极端表现之后，常常只是回归均值
一次表现特别好，往往既有能力，也碰上了格外顺利的条件；下一次那些条件没有全部重现，结果自然会靠近平均水平。特别差的表现也一样。这个变化常常不需要额外的因果解释。
The point to remember is that the change from the first to the second jump does not need a causal explanation.
——Daniel Kahneman，Thinking, Fast and Slow
教练可能因此相信批评比表扬有效：运动员发挥极好时受到表扬，下一次通常没那么好；发挥极差时挨骂，下一次又往往回升。奖惩发生在极端表现之后，回归均值却被误认成了奖惩的效果。
人脑喜欢原因，不喜欢“只是波动”。故事的力量 会替变化找到一个人物和动作，Hindsight Bias 后见之明 让这个解释在事后显得早已清楚。塔勒布在 Fooled by Randomness 里反复追问的也是同一件事：眼前的起落里，究竟有多少来自能力，多少只是运气暂时偏到了一边。
看到异常好或异常坏的结果时，可以先等第二个数据点。别急着奖励一个虚构的原因，也别急着惩罚它。
Links to this note
- Hindsight Bias 后见之明
结果不好，不表示当时的决定一定愚蠢；结果很好，也不表示过程合理。小数定律让小样本显得比实际可靠 和 极端表现之后，常常只是回归均值 还会继续制造材料，让事后的故事看起来比数据本身整齐。
- Thinking, Fast and Slow
快与慢的分工，从 System 1 与 System 2 是一种分工 开始。System 1 用 Heuristics 启发式判断 节省力气，也会 把难问题换成容易的问题；它依靠眼前材料维持连贯，参见 眼前所有，便是全部 WYSIATI。 统计直觉经常败给故事。小数定律让小样本显得比实际可靠，极端结果之后又常被 回归均…
- 思维模型
判断得太快时，先看 System 1 与 System 2 是一种分工；再参见 Cognitive Miser 认知吝啬者、Heuristics 启发式判断、大脑会用容易的问题代替困难的问题、Schema 图式、Priming 启动效应 和 认知流畅性让熟悉显得真实。 证据越看越像在支持自己时，参见 眼前所有，便是全部…