《思考快与慢》10

第十六章因果关系比统计学信息更具有说服力
一开始就用不同颜色出租车在案件发生的可能性不同来引申出后面的因果关系和基础比率，文章分两个小节，【因果关系与基础比率】和【我们并没有自己想的那么乐于助人】。在第一小节中，有一个概念，思维定式。系统1的特征（代表范畴规范和原型规范）如果具有社会性的话，形成的典型形象我们称为思维定式，（将自身对某个团体看法延伸到这个团体的每一个成员身上）。例如说起法国人的浪漫，或者我们对某些省份的地域偏见等等，都是基于这种因果关系的偏见。第二小节主要通过“帮助实验”表明对于需要帮助者，我们有很大概率寄希望于别人去帮助。对于这样的事件，即使是具有说服力的因果关系统计数据也不会改变我们在个人经历中形成的长期坚守或是根深蒂固的信念。

第十七章所有表现都会回归平均值
（谢天谢地，本章节不是难么的难读）
文章分两个小节【第二次表现与第一次并无因果关系】和【回归现象的意义不亚于发现万有引力】
通过举出飞机飞行，体育画报的诅咒，高尔夫球的表现等例子说明，表现好与表现差两种情况是孤立的现象，并不会因为你对表现好的鼓励和对表现差的惩罚而改观，是一种波动现象，然而我们对于这种波动较为敏感，会附加一些原因上去，例如古时候的跳大神，祭祀，遇到灾难后通过祭祀期望第二年风调雨顺，来年果然风调雨顺，如果没有，那继续再祭祀，因为灾难和丰收会回归到平均值，不管你再怎么采取办法。当然对于这种平均值的回归并我认为会随着次数的增长呈现正增长和负增长。

如图 《思考快与慢》10

第十八章如何让直觉预测更有效
大脑激活的过程：由信息和问题激发起联想记忆，然后自我反馈，最后选定最具连贯性的合理性方案。本文的案例又一次回到了之前讲的回归性，强度匹配，有限信息量，基础比率，联想的轻松程度，奚恺元的少即是多。算是对前面的一个小总结吧，或许这只是我自己的想法。
对于如何处理直觉预测的方法是：估计出平均值，根据对证据的印象算出与之相匹配的平均绩点，在对证据和平均绩点的关联进行估计，根据关联度，从估算出的平均绩点的平均值中抽出这个关联度值，放到与之匹配的平均绩点里。（我也看不懂）
这个说的有点太学术化了，我把它理解成，找到标杆，找到差距，量化差距，缩小差距。