摘录

当问及如何解释自己的行为时，很多人都会将行为“理性化”，也就是说，人们用备选方案及其结果来解释自己的行为。
人们在解释他人的行为时，也通常会想象出一组期望和偏好以使他人的行为理性化。
当把风险考虑在内时，决策就可以看做是某一行动的期望值（或中数）和结果的概率分布的风险（或方差）的联合函数。
许多现在被抛弃的理论都曾有过长期辉煌的过去。
决策者们不会考虑所有的备选方案，相反，他们仅考虑为数不多的几个备选方案，而且不是同时研究，而是按顺序研究这几个方案。
决策者们不会考虑备选方案的所有结果，他们把注意力集中的某几个结果上，而忽略其他，他们通常不会去寻求与结果相关的信息，也不采用有些可获信息。
决策者寻找信息，但是他们所看到的是他们期望看到的，期望之外的则完全被忽略。
决策者们倾向于在进入选择过程之前对问题进行编辑和简化。
决策者尝试分解问题，把大问题转化为它的各个组成部分。
他们通常会满足于发现了一组足以解决问题的条件，而不去发现最有效率的一组条件。
个体、专家和决策者有很多办法“发现”真实性，而真实性以恰巧与他们的自身利益相一致。
统计学家们总是在努力提高数字的技术质量，而不考虑政策的结果。
追求真实性的过程与追逐利益的过程实际上是交织在一起的，互相做出一些让步，甚至从某种意义上讲，彼此互相支持。
决策者似乎更倾向于选择“满意化”而不是“最大化”。
最大化表明选择的是最佳备选方案，满意化则表明选择的备选方案优于某一标准或目标。
最大化搜寻（maximizing search）对预期收益和成本的变化反应灵敏。
满意化程序对当前选择的绝对价值的变化反应灵敏。
满意化搜寻（satisficing search）则对备选方案相对于目标的当前地位反应灵敏。
人们不仅根据自己的经验调整愿望，也根据他人的经验调整愿望。