【读书笔记】思考，快与慢（二）

系列

• 【读书笔记】思考，快与慢（一）
• 【读书笔记】思考，快与慢（二）
• 【读书笔记】思考，快与慢（三）

我的理解

这里的基础比率就是前面第7章中的比率忽略的内容。作为人类，我们常常会忽视基础比率，这是因为我们的系统一对更“特殊”的事物感兴趣，而我们碰到的大多数事情都是“一般”的。从另一个方面，系统一在快速判断的时候，又偏爱更“典型”的信息。这是在长期的进化中得到的经验：我们需要关注事物的特殊性以躲避危险，在文明社会之前，一点点的特殊性带来的后果都是致命性的。

系统一会引起一个错误的直觉，系统二则直接不加评判地采纳这个直觉。忽视和懒惰是主因。在进行复杂的价值判断时，系统一倾向于考虑平均值而不是考虑累加值，这就是“少即是多”的现象存在的原因。

聪明的女人常常会嫁给不如她们聪明的男人。要理解这个现象，甚至不必使用均值回归来解释。只需要考使用“聪明的男人常常会娶不如她们的女人”这个概念就行了。两个概念其实时同等的概念，只是因为在社会中女性常常是弱者并被认为不如男性聪明，使得“聪明的女人”变成了一个“特殊”事物并具有“典型性”，系统一使用了这个思维定式。

如果孩子的考试成绩一致很好，突然有一次考试低于 80 分。那么首先考虑的不应该是均值回归现象，而应该是拿到这次考试她的同学的得分进行比较，因为同学之间分数的“相关系数”是很高的。只有相关度不高的情况才会出现回归平均值现象。

最近红黄蓝事件官方出的调查报告被人诟病也是相同的原因。ZF 的公信力不足，导致了民众的思维定式，再配合 《乌合之众》中提到的“群众不必负责的心态” ，就造成了当前的局面。

系统一最喜欢的是因果关系，它希望第一时间找到因果，找到了之后它就会通知系统二，然后系统二就信了。

摘录

名词

• 基础比率
• 贝叶斯定理-贝式统计学（Bayesian statistics）
• 概率和可能性的区别
• 典型性的两宗罪
• 合取谬误
• 思维定式
• 帮助实验
• 回归平均值（均值回归）
• 相关系数
• 少即是多

概念

"并无迹象表明除了判断典型性以外，受试者还用了别的方法。因为关于概率的问题较难回答，而关于相似性的问题就比较简单，所以在回答时受试者就置换了问题。这是一个严重的错误，因为对相似性和概率的判断所遵守的并不是同一个逻辑规律。我们对相似性的判断可以完全不受基础比率的影响，不受可能会出现的不当描述的影响，但是在判断概率时，如果忽略基础比率和证据的可靠性的话，就注定会犯错误。" (章节:第14章 猜一下，汤姆的专业是什么？)

"对于外行人来说，概率（在日常生活中和“可能性”是同义词）是一个相对含糊的概念，与不确定性、倾向性、貌似正确以及出乎意料等词紧密相关。模糊性和令人不爽的感觉不都是这个概念所特有的特性。" (章节:第14章 猜一下，汤姆的专业是什么？)

"关于概率或可能性的问题引起了思维的发散性，让人想起比较简单的问题的答案。其中一个简单的答案就是对典型（代表性）的自动评估—在我们理解语言时这种现象很常见。" (章节:第14章 猜一下，汤姆的专业是什么？)

"在这些例子及其他更多例子中，典型的形象特征左右着我们对典型性的判断，受这种典型性启发得到的预测有可能是对的，这样的说法在某种程度上就是事实。然而在其他情况下这种典型形象却是错误的，因而典型性的启发也会造成误导，尤其会使人们忽略基础比率信息、找错预测方向。即使启发性具有一定的真实性，但绝对依赖启发效应就是违背统计学逻辑，是有严重“罪过”的。" (章节:第14章 猜一下，汤姆的专业是什么？)

"典型性的第一宗罪就是，它过于喜爱预测不可能发生的（低基础比率的）事件。 " (章节:第14章 猜一下，汤姆的专业是什么？)

"一旦人们作出一个错误的直觉判断，系统1和系统2都脱不了干系。系统1引起了错误的直觉，系统2采纳了这个直觉，并将其运用在判断当中。然而，造成系统2犯下此类错误的原因有两个——忽视与懒惰。许多人忽视了基础比率，因为在有个人信息的情况下他们认为基础比率与问题并无关联。另一些人犯下同样的错误则是因为他们没有将注意力集中在任务上。" (章节:第14章 猜一下，汤姆的专业是什么？)

"典型性的第二宗罪是它对证据质量不够敏感。请回想系统1的眼见即为事实的原则。在汤姆的问题中，激活你联想机制的是对汤姆的描述，且这个描述不一定是真实的。对汤姆“对人冷淡，缺乏同情心”的表述也许能让你（以及许多其他读者）相信他不太可能是社会科学与社会工作专业的学生。然而，彼时你已经清楚地知道这样的描述是不可信的。" (章节:第14章 猜一下，汤姆的专业是什么？)

"原则上讲，你当然知道不值得信任的信息就相当于没有信息，但是眼见即为事实使你难以遵循那条原则。除非你决定立刻否定证据（例如，你坚信的信息是从一个骗子口中得来的），否则你的系统1会自动将这一信息视为真实的。当" (章节:第14章 猜一下，汤姆的专业是什么？)

"当你怀疑信息的可靠性时，可以做一件事：作概率判断时，往基础比率那方面想。别期望遵循这条原则会很容易—它需要在付出很多努力的情况下，才能实现自我监督和自我控制。" (章节:第14章 猜一下，汤姆的专业是什么？)

"第一，基础比率十分重要，即便是在手头的案例已有证据的情况下依然如此；第二，通过分析证据得到的直观印象通常都会被夸大。" (章节:第14章 猜一下，汤姆的专业是什么？)

以下是对贝叶斯定理关键点的总结：

• 以相对合理的基础比率对结果的可能性作出判断。
• 质疑你对证据的分析。

(章节:第14章 猜一下，汤姆的专业是什么？)

"通常，当人们没能运用明显相关的逻辑原则时，就会出现“谬误”。阿莫斯和我引入了“合取谬误”（conjunction fallaly）这个想法，通过直接比较，人们总会认为两个事件（在此即为银行出纳和女权主义者）的联合出现比只出现其中一件事（银行出纳）的可能性要大，此时就出现了合取谬误。" (章节:第15章 琳达问题的社会效应)

"实验经济学家约翰·李斯特（John List）对奚恺元的发现进行了复制，他在真正的市场上拍卖两套相同的高价值棒球卡片，每套各为10张，但其中一套附赠3张普通价值的卡片。就像餐具的例子一样，在综合评估中，数量多的组合会比少的更有价值，但在单一评估中则正好相反。" (章节:第15章 琳达问题的社会效应)

• A.伯格会赢得比赛。
• B.伯格会输掉首局。
• C.伯格会输掉首局，但会赢得比赛。
• D.伯格会赢得首局，但会输掉比赛。

上述结果中B和C两项比较重要。B囊括的内容更多，其概率“一定”比自身所包含的一个事件发生的概率大。受试者给出的答案与逻辑相悖，却顺应了典型性和貌似合理性，72%的人认为B选项比C选项的可能性更小—又一个通过直接比较得出“少即是多”的例子。这一次受试者选出的可能性最大的描述无疑貌似更合理，更符合当今世界一流网球运动员身上所具有的所有公认的特质。 (章节:第15章 琳达问题的社会效应)

"他们构建了一个非常复杂的情节，还坚持说这个情节出现的可能性很大。这不是真的，这只是个貌似合理的故事而已。" (章节:第15章 琳达问题的社会效应)

"同一问题的两种表述从数学角度来看并没有区别，但从心理学角度来看则有很大不同。看了第一种表述的人并不知道怎样运用基础比率，通常会忽略它。相反，看到第二种表述的人会对基础比率给予一定重视，他们的平均判断与运用贝叶斯定理解决该问题得出的答案相差不多。" (章节:第16章 因果关系比统计学信息更具说服力)

"这个出租车的实例阐明了两种基础比率。“统计学基础比率”（statistical base rates）是指某一事件所属类别的事实总量，与单独事件无关；而“因果关系基础比率”（causal base rates）则会改变你对单独事件的看法。对两种基础比率，人们往往会区别对待： ·统计学基础比率普遍受到轻视，当人们手头有与该事件相关的具体信息时，有时还会完全忽略这一比率。 ·因果关系基础比率被视为个别事件的信息，人们很容易将这一比率与其他具体事件的信息结合起来考虑问题。" (章节:第16章 因果关系比统计学信息更具说服力)

"这些受试者不愿从普遍现象中推导出特殊性，这一点与他们愿意从特殊现象中归纳出普遍性如出一辙。" (章节:第16章 因果关系比统计学信息更具说服力)

"学习心理学面临的考验是，你对所处环境的理解是否发生了改变，而不是你是否了解到一个新的事实。" (章节:第16章 因果关系比统计学信息更具说服力)

"思维定式是指人们会（至少暂时会）将自己对某个团体的看法延伸到这个团体中每一个成员的身上（团体存在某些问题，其中的成员无一例外也都会有这些问题）。" (章节:第16章 因果关系比统计学信息更具说服力)

"他所观察到的就是众所周知的“回归平均值”现象，这种现象与表现质量的随机波动相关。" (标注: 回归平均值) (章节:第17章 所有表现都会回归平均值)

"两个值之间的“相关系数”指的是两个值共有因素的相对比重。这个值在零和1之间浮动。" (标注: 相关系数) (章节:第17章 所有表现都会回归平均值)

重要的信息

"我曾无意中发现了人类环境中一个意义重大的事实：生活给予我们的反馈常常违背常理。因为当别人取悦我们时，我们也会对他好；当别人对我们不好时，我们也会对他产生厌恶之情。然而从统计学角度来看，我们却是因为对人友好而受到惩罚，因为举止无礼而得到嘉奖。" (章节:第17章 所有表现都会回归平均值)

"成功=天赋+运气巨大的成功=更多的天赋+更多的运气" (章节:第17章 所有表现都会回归平均值)

"我们理解“回归”概念存在很多困难，这些困难皆源自两个系统—系统1和系统2。在相当数量的案例中，即便提供了一些统计数据，若无特殊说明，“相关”与“回归”的关系还是相当模糊的。因此，系统2认为理解这种关系很难。因为从某种程度上讲，这是由于我们总是要求对事物进行因果关系解释，这也是系统1的一个特征。" (章节:第17章 所有表现都会回归平均值)

有趣的范例

"尽管缺乏创造力，但汤姆智商很高。他喜欢按部就班的简单生活，喜欢干净整洁的环境，屋子里的物件要摆放得规规矩矩。他写的文章枯燥，偶尔会写一些老掉牙的双关语，或者迸发出类似科幻小说的火花，文章还显得有那么点生动。他颇具竞争意识。此外，汤姆待人冷淡，缺乏同情心，也不愿与他人接触。尽管他总是以自我为中心，但却有强烈的道德观念。" (标注: 范例) (章节:第14章 猜一下，汤姆的专业是什么？)

• 在大多数情况下，表现得很友好的人实际上也很友好。
• 又高又瘦的职业运动员很有可能是打篮球的而不是踢足球的。
• 获得哲学博士学位的人比只读完高中的人更有可能订阅《纽约时报》。
• 年轻的男性会比年老的女性更不要命地踩油门。

(章节:第14章 猜一下，汤姆的专业是什么？)

"他们将实验受试者分别带入房间，并要求他们对着麦克风谈论自己的生活和烦恼。他们轮流叙述两分钟，每个房间的麦克风只有在受试者讲述时才会出声。每一组有6位受试者，其中一位是我们派去扮演受试者的工作人员。这位工作人员是第一个叙述的人，他是按照研究人员准备的稿子说的。他说他很难适应纽约的生活，并十分尴尬地承认自己很容易抽搐，在紧张的时候尤其如此。接着，所有受试者都依次叙述。当那位工作人员再次对着麦克风讲述时，他变得焦虑和不连贯，他说他感到一阵抽搐，希望有人能帮助他。他最后几句说的是“有没有人……能……救救我……（喘气声）我……我要……死了，我要……死了（气哽声，然后安静了下来）”。此时，下一位受试者的麦克风被自动打开，人们再也听不到那位有可能濒临死亡的人的动静了。 你认为这个实验的其他受试者会做些什么呢？到现在为止，受试者知道他们中的一员癫痫发作并希望得到帮助，然而他们觉得可能已经有几个人冲出去并提供了帮助，所以自己可以安然地待在隔间中。实验结果是：15个受试者中，只有3个人立刻对请求做出了反应。6个人没有踏出过房间，另外5个人在“癫痫患者”明显气哽时才冲出房间。这项实验说明当某人知道其他人也听到了同样的求救信息时，就会感到自己肩上的责任变小了。" (章节:第16章 因果关系比统计学信息更具说服力)

"聪明的女人常常会嫁给不如她们聪明的男人。 如果你在朋友聚会时挑起这个话题，一定会引起热烈讨论，大家肯定都愿意分享自己的看法。即使有些对统计学有所了解的人也会很自然地用因果关系去解释这个现象。一些人认为高智商的女人为了避免和同样高智商的男人竞争才这么做；或者是在择偶之时不得不妥协，因为同等智商的男人不愿意与这些女人竞争……也许还会有其他更牵强的解释。现在我们来看看下面的表述： 夫妻二人智商之间的相关性并不是绝对的。 这个观点显然是正确的，而且很无聊。谁会期待这样一种相关性是绝对的呢？那就没有什么好解释的了。不过，你认为有趣的观点和你认为毫无意义的观点又是等值的。如果夫妻二人智商之间的相关性并不是绝对的（如果男人和女人在平均智商上没有差异），那么从数学上来讲，高智商女人嫁给那些不如她们智商高的男人是顺理成章的（反之也成立）。对于这一现象，用回归平均值效应来解释要比用并不绝对的相关性来解释更通俗，也更有说服力。" (章节:第17章 所有表现都会回归平均值)

"回归效应无处不在，很多可以说明这一效应的误导性因果事件同样司空见惯。有一个经典的例子，那就是“体育画报的诅咒”—凡是登上《体育画报》（Sports Illustrated）这本杂志封面的运动员都会在接下来的赛季中表现欠佳。一般来说，人们会认为过度自信以及人们对其期望过高的压力造成了这些人表现不佳。不过，这个诅咒可以用更简单的方式来解释：能够成为《体育画报》封面人物的运动员在前一赛季一定表现极为出色，也许这种出色的表现在很大程度上源于运气—运气是善变的，接下来他就没那么走运了。" (章节:第17章 所有表现都会回归平均值)

• "父母和子女的相关系数在0.5左右。"
• "一个物体的型号用英制单位精确测量的结果与用公制单位精确测量的结果之间的相关系数为1。"
• "美国成年男性自报的身高和体重之间的相关系数为0.41。"
• "·学术能力评估考试成绩（SAT）和平均绩点（GPA）之间的相关系数大约是0.6。"
• "美国人收入和教育程度的相关系数约为0.4。"
• "·家庭收入和他们电话号码后4位之间的相关系数为零"

"弗朗西斯·高尔顿用了好几年的时间才确定相关性和回归性并非两个概念—它们只是从不同视角对同一个概念作出的阐释。只要两个数值之间的相关度不高，就会出现回归平均值的情况。" (章节:第17章 所有表现都会回归平均值)

"“我们的筛选过程并不是很完美，所以我们会考虑回归性。有些极其优秀的候选人也会让我们失望，对此我们并不感到惊讶。”" (章节:第17章 所有表现都会回归平均值)