范畴之中。
代表性偏差的主要表现是在搜集信息时忽略样本的大小。统计学原理告诉我们，在分析事件特征或规律时，统计样本的大小具有重要而关键的意义。统计分析过程中，样本的数量愈接近真实的数量，统计的结果也就愈可信。也就是说，样本越大，其真实性越大；样本越小，其真实性越小。
我们分析事件的代表性，目的是对同类事件以往所出现的各种结果进行统计分析，得到结果的概率分布，从而找出发生概率最大的结果即最可？？分析时，必须考察所有的同类事件样本，或者考察尽量多的同类事件样本。
比如，企业在做产品知名度、满意度或新产品上市前的消费者偏好之类的市场抽样调查时，有的企业采取拦截访问的抽样方法，这种方法简便易行，但是无论怎样控制样本和访问的质量，这样收集的数据都不会对总体有很好的代表性。而采用随机抽样进行入户访问，则是较好进行总体推断的抽样调查方法。因为，拦截访问受到抽样地点选择的影响，受访者的样本群体结构与实际的总体群体结构并不会完全一致，因此通过拦截样本来推断总体的情况就会出现代表性偏差。而且，如果我们趋向于在很少的数据基础上很快地得出结论，那势必动摇决策科学性的根基。
陷阱四：可得性偏差
人们在形成判断的过程中往往会根据可记忆的、明显的和常见的例子和证据进行判断，即使是在他们拥有有关的信息的情况下也是如此。也就是说，人们在形成自己的判断的过程中，往往会赋予那些易见的、容易记起的信息以过大的权重，而对大量的其它必须考虑的信息“视而不见”。人们通过不费力地回想出的信息进行概率推断，结果导致判断误差。很多的商品广告就是在强化人们对某种商品的熟悉和认知程度，从而达到刺激人们购买的目的。
一般情况下，人们通常根据事例或事件的发生能够回忆起来的难易程度，来估测某一类别的频率或某一事件的概率。例如，在你的单位里，不长的时间里出现了几起因心脏病发作的中年人，你可能就会通过这些事件来估测中年人发作心脏病的危险。你也可能根据你朋友或熟人创业的成败而得出创业成败的概率。可得性对于估计事件发生概率是一种有用的思路，但也容易因为对于可得性的依赖和信赖而导致预测偏差。
可得性偏差主要表现在两个方面：
可提取性导致的偏差
在根据某一类别的事例的可得性来判断类别的大小时，事例易于提取的类别会比频率相等而事例较难提取的类别显得数目更大。行为心理学家曾经做过这样一个实验：实验者先给受试者听一份男女名人的名单，然后要求他们判断名单中男性的名字是否多于女性的名字。实验者将不同的名单提供给不同的受试者群体，在某些名单中男性相比女性更为著名，而在其他名单中女性相比男性更为著名。对于每份名单，受试者都错误地判断名人更多的类别，就是数目更大的类别。
同时，事件的鲜明性会影响事例的可提取性。
例如，人们亲眼看到一所房子发生火灾，比他在看电视、报纸报道一则火灾的感受，前者肯定比后者有着更为强烈的主观影响。而且，最近发生的事件可能比较早发生的事件更容易回忆起来，这就是近因效应的影响。当你目睹一部汽车倾覆在路旁时，你会暂时调高交通事故的主观概率。
媒体的影响
美国的心理学家做过这样一项研究，研究者请人们对瑞典、印度尼西亚、以色列、尼日利亚这四个国家的人口数目进行排序判断，研究结果证明，被试对一个国家了解的越多，他们对这个国家的人口估计也越高。而且，被试关于这个国家的知识，与一年中这个国家被《纽约时报》提及的次数有相当大的相关。毫无疑问，媒体在给我们提供了大量信息的同时，它们也在左右着我们的思维。根据媒体这些可得性信息做出判断，也可能使我们进入陷阱。
在交通工具中，飞机、火车、汽车哪一种更危险？很多的朋友下意识地说飞机最危险？据美国全国安委会对1993～1995年间所发生的伤亡事故的比较研究，坐飞机比坐汽车要安全22倍。相对于汽车和其它交通工具，飞机大概每飞行300万次才发生一起故障，也就是说，如果一个乘客每天做一次飞行，那他要不停的坚持8200年才可能赶上一次空难。事实上，在美国过去的60年里，飞机失事所造成的死亡人数比在有代表性的3个月里汽车事故所造成的死亡人数还要少。所以，无论从交通工具本身、乘坐安全系数、驾驶员素质、事故率、死亡人数等方面来看，飞机都是远远超过汽车、火车等最安全的交通工具。