这本书已经读了快一半了，我也积攒了很多需要写的东西。大叔定律，哈哈，无情啊大叔。小样本不能说明事情的规律性。这一句话就足够了，我学过概率统计的一点基础知识，应该能算出来的什么时候该接受统计结果。“在一项300人的调研中，百分之60的人支持总统”，这句话可以说明总统的支持率偏高吗？
无法区分信息的可靠度，不由自主的将信息处理的更加连贯，夸大所见事物的连贯性和相容性，急于下结论的机制会运作起来，构建一个言之有理的说法使你相信自己的直觉。但是请你千万注意，你觉的合理的情形有千千万万种形式，你一定要立即否定自己的看法。
因果关系是重要的，但是并不是任何事情都有这种关系，对于随机事件而言，用因果解释就会导致错误。有时候，一切都是缘分呢。
锚定效应，你应该假设任何一个公开谈判时的数字都对你有锚定效应，如果概率大，你应该抵制该效应。将其注意力集中在对方能接受的最低值或对方无法接受的费用上时，锚定效应就会抑制或者消除。
涉及自身情况，关注事件数量，不涉及自身情况，关注流畅度。到不如说系统二参与的程度。但是，我想不到谁会刻意去举出自己想不到的例子，人们似乎更愿意回想自己可以想起来的事情。可得性，回想的轻松的程度，是否是由认知放松决定的呢？流畅的感觉是否是事情成功的关键呢？这一条似乎是可以采用的。
典型性启发，用相似性来回答概率问题，概率问题难啊，需要很多数据，而这些数据很可能一般人掌握不到。相似似乎很有道理，那到底有没有道理呢？作者用一个很好的例子来说明：汤姆的专业以及琳达的工作，在基础比例下增加描述是会减小概率的，也就是说相似根本就没有道理。是我们自以为的道理，我可以理解，但是很别扭。而且也想不通推理的作用似乎被弱化了。我应该读一下贝叶斯了。刚才吃饭的时候，我想了很久我发现 问题不在于这个概率到底是多少，而是我忽略了基础概率，认为他就是我要找的那个人。问题的关键是，忽视基础概率。更不靠谱的是关于这种情况（描述条件），我猜想的，也可以说是推理的过程需要几个非常苛刻的条件，而这几个条件同时满足的概率还没有在全国人中恰好出现这样一种情况高。
惊讶的个体案例更加具有影响力，对于这一事实我的解读是，就算知道统计数据，我们也难以想象和自己有什么关系，而用个体案例似乎更加容易有切身体会。具体永远比抽象更加生动，深入人心。而且从一开始建立更加直接明了的因果关系，或者叫做突触连结，比拐弯抹角更好，教科书不都是这么写的吗？所以想留下印象，想建立联系，就多运用因果关系吧。对于改变自己也是哦，找反面个例就好了。
网友评论