← 返回经典书籍:思考,快与慢
学习进度2 / 5

小数定律

Law of Small Numbers · TFAS5.1 统计直觉纠偏

一句话定义

小数定律是人误以为小样本也能稳定代表总体。样本越小,极端结果越常见。

机制 / 原理

看到小样本里的高低差异,先问样本量、抽样方式和波动范围。没有这些,就不要急着解释原因。

小样本风险判断点更稳做法常见误区样本很小看波动范围极端必有因排名很高查规模效应榜单即能力小样本更容易把噪声伪装成差异。
小样本更容易把噪声伪装成差异。

经典实验 / 例子

第 10 章用“小学校更容易出现在优秀学校榜单,也更容易出现在差学校榜单”说明小样本波动。小学校每年学生人数少,平均成绩更容易被少数学生拉高或拉低,因此在排名两端都更常见。这个案例的重点不是学校规模本身,而是小样本天然更容易产生极端结果;急着解释校长、教学法或地区文化,都可能是在给噪声编故事。

生活中的例子

客服主管抽查两个小组各 5 通电话,A 组满意率 100%,B 组只有 60%,她差点宣布 A 组话术更优秀。数据分析师要求把样本扩到各 80 通,并按问题类型分层。两周后差异明显缩小,真正的问题是 B 组当周遇到更多退款纠纷。小数定律被识别后,团队没有把随机波动错当训练效果。

常见误区

误区:样本里已经出现差异,就一定有原因。 小样本差异常常只是噪声。

资料来源:Daniel Kahneman, Thinking, Fast and Slow /《思考,快与慢》课程内容为原创改写 · 第 10、14-18 章 · 第 TFAS5.1
本讲解由 AI 依据该教材与主流学术观点撰写,非逐字引用,仅供学习参考。