《思考，快与慢》的作者是丹尼尔卡尼曼，2002年诺贝尔经济学奖得主，他是一位深刻的思想家和心理学家，50多年来致力于研究人类思维的特点及弊端。
《思考，快与慢》谈到，我们的大脑有快与慢两种做决定的方式。“快方式”，这里称为“系统1”，是指无意识地依赖情感、记忆和经验迅速作出判断，它能迅速对眼前的情况作出反应，但它固守“眼见为实”，会因为“损失厌恶”、“乐观偏见”等原因导致我们作出错误的选择。“慢方式”，这里称为“系统2”，是指有意识地调动注意力来分析和解决问题，比较慢，不容易出错，但系统2很懒惰，经常走捷径，直接采纳系统1的直觉型判断结果。
《思考，快与慢》第10章是“大数法则与小数定律”，让我震惊的是，我们这样被统计数据玩弄而不自知！
一个生动的例子
统计显示，美国3141个县中，肾癌发病率最低的是偏远、贫困的小县城，我们是不是主观上会得出，偏远贫困县污染少、空气好所以癌症发病率低？然而，打脸的统计结果，同时也发现，肾病发病率最高的也是偏远、贫困的小县城，那我们是不是再给出一个解释，那里医疗条件差、生活质量差？
背后的真实原因是小数定律，小样本的统计结果不足信。一个简单的类比可以解释，一个盒子里有若干个红球和白球，从里面拿4个球和7个球，全红或全白的几率，肯定是拿4个的时候更大，两者的几率比是1/8：1/128，这也就是小城市发病率是最高也是最低的原因。
1、小样本的出错风险可能高达50%
小样本的情况下，任何情况出现的概率都更高，所以，要论证一个结论，要采用计算方法来确定样本规模，而不是依靠直觉印象做决定。
2、信任多于质疑的普遍性偏见
在一次面向300名老年人的电话民意调查中，有60%的人支持总统。如果，我们快速理解这段新闻，就会变成“老人/支持/总统”，而忽视了媒介为电话，样本为300人。因为我们关注更多的是新闻本身，而不是其结果的可信度，只有当新闻对可信度有明显的导向性，才会怀疑。
小数定律下，人们会倾向于以自己看到的少数情况来推断整体情况，也就是我们常说的以小见多。系统1在了解事实之前根据零散的证据拼凑一个饱满的形象，急于下结论的机制就会运作起来，会建构一个言之成理的说法使你相信自己的直觉判断。
3、对随机事件作出因果解释必然是错的
一个医院的婴儿出生，以下序列产生的可能性是一样的么：男男男女女女；男男男男男男；男女男男女男。
我们第一反应是“肯定不一样”啊，但是，这样的反应是错误的！因为每个婴儿的出生都是独立的，并且生男生女的概率也几乎相等，6个婴儿任何一种可能的性别顺序都与别的顺序概率相等，而不是第2种概率最少。
宾夕法尼亚州对1662所院校的调查中，排名前50名的院校里有6所规模都较小，是普通院校的3倍多。这个数据使得盖茨基金会积极投入大量资金建立小规模的院校，有时会采取将大的院校拆分成晓得院校的方法。
我们可能会觉得这很有道理，会从因果角度去解释小规模院校为什么可以提供优质教学。然而，这样的因果分析是无意义的，结论也是错误的。如果调查最差学校的特点，统计学家也会发现，那些较差的学校也比水平一般的学校规模小一些！
我们习惯把观察统计结果归结到因果关系的解释上，但是，事实上，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。
通过以上的例子我们可以看出，统计数据通过“快思考”可以引导我们“正确”地犯错，而我们却浑然不知。因此，我们不能轻易的相信统计结果，也不能轻易地去解释统计结果背后的原因，我们要用慢思考来认真对待统计数据，才不至于得出错误结论和错误的决策。
网友评论