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。
