鸿蒙文学网

手机浏览器扫描二维码访问

第18章 如何让直觉性预测更恰当有效（第6页）

我们直觉会选择金，因为她给人的印象更深刻，而且眼见即为事实。

但与简的信息相比，金的相关信息则少很多。

我们可以回想一下小数原则。

事实上，你从关于金的描述中得到的信息样本比简的要小，而且在小样本中更容易发现极端的结果。

小样本的结果往往有更多的运气成分，因此在判断金将来的表现时，更应该回归平均值。

若觉得金更有可能退步，最终你就会选择简，尽管你对她的印象并不深刻。

如果按照学术能力来选人，我会投给简一票，但我得先努力克服自己对金的直觉印象—金更有希望。

跟着我们的直觉走比违背直觉感觉更自然、更亲切。

你很容易就能想象出不同情境下的相似问题，例如某位风险投资家要在位于不同市场中的两家新建公司之中选出一家进行投资，他可以相当精确地预估其中一家公司的产品需求量，而另一家是一派欣欣向荣的景象，让人觉得更有希望，但其发展前景却并不是很确定。

如果把这种不确定因素考虑在内的话，你对第二家公司前景的最佳猜测是否还会优于第一家公司呢？这个问题值得认真思考。

信息不足时，极端预测和预测罕见事情的愿意都源于系统1。

联想机制会很自然地将极端预测和作出这些极端预测所依据的可察觉的信息极端性匹配在一起—这也正是替代的运行机制。

而且系统1形成过于自信的判断也是正常的，因为自信是由你根据可得信息提炼出来的最合理故事的连贯程度决定的，这一点我们都明白。

但要注意：你的直觉会产生极端预测，而你也很容易对这种极端信心满满。

回归性也是系统2的一个问题。

回归平均值这一概念很新奇，沟通和理解皆非易事。

高尔顿在弄懂这一概念之前也颇费了一番心思。

很多统计学老师在讲到这一问题时，心中也很没底，学生们最后对这个重要概念也是似懂非懂，只有个很模糊的概念。

这个例子说明系统2需要经过特殊训练。

将预测和信息匹配起来不仅是我们的直觉行为，这样做似乎也是很合理的。

我们无法根据经验理解回归性。

即使我们对回归性已经有了明确认识—就像我们在飞行教练员的故事中看到的那样—也只会用因果关系来解释这一特性，而这个解释往往又是错的。

示例—直觉性预测

“那家新成立的公司已经深入人心了，但我们不能指望他们将来也能做得这么好。

他们的营销之路很长，回归的空间也很大。”

“我们的直觉性预测的确令人鼓舞，但这个预测可能离现实太远了，还是让我们再看看手中的信息资料，让预测回归到平均状态吧。”

“即使这次投资极有可能失败，我们还是觉得这项投资可能是个不错的想法。

咱们还是别说什么这就是下一个谷歌这样的话吧。”

“我读过关于那个品牌的一篇评论，评价极高，然而这很可能只是侥幸成功。

我们应该这样想：对这个品牌的评论很多，而我们看到的这个正巧是评价最高的。”