目录（点击切换）
本文选自 丹尼尔·卡尼曼新作《噪声》，扫上面码免费领电子书
附录3
对抗噪声，修正预测
匹配性预测是我们依赖直觉式匹配过程而产生的错误〈参见第14
章) 。当我们基于现有信息做预测时，我们会进行匹配性预测，就好
像我们能够依据这些信息对结果做出完美的或准确率非常高的预测一
样。
让我们来回顾一下朱莉的例子，她4岁就能流利地阅读，那么她在
大学时的GPA会是多少昵? 如果你预测朱莉在大学时的GPA是3.8，这就
意味着你从直觉上判断朱莉4岁时的阅读水平处于其年龄组的前10%
(但不在前3%一5%) 。然后，你心中有一个隐含的假定，即朱莉上大
学时的GPA也应处于她所在班级的第90百分位数左右，那么与此相对应
的GPA就是3. 7或3. 8一一这是很常见的答案。
然而，这种推理在统计学上是不正确的，因为它严重夺大了关于
朱者的已知信息的判断价值。一个早慧的4岁孩子不一定永远都是“学
霸”，当然了，小时候有阅读障碍的孩子也不一定一直在班里学习成
绩垫底。
在大多数情况下，很多人的出色表现不可能一直延续下去， 反
之，精糕的表现也往往会得到改善。尽管我们很容易就能想到一些社
会学、心理学甚至政治学的原因来对这种现象做出解释，但这根本没
必要，这纯粹是一个统计学现象。因为过去的表现与未来的表现并非
完全相关，在一个方向或另一个方向上出现的极端观测值往往会在后
续的观察中变得不那么极端，这种趋势被称为均值回归。因此，就匹
配性预测而言，我们使用的术语是非回归性，因为它没有考虑到均值
回归这一现象。从定量的角度来看，如果能流利阅读的年龄是未来GPA的完美预测
指标，换名话说，如果这两个因素之间的相关系数为1，那么你对朱莉
的判断就是正确的。然而，显而易见的是，现实情况并非如此。
有一种统计方法可以帮助人们做出更准确的判断，但即使对于受
过一些统计学训练的人来说，这种方法也不是很直观，并且很难觉
察。接下来，我们以朱莉的情况为例来介绍这种方法的实施流程〈见
图33-1) 。
直觉性观吉
你的菏测
GPA 也
【相关系将)
刀果称的估息根本 您对预汕有入自信?
不能做项测 宛
图33-1 以均值回归调整直觉性预测的图示
1. 用直觉去猜测
你关于朱莉的直觉或关于任何你有所了解的事件的直觉都并非毫
无价值。你的快速的系统1思维可以轻松地将你所拥有的信息置于相应
的预测量尺上，并为朱莉的GPA猜测一个数值。如果你拥有的信息具有
完美的预测性，你就应该按照你的猜测来进行预测。猜完后请写下你
的结论。
2. 寻找均值
现在，请你后退一步，暂时忘记关于朱莉的一切信息。如果你对
朱者一无所知，你会如何预测她的GPA呢? 答案很简单, 在没有任何信
关于思考快与慢简介相关推荐:
噪声 书籍,思考快与慢读后感2000字,丹尼尔思考快与慢
评论已关闭！