第十章 小数原则
本章的逻辑脉络:
一.样本效应
样本效应,即:
大样本比小样本精准;
小样本比大样本容易得出极端的结果。
通过例子:“一项针对美国3141个郡所做的肾脏癌研究,肾脏癌发生率最低的郡多半时在乡下,人口稀少,传统上属于共和党的州,分布在中西部,南部和西部。”
提出问题:你怎样评断这个分布形态?
遇到事件,你会如何反应?你可能聚焦到人口稀少的乡村肾脏癌也会很少发生这个事件上。
聪明的统计学家解释到:我们很容易去推论患癌率低是因为乡下空气干净,没有污染,加上食物新鲜,没有添加物。
这部分解释就会和我们常认为的乡下贫穷的生活形态,没有好的医院,高脂肪食物等,产生的结果是矛盾的,冲突的,不自洽的。
所以主要的问题不是发生在乡村这件事,而是乡村人口稀少。小样本,就越容易得出极端的结果,即使是统计学家也会有很差的直觉。
大样本比小样本更值得信赖,只有在大数原则下才可以去追问概率的原因。
总结得出:聪明的人即使知道自己有很多谬误和偏见,但往往也没有办法摆脱它的发生,是因为系统一的作用,和缺乏对系统二的刻意练习。
系统一会从联结记忆中提取事实和建议,易被激发,非常快,不费力气。即使要花力气,启动系统二来分析与计算,系统二也会因为的费力和不舒适,直接使用系统一。
所以系统一会非常习惯性的适用思维方式:自动,不花力气的找出事件间的因果关系,甚至是假关系。
二.小数原则
小数原则,即越是极端的结果越容易出现在小样本事件。
文中指出,任何样本大小的错误风险,都可以用一个很简单的方式来预估。即通过计算
但实际情况是,即便是统计学家也没有用计算的方法来减低风险,而是选择相信自己的直觉。
结论得出,对于小数原则的信任容易造成这样的一些后果:
耗费较大的时间和精力,无法验证假设的事实性,如果选择小数原则很多时候都只能靠运气做决策。
三.对自信的偏见压过怀疑
文中作者给出例子:在针对300名老人的电话调查中,有60%支持总统。
结论:“人们对样本大小并没有足够的敏感度”
告诉我们的系统一并不擅长怀疑,会压抑不确定性,而且会自动去构建故事,使一切看起来合理。小数原则就是系统一偏好肯定,不喜怀疑的例子。
系统一会倾向夸大所见事务的一致性和合理性。会跑到事实前面,去构建一个丰富的影像——刻板印象。
一旦系统已形成一种刻板印象,就会深陷进去,并且你会不断的强化联结。
所以我们一定要警觉,自己的刻板印象,保持绿灯思维。
四.对随机事件进行因果解释必然时错误的
我们是形态的寻找着,合理世界的信仰者,即我们习惯从随机事件中寻找规律,一旦找到就不再认为随机。
比如遇到灾难以后,乞求上帝保佑,当度过灾难后就觉得是上帝的保佑了。