【概念原文】
1、（1）大样本比小样本更精确。（2）小样本比大样本产生极端结果的概率大。
2、小样本的出错风险可能高达50%，我并不是唯一一个愚蠢的人。大多数受试者都会犯和我一样的错误。显然，即使是专家，在选择样品大小时也无法充分集中注意力。
3、系统1并不善于质疑。它抑制了不明确的信息，不由自主地将信息处理得尽可能连贯。除非该信息被立刻否定，不然，它引发的联想就会扩散开，仿佛这条信息就是千真万确的。系统2能够提出质疑，因为它可以同时包含不相容的多种可能性。然而，保持这种质疑会比不知不觉相信其真实性更加困难。小数定律是普遍性偏见的一种表现，即对事物的信任多于质疑。
【概念重述】
我们通常基于我们的经历而做出的判断，很有可能是错误的。比如说，前段时间的疫情，身边有些人烧成飞燕，甚至是病情加剧。于是乎你得出了一条结论，这个病很厉害，开始感到焦虑。但是很有可能是你的统计飞燕的样本数据有限，在数据很小的时候就容易发生极端概率，如果我们把视角放眼全国的人口，可能这个概率就会大大降低。
同时，我们在看到一些所谓统计分析给出的数据，也有可能存在被误导的可能。比如说我们在统计两个研发部门的女高级工程师的比例时：很可能部门人数少的女高级工程师会出现极高或极低的比例。从而你的推断有可能得出这样错误的结论：研发部门女性工程师成为高级工程师的可能性是极高或极低的。
这些现象都是因为我们的系统1不善于质疑并且非常善于联想，自动编成具有一定逻辑的故事。而我们的系统2虽然很善于质疑，但是它却很懒惰，轻易不会出场发挥它的“聪明才智”。
【个人体验】
我们在招聘一位员工时，很容易因为他在试用期表现非常不错，进而推断出他在转正后的表现也仍旧会很好，于是会有转正提薪的激励措施。但是，事实的真相是，大部分时候，该员工的表现会逐步趋于稳定，或者是处于一种波浪的状态，而非表现持续走高。
【行动指引】
1、工作中给出的数据和报告的概率问题，一定要关注样本有多大，避免误导；
2、评价一个人后续的行为表现时，不要过于悲观也不要过于乐观，基于事实；
3、做统计分析时，在样本不多的情况下，最好实事求是的调研，避免过早下结论。
【书中金句】
1、“人们对样本大小没有足够的敏感性”；
2、统计学家的很多观察研究都可归结到因果关系的解释上，但他们却不承认是这样的。许多事实其实只是巧合，包括事件的采样。对偶发事件作出因果关系的解释必然是错误的。
网友评论