本页目录

五个你反复踩的概率陷阱——以及每次该怎么拦

你以为自己在综合评估，其实在给第一印象找证据

你面试了一个候选人。聊了四十分钟，感觉很不错——聪明、表达清晰、有经验。你给了高分。

研究显示，面试官的评分在面试开始四分钟内就基本定型了。后面三十六分钟在做一件事：为已经形成的印象找证据。

大量数据证明，非结构化面试对工作绩效的预测效度极低——几乎不比随机好。而把几项硬指标各打个分、用公式加权求和，几乎总能胜过面试官的整体直觉。这是线性模型优势最有说服力的日常案例。

下次在对一个人做"综合评价"时，先把评估拆成3到5个独立维度分别打分。中间不做"综合考虑"，最后用公式加总。这一个动作就能消除大部分第一印象锚定。

你拿到一个检测阳性结果。检测准确率95%。多担心？

绝大多数人——包括受过训练的医生——会认为"大概率有问题"。但如果这种病的发病率是千分之一，贝叶斯计算给出的实际患病概率只有大约2%。

95%和2%之间的巨大落差，不是因为数学太难。大脑在处理条件概率时有一个系统性的盲区：它直接用"检测本身的准确率"替代了"我真的有病的概率"。基率——这种病在总人口中的发生率——被完全忽略了。

矫正动作不复杂：拿到任何诊断性信息时，先查基率。如果不想算贝叶斯公式，把问题转换成频率格式——"1000个人里有多少个真阳性"——大多数人在频率格式下的判断准确率会从4%跳到72%。

一个项目已经投入了五百万。目前评估显示，再投三百万有30%的概率收回成本。团队说"已经投了五百万，不能就这么放弃"。

这是沉没成本陷阱的标准形态。

理性分析只需要回答一个问题：从现在开始，三百万投下去的期望值是否为正。前面的五百万无论怎么决定都回不来了，它在决策分析中的正确权重是零。

但在实际的会议室里，"已经投了这么多"的论据几乎每次都能赢。放弃意味着承认之前的决策是错的，这比继续亏钱还让人难以接受。

做一个思想实验就能穿透这个陷阱——如果你今天才接手，面前没有任何历史投入，你会投这三百万吗？如果答案是不会，那就不应该投。不管之前花了五百万还是五千万。

医生说"手术成功率90%"。你倾向做手术。

同一个医生换一种说法："每100个做这个手术的人中，有10个会死。"你的倾向立刻松动了。

两句话描述的是完全相同的事实。但大多数人对前一种说法更乐观。偏好不是内生的，偏好是被表达方式塑造出来的。

框架效应在日常生活中无处不在。"全脂牛奶"和"含3.5%脂肪的牛奶"是同一种东西。"失业率4%"和"就业率96%"是同一个数字。每次你在两个方案之间做选择，先检查一下选项的呈现方式是在强调哪一面。

矫正动作：主动把同一个选择用对立的框架各描述一遍。如果偏好翻转了，说明之前的"选择"不是独立的判断——只是在跟着框架走。

你读了一份报告，数据显示某种投资策略在过去二十年的年化回报率为12%。然后你的朋友说："我去年试了，亏了30%。"

你的判断动摇了。

这就是"那个人"谬误（the "man who" fallacy）。一个站在你面前、有名有姓的活人讲的故事，在认知系统中自动获得了远超统计权重的影响力。心理学上的解释是可得性启发式——越容易想起来的信息，越被当成"常见的""重要的"。一个面对面讲的故事比一份数据报告容易想起来一万倍。

对抗它没有快捷方式。每次听到个案反例后觉得"好像有道理"时，追问一句：这个案例代表了多大比例的情况？如果答案是"极少数"，那它改变你判断的正当理由就不存在。统计证据不因为无聊就变得不正确。