第14章、猜一下，汤姆的专业是什么？
1、尽管通过典型性做出预测的做法很普遍，但是在统计学上这一做法并不是最优选择。
-
评论：通过典型性来做出相应的预测是我们自认为正确的，但是事实上，我们应该从统计学学的角度出发来进行判断，要通过概率判断而不是以特殊情况来概括一般情况，我举个抖音中经常出现的例子：
例：很多女生在被问到她们的理想男友时，总是有一条：对方的年薪不能低于20万或者30万或者更高。这就是通过典型性来做出预测，高薪资的人数本质上是少数，通过日常生活中偶尔看到的现象，我们以为大部分人的薪资都有几十万，但是国家统计局的资料显示，全国还有超过6亿人的月工资不超过1000元，也就是说有超过50%的中国人月薪只有1000元左右。忽略统计学上的数据，而一昧寻求少概率的事件，是不明智的选择。
2、典型性的第一桩罪就是：它过于喜爱预测不可能发生的（低基础比例的）事件；
典型性的第二桩罪就是：它对证据质量不够敏感；
又：当你怀疑信息的可靠性时，可以做一件事：做概率判断时，往基础比例那方面想，别期望遵循这条原则会很简单-----他需要在付出很多努力的情况下，才能实现自我监督和自我控制。
- 评论：我们之所以会依据典型性来判断预测是因为典型性事件引发了我们的兴趣，他们符合我们对事物的认知，但是典型性事件本质上呈现出：1.发生概率可能比较低；2.没有坚实的证据这两个因素的干扰，因此通过典型性事件来预测判断容易出现错误。路上看到交通事故就认为是女司机开车、遇到问题就认为是别人的错等都是通过典型性事件的错误判断。要时刻记得“概率”二字。
3、用贝叶斯定理来约束直觉，有两点要注意：
- 以相对合理的基础比率（概率）来对结果的可能性作出分析；
- 质疑你对证据的分析；
- 评论：你认为某件事情发生的概率为60%，那么你就必须相信：这件事情不发生的概率就一定是40%，我们要注意逻辑上的前后连续性。
第15章、Linda问题的社会效应
1、合取谬误
：人们总是会认为两件事情的联合出现会比只出现其中一件事情的可能性要大，此时就出现了合取谬误。
-
评论：相信两件事同时出现的可能性较大是因为描述更加详细了，增强了说法的可信程度，举个例子：
例：Linda经常坐地铁去图书馆查阅相关资料，而且经常拿着电脑去星巴克，一呆就是一个下午。
请问，以下哪个说法对小王的描述更加准确：
(a).Linda是一个刻苦用功的人;
(b).Linda是一个刻苦用功的学生，正面临毕业的压力；
说法(b)对Linda的描述更加准确，但是记住，这些都是猜测，哪个猜测的可能性更高？应该是第一个，因为没有告诉你Linda的年龄或者查阅的资料内容，(b)说法给的预测太多，更有可能出错。
第16章、因果关系比统计学信息更有说服力
1、“统计学基础比率”是指某一事件所属类别的的事实总量，与单独的事件无关；而“因果关系比率”则会改变你对单独事件的看法。
- 评论：统计学基础比率看不见摸不着，我们的大脑更加偏向于因果关系的说法。
2、
统计学基础比率普遍受到轻视，到那个人手头有与该事件相关的具体信息时，有时还会完全忽略这一比率；
因果关系基础比率被视为个别事件的信息，人们很容易将这一比率与其他的具体事件的信息结合起来思考问题。
- 评论：遇到问题时要多思考，不要妄下结论，因为你很可能忽略了统计学的基础比率，而是通过因果关系得到了错误的结论。
3、思维定式：思维定式是指人们会（至少暂时会）将自己的某个对团体的看法延伸到对这个团体中每一个成员身上，即：团体中存在某些问题，则团体中每个人都会存在这个问题。
-
评论：这应该也是光环效应的一种，举几个
的例子：
例1：上海人很多都是有钱人；
例2：日本人普遍比较有礼貌；
例3：女生大都希望嫁给比自己条件好的男生；
例4：很多男生喜欢肤白貌美的女生；
例5：王者荣耀在学生中非常受欢迎；
例6：每天晚上广场上到处都是在跳广场舞的大妈大叔；
4、
又：相较于非因果关系的信息来说，用因果关系进行解释的统计学结果对我们的想法影响更大，但即使是具有说服力的因果关系数据也不会改变我们在个人经历中形成的长期坚守或者是根深蒂固的信念。
- 评论：一条可以应用于教学中的法则：以一些特殊的例子来引起学生的兴趣，从而让他们自主归纳，而不是替他们自主归纳，这样他们什么也学不到，因为系统2是懒惰的，除非需要，否则他绝不会自己运行。
