小数定律 — 思考，快与慢

读进去

“小数定律”这个名字本身就容易让人误会。它不是一条关于小样本的规律，而是人脑强加给小样本的一条伪规律：我们默认小样本也能代表总体，于是把抽样波动当成了真实差异。

肾癌发病率最低的县往往是人口最少的县，这不是因为那里有什么保护因素，而是因为样本量小，极端值更容易出现。人脑不喜欢“这只是噪声”，它想要一个故事。于是我们开始编：是饮食习惯好，是空气干净，是生活节奏慢。故事越连贯，我们越不愿意回头问一句：样本有多大？

画出来

这一章的核心是一组对照：统计规律说小样本产生极端值，人类直觉说极端值背后必有原因。两者不是同一层面的解释，一个属于数学，一个属于叙事。把关系放进图里后，因果故事和抽样伪迹被放在两条不同的路径上，读者可以清楚地看到，同一个观察结果可能来自完全不同的生成机制。

A/B 测试里最常见的一种误判，就是把小流量下的显著差异直接当成产品改进的证据。一个按钮颜色让转化率提升了 20%，听起来很厉害，但如果实验组只有几百个用户，这个数字可能只是噪声。真正需要追问的不是“为什么提升了”，而是“这个样本量下，20% 的波动有多常见”。

在看到任何统计结论之前，先问样本量。如果答案小于你的直觉预期，就把因果解释暂时挂起，直到有更大的样本把它接住。