春節時有個朋友在杭州，而此次杭州發生了疫情，他非常恐慌擔心會出現類似武漢的封城事件，因此飛快的請假離開了杭州避免被留在這個地方。但實際的情況是杭州只是封閉了部分小區，大部分區域都是正常的，沒有出現封城事件。
開車時，人們在大車旁邊時會非常的恐慌，都不希望離大車很近，因為之前看到了太多的視頻中，大車車禍時出現的慘痛畫面，讓人們非常的恐慌。而實際情況是國內壹年發生車禍的概率約為0.000625，死亡率是0.00016，而大車的車禍概率比這個更低，看這個數字時會覺得發生車禍的概率可以忽略不計。
另外壹個收益相關的例子就是彩票，所有人都知道彩票是小概率事件，但中國彩民的規模有3億，壹年交易額達到5400億。
同樣都是低概率的事情，這麽多人會樂此不疲呢。那是因為車禍的報道和疫情期間產生的恐慌效應讓人們歷歷在目，畫面感非常強。這個是系統1做出的決策，雖然知道概率非常低，但是仍然會希望保護自己。同樣中彩票的報道每天都可以看到，這種中彩票的欣喜會讓人難以忘記。
可以看出，人們做決策時不是依據概率，而是根據大腦中的記憶來做決策的，畫面感越強，決策權重越高。
按照剛才的例子，如果我告訴妳中國車禍死亡率是0.00016，妳肯定沒有什麽感覺，覺得是低概率事件，但我告訴妳中國每年車禍約20萬，死亡人數約5萬人。但看到 「23萬」 與 「5萬」 這兩個數字時仍然會非常恐慌，馬上又這是高概率事件。
卡尼曼提出了壹個 「效用層疊」 的概念，當出現小概率事件時，壹些次級媒體會報道，引起人們恐慌和關註，馬上更多的媒體報道，導致更多的人知道引發更大的恐慌，如此循環。
壹位妳經常打交道的朋友突然冒犯了妳，妳肯定會覺得朋友出了什麽事情，不會太放在心上，因為妳知道這只是小概率事件。妳經常去買東西的小賣部找錯錢了，妳也會覺得是小概率事件。
為什麽這種情況下人們會忽略小概率事件呢，這是因為經驗在幫助妳做決策，經驗會告訴妳這是壹個小概率事件，不會壹直發生，不會做過高權衡。
2007年華爾街銀行家們不會想到會有這麽大的金融危機，因為幾十年都沒有問題。這次疫情之前同樣沒有人預料到有這麽大的影響。
所以當人們沒有經歷過這些大的事件時，都會普遍低估概率，但當經歷過之後，會高估事件的概率，然後隨著時間流逝逐漸淡忘，直到再次發生，再次循環，這就是災難循環。