给受试者读一段描述：琳达，31岁，单身，个性直率，聪明，大学主修哲学，曾积极参与社会公正议题。

然后问：A：琳达是银行柜员 / B：琳达是银行柜员，同时也是女权运动的积极参与者，哪个更可能？

结果：85% 的人选了 B，但这在概率上是不可能的。

两件事同时发生的概率，永远不可能高于其中任何一件单独发生的概率。B 是 A 的子集，概率只可能小于等于 A。

人们犯错原因：系统 1 用「像不像」代替「概率高不高」——把「符合印象」误判为「更可能发生」。

• 餐具实验：40件套（含破损）vs 24件套（全部完好），人们愿意为24件套出更高的价 → 少一些内容，评价更高
• 琳达问题：加上细节后描述更贴合印象 → 多一些内容，反而觉得概率更高

共同点：系统 1 不做概率计算，只做印象判断。

• 左组（错误率 65%）：「被调查男子中，有几人既超过55岁又有过心脏病？」
• 右组（错误率 25%）：「100名受试者中，有多少位既超过55岁又有过心脏病？」

「100名」给大脑一个空间暗示，嵌套关系变直观，系统 2 介入，错误率从 65% 降至 25%。

同一个基础概率，用不同方式呈现，人的反应截然不同：

• 版本A（统计基础比率）：城市里85%的出租车是绿色公司的，15%是蓝色公司的。目击者说肇事车是蓝色的。→ 大多数人忽略85/15的比例，过度依赖目击者证词。
• 版本B（因果关系基础比率）：蓝色公司的出租车涉及了85%的事故。目击者说肇事车是蓝色的。→ 人们会主动纳入这个比例来判断。

区别在于：因果基础比率暗示了一个原因（蓝色公司更危险），让人自然代入对个体的判断；纯统计频率没有因果逻辑，大脑不敏感。

公式：P(A|B) = P(B|A) × P(A) / P(B)

用出租车例子计算（15%蓝色，目击者准确率80%）：

• 车是蓝色且目击者说对：15% × 80% = 12%
• 车是绿色且目击者说错：85% × 20% = 17%
• 目击者说蓝色的总概率：12% + 17% = 29%
• 真正是蓝色的概率：12% ÷ 29% ≈ 41%，而非直觉中的80%

忽略基础比率，判断就会严重偏差。

实验设计：受试者被单独带入房间，通过麦克风与其他"参与者"轮流交谈，其中一名参与者实为研究人员假扮，发言时突然模拟癫痫发作。

变量：受试者以为只有自己听到，或以为还有其他人也在监听。

结果：

• 以为只有自己听到的：15/15人全部去帮忙
• 以为还有其他人的：15人中仅6人去帮忙（约27%）

人们高估了自己的助人意愿，忽略了"旁观者效应"这个情境因素。

第一步：向耶鲁心理学学生描述原始实验，让他们预测：15个知道有他人监听的受试者，会有多少人帮忙？

→ 学生普遍高估，认为大多数人会帮。

第二步：告知真实数据（仅27%帮忙），再给他们看两个没有帮忙的具体受试者视频，让他们解释行为。

→ 学生仍从个人性格角度解释，统计数据没有改变他们对具体个案的判断。

第三步（改进版）：不告知统计数字，直接给另一组学生看视频——两个朋友向人求救，旁边的人袖手旁观。

→ 学生立刻更新判断，认为帮助他人比自己想象的难。个案震撼了他们，统计数字没有。

以色列空军飞行教官发现：表扬飞行员出色表现后，下一次表现往往变差；批评糟糕表现后，下一次表现往往变好。

教官由此得出结论：奖励有害，惩罚有效。

卡尼曼指出这是错误的因果解释——真正的原因是回归平均值，而非奖惩本身。

每次表现由两部分构成：真实能力（稳定）+ 当次运气（随机）

• 特别好的表现 = 能力 + 运气好 → 下次运气回到正常 → 表现回落
• 特别差的表现 = 能力 + 运气差 → 下次运气回到正常 → 表现回升

回归的目标不是所有人的平均值，而是这个人自己的平均水平（真实能力）。极端表现不可持续，是因为极端运气本身就是稀有的。

两次表现在统计上是独立事件。第一次的运气不会"传递"给第二次，每次运气独立随机发生。

因此：第二次表现回落，不是第一次好表现"导致"的，而是极好的运气不再重复出现的自然结果。

短期内能力变化很小，两次表现的差异主要来自运气的波动，运气看起来像唯一变量。

三个概念层层递进：

• 相关性：两件事同时变化，但不代表一方导致另一方
• 因果关系：A直接导致B发生
• 回归平均值：两次表现相关性不完美（因为运气随机）→ 极端表现自然向均值靠拢

如果两次表现完全相关（相关系数=1），就不存在回归。正是因为运气的随机性拉低了相关性，回归才会出现。

人们看到回归（相关性），误以为找到了因果关系。

三步错误链：

• 第一步：回归效应自动发生，但无形，没有具体触发事件
• 第二步：人脑不接受"没有原因"，看到"A之后发生B"，自动把A当成B的原因
• 第三步：错误因果就此产生

典型案例：

• 孩子高分后被表扬，下次成绩回落 → "表扬让孩子骄傲了"
• 运动员状态爆棚登上杂志封面，下一场发挥平平 → "封面魔咒"
• 公司业绩差换了CEO，业绩回升 → "新CEO能力强"

这些结论可能完全是错的，回归才是真正的原因。

朱莉4岁就能流利阅读，预测她的大学绩点。

书里用公式说明两件事的关联结构：

• 阅读年龄 = 共同因素 + 决定阅读年龄的特殊因素
• 平均绩点 = 共同因素 + 决定平均绩点的特殊因素

共同因素包括遗传潜能、家庭支持等，同时影响两个结果。但各自还有独立的特殊因素——朱莉可能因父母施压才早读书，和大学表现无关；也可能因意外脑部受损导致绩点很差。

两者的关联度最多30%。直觉却把"4岁阅读出色"直接匹配成"绩点极高"，完全跳过了关联度这一步，因此预测和证据一样极端，这本身就是偏见。

1. 先估出基准线（平均绩点的均值）
2. 写下直觉预测（证据给你的第一感）
3. 估计证据与结果的关联度
4. 关联度是0.3，则从直觉预测向基准线方向移动70%，只保留30%的偏移

注：0.3是举例用的假设数字，不是固定值。实际关联度因情况而异，往往比我们直觉感受到的低很多。

修正后的预测消除了偏见，过高或过低估计真实值的可能性大致相等——这是无偏见预测的标志。

如果预测每位球员第二天得分和第一天一样，就忽略了回归效应：

• 第一天发挥好的球员第二天大概率下降
• 第一天发挥差的球员第二天大概率回升

不修正的预测对发挥好的人过于乐观，对发挥差的人过于悲观。预测与证据一样极端，这本身就是偏见。

某部门招聘一位年轻教授，候选人缩减为两位：

• 金：刚完成毕业设计，推荐信溢美之词，面试表现出色，给每个人留下深刻印象，但没有实质科研成果
• 简：博士后出身，学术成果丰富，研究出色，但面试表现不如金

直觉会选金，因为她印象深刻、眼见为实。但书里指出：

• 金的信息量极少，样本小，小样本中极端结果更容易出现，运气成分更大
• 小样本更应该回归平均值，金未来表现更可能退步

正确选择是简——按学术能力来选，尽管对她的直觉印象不深。作者说"我得先努力克服自己对金的直觉印象"，因为跟着直觉走比违背直觉感觉更自然、更亲切。

代价：无偏见预测只在信息非常有效时，才允许对罕见或极端事件作出预测。如果期待自己作出恰当有效的预测，预测结果就永远不会太离谱或偏离平均值太多。

→ 当年你最得意的学生成了最高法院法官时，你永远不会说"我早就知道会这样"。这是代价，但也是理性的标志。

例外：当证据与结果关联度极高，且你有充分理由信任直觉时，调整余地才会变小，可以坚持直觉预测。

人类天生喜欢把发生过的事情构建成一个连贯的故事，赋予因果逻辑，让它看起来合理、必然。但这个故事往往是事后拼凑的，掩盖了大量的偶然性和运气成分。

我们越是能把过去解释得清晰流畅，就越容易产生"一切都在掌控之中"的错觉。

事情发生之后，我们会觉得"我早就知道会这样"，把结果记忆成比当时更可预测的样子。

实验显示：人们对自己过去预测的记忆，会不自觉地往真实结果方向偏移——记忆被结果污染了。

这带来两个后果：

• 对决策者的评价变得不公平——事后看起来"显而易见"的错误，在当时并不明显
• 我们对过去理解得越清晰，就越容易高估自己预测未来的能力——过去的"清晰感"本身就是假象，是叙事在事后制造的

系统1让我们认为世界比实际更整洁、更可预知。我们需要一颗定心丸——相信智慧和勇气一定带来成功。

很多商业书籍就是为了满足这个需求而诞生的，它们提供简单的因果故事，让读者感到安慰。

研究测量了总裁个性与公司业绩之间的相关系数：最高0.30。

用思想实验理解这个数字的含义：

• 相关系数=1（完全可预测）：能力强的总裁100%领导更成功的公司
• 相关系数=0（纯靠运气）：各组50%概率
• 0.30的现实结论：能力强的总裁让胜率从50%提升到60%

比随机猜想高了10个百分点，影响真实存在，但远比商业书籍宣称的小得多。

《光环效应》一书指出：同一位总裁，同样的行为——

• 公司顺利时：被描述为"头脑灵活、讲究方法、行事果断"
• 公司失败时：被描述为"稀里糊涂、僵化死板、独断专行"

明明是同一个人和同样的行为，事情进展顺利时就是讲究方法，进展不顺利时就成了死板。

光环效应把因果关系抛到脑后：我们以为公司失败是因为总裁僵化，但真实情况是——总裁之所以显得僵化，是因为公司正在每况愈下。错觉就是这样产生的。

这本书研究了18组对标公司，试图找出卓越企业的管理秘诀。卡尼曼指出两个致命问题：

• 运气被忽略：公司是否成功，很大程度上取决于运气。存在不可测性因素，根本无法建立有规律的模式
• 回归平均值被忽略：研究结束后一段时间，两类企业在业绩和股票收益上的差距几乎归零。《财富》月刊调查也发现，过去20年里，评级最差的公司比最受推崇的公司股票收益更高

原因不是"成功公司变自满了"——最初的差距本来就大多来自运气，运气终究回归平均值。

卡尼曼不是说管理不重要，而是说我们严重低估了运气的成分，三层意思：

• 管理确实有影响，但比你想的小：相关系数0.30，胜率提升10个百分点，真实但有限
• 我们习惯把运气的结果归因于管理：行业风口、宏观环境、时机恰好——这些运气成分被全部算成了管理的功劳
• 运气会回归，管理经验却被当成永久真理：卓越公司过了一段时间就和普通公司拉平，说明当年的优秀业绩里有大量运气成分

管理重要，但它只是决定结果的因素之一；运气也是。我们总把分母当成只有管理，所以对管理的作用产生了幻觉。

卡尼曼在以色列军队服役时亲身体验后创造的术语。他们对士兵做测评预测军官潜力，事后发现预测准确率约等于零——但每次做预测时，仍对自己的判断充满信心。

定义：明知预测无效，仍对自己的判断保持强烈主观信心的心理现象。原因在于系统 1 将信息的连贯性误认为判断的准确性。

卡尼曼分析一家金融公司 25 位顾问连续 8 年的投资收益排名，计算逐年相关系数，共 28 组数据。结果：平均相关系数为 0.01，约等于零。

每一年的好成绩基本靠运气，而非技能。然而公司管理层对此毫无反应——因为承认技能不存在，威胁到整个行业的文化和每个人的自尊。

奥登（Terry Odean）对一万名个人投资者 7 年交易记录的研究也发现：每年卖掉的股票平均比买进的涨了 3.2 个百分点，主动交易越多结果越差。

书中明确指出：自信是一种感觉，不是对判断正确概率的合理评估。

它反映的是信息处理时认知放松的一致性——当系统 1 构建出一个连贯的故事，自信感就会随之升起，与这个故事是否符合现实无关。

泰特洛克（Philip Tetlock）采访 284 位以"评论政治和经济走向"为职业的专家，收集 8 万份预测，历时 20 年。结论：

• 专家预测表现很糟糕，简单将三种可能结果均等分配的模型反而会做得更好
• 知识最丰富的人反而最不可靠——学到更多知识后对自己技能产生了无限放大的错觉
• 名气越大的专家，预测越夸张

来自以赛亚·伯林关于托尔斯泰的文章，泰特洛克借用来区分两类预测者：

• 刺猬：只知道一件大事，用一套大理论解释所有现象，自信、固执，不愿承认错误。预测最差，但最受媒体欢迎。
• 狐狸：知道很多小事，承认复杂性和不确定性，综合多种因素。预测反而最准。

泰特洛克发现，预测质量的差异不在于专业知识多少，而在于思维方式。

人们习惯从对过去的解读中预测未来，总是忽视"未来是不可预知的"这一观点。我们更愿意构建和相信对过往的连贯叙述，这种叙述使我们难以接受自己预测能力的限度。

重大历史事件是由运气决定的——包括 20 世纪涉及希特勒、斯大林的历史，两颗卵子的受精就可能改写整个世纪的走向。