爱华网代表性经验判断指人们凭经验已经掌握了一些事物的“代表性特征”，当人们要判断某一事物是否出现时，只需要看这一事物的“代表性特征”是否出现。这样，以两类事件是否具有相似性或代表性特征为依据，通过事件A的相关数据与信息评估事件B。
在做出决策的时候，我们往往会搜索同类事件出现的结果，并以此作为推理的主要依据。一般情况下，这是一个有用的分析方法。但是在寻找规律或结果的概率分布的过程中，当代表性使得你忽视其他类型的相关信息时，它就会让你误入歧途，从而得到错误的信息，并导致决策的错误。这就是决策中的代表性偏差。
举一个例子，现在给你一份关于一个成功的企业家的材料：这位企业家个子不高，显得有些清瘦，眼睛不大但目光犀利，他的成功来自于他顽强的意志和不服输的竞争动力，但是，自负的神气好像让他有些孤独。他有一个锻炼身体的习惯，每周会花不少时间从事他喜欢的运动，请你猜测一下，这位企业家喜欢的这项运动是什么呢？选项有六个：
（1）快步走路；
（2）一项球类运动；
（3）乒乓球；
（4）一项田径运动
（5）网球。
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能发生的结果，为我们的决策服务。所以，在决策分析时，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。
