这是我的第 133 天分享

全文共约 2500 字，阅读完共需约 7 分钟

假如你所在的单位或学校要组织春季运动会。

此时有一个选手第一次表现非常棒，你觉得他第二次得分如何？

如果有一个选手第一次表现得并不尽如人意，你觉得他第二次会逆风翻盘吗？为什么？

当你看完今天的分享后，你一定会​有所感悟。

01

所有表现都会回归平均值

1. 均值回归效应

在游戏界，有个“不成文的规定”​：连胜必连败。

在我第一次看到这句话的时候，还觉得很神奇​。旁边的兄弟告诉我，在对战类游戏中，你的胜率其实已经被“安排”好了，基本上就是在50%-55%，如果你能达到60%以上，说明你已经​是一个大神了。

如果你一直连胜，那你的胜率可能达到很高的水平，但是系统一定会给你安排比较“坑”的队友，总有一天，你的胜率会回归到​均值上来。

这种情况就是很明显的均值回归效应。均值回归效应指的是，从长期来看，表现值总是会围绕​平均值波动。

价值和价格的关系和这个很像：“价格总是围绕价值上下波动”。

你看那些股票，不会一直上涨，总会有下跌的时候。同时，从长期来看，​“均值线”基本与“价值线”吻合。

与“均值理论”相关的概念，还有一个名词，叫“新手光环效应”。新手光环效应指的是，当你首次尝试某个东西的时候，你的成绩表现大概率比​平均水平要好。

听起来很玄乎是不是？回想一下，当你首次尝试某个东西的时候，你有没有觉得你的运气似乎比别人好一点呢？（当然，这里不排除系统可能会在刚开始的时候，故意让你运气好一点，以便能更好地吸引你继续）

说了这么多，我们再回到文章开头的那个问题​。你再想一下，你觉得第二次这两位选手的表现会怎么样呢？

心理学家和教练们经过统计和研究发现，​如果选手第一天表现好，那么他第二天大概率表现会稍稍逊色一点；而对于那些第一天表现并不是很好的选手们而言，他们第二天​大概率比第一天的表现强。

这个其实用“均值回归理论”​也很好解释。如果前面表现大大超过一个人均值，那么平均值就像一个无形的绳子一样，​拽着你往回撤。而如果前面表现平平，低于均值​。均值就像一个​无形的手，把他往前推。

2. 我们能做什么

理解完均值回归理论，我不知道你会有种​什么感觉？因为觉得自己将来一定会比现在好而开心，还是觉得现在的水平已经严重“透支”​了均值，将来可能再也不会有现在的辉煌战绩？

​你不用过于焦虑，也不必过于乐观。虽然“均值回归”无法避免，但是我们可以通过努力，让均值从长远来看不断提升，这样就算再回归均值，可能也会比你以前的“顶峰”要好。

比如你的“成绩”会在你的“均值”上下20%进行浮动。假设你现在的水平是100，那么你就会在80~120之间波动。

“勤学如春起之苗，不见其增，日有所长”。如果你通过努力，让自己的“均值”每年增加10%，五年后，你的均值就变成了161，到时候你就会在128~193之间波动了，就算是最低值128，也远远超出了当年的顶峰——120。

反过来也是同样的道理，“辍学如磨刀之石,不见其损,日有所亏”。如果你每年减少10%，五年后均值就变成了59，就算是最高峰，也不到71了。远低于五年前的最低值——80。

02

用“均值”修正你的“直觉误差”

1. “赵梅”的例子

赵梅现在是某大学2年级学生。你小的时候见过她一面，她4岁时就开始写诗，五六岁的时候就能写文章。那么问题来了，​你觉得她这次大学期末考试能考多少分？（满分100）

如果我只告诉你赵梅是某大学2年级学生，那些已知条件通通都没有，你觉得她期末考试能考多少分呢？

让我猜测一下你脑海中的结果，在第一个问题里，你可能会觉得她期末考试能考90多甚至满分​。因为在你的潜意识里，小时候​天资聪颖，长大后一定也错不了。而对于第二个问题，你可能觉得她也就能考个七八十分。

为什么会出现这种区别呢？

这其实就是我们大脑中“直觉性预测”的误差。当我们获得的信息不够多时，我们的大脑就会拼命地把所有条件串联起来​。

比如在第一个问题里，如果你只知道赵梅是学生，大脑是无法得到答案的，于是就抓住了“救命稻草”​——小时候表现好。因此你就会觉得她现在也一定很棒。

第二个问题更狠，连多余的已知条件都不给你了​。没关系，“魔高一尺，道高一丈”​。​就算只给一个条件，大脑也能给你想出来答案。当你在预测第二个问题的结果时，大脑会默认把你类似情境的考试​均值拿出来，当做参考。

也就是说，当我们没有任何已知信息时，大脑会倾向于提供“平均值”​作为参考答案。

这种直觉的好处就是不费劲，我们可以直接提取信息​。但是隐患就是，我们容易在没有掌握足够信息的情况下，形成“偏见”​。

2. 如何修正？

这种直觉性的偏差虽然无法消除，但是我们可以尽量​减少这种误差。

怎么做呢？

我们可以把自己“盲猜”与根据“已知信息”的预测结果​进行加权计算。

我以上面“赵梅”​的问题为例。

第一步，忽略所有已知信息，简化成类似于第二个问题的形式，然后预测​结果。假设在这一步，你“盲猜”的结果为60-90的均值——75。

第二步，加入主观因素，​进行第二次预测。这时我们就重新回到了第一个问题，假设在这一部，你“预测”的结果为​90分。

第三步，估算“已知证据”与预测结果的​关联系数。比如在“赵梅”的问题中，“四岁会写诗，五六岁能写文章”就是“已知证据”。​小时候的优秀与现在的成绩有多大的关系呢？​20%？​50%？最后，你可能觉得这条证据与大学成绩的相关系数为0.2（20%）​。

第四步，把第二步结果中关联的那一部分，“移植”到“盲猜”结果的对应比例当中。这句话看上去有点绕，我一计算你就明白了。

相关系数为0.2，所以我把第二步这部分分数拿出来，就是90*0.2=18，然后把第一步的那20%去掉，用18来代替​：90*0.2+75*0.8​

​最后的结果，就是78分。

当我们在面对已知信息不多的“预测”类问题时，“均值”可以很好地帮助我们修正“直觉性偏差”​。

（本部分内容的读书笔记）

------------------------------

把自己的心态放平，找准自己的“均值”，然后努力提升它。随着均值的不断提升，你会发现，当初纠结的那些问题，是有多么的微不足道。

同时，“均值回归效应”还可以帮助你在预测时更加理性一点，而不是一味地​只凭直觉。下一次当你预测一个人的“胜率”时，一定要记得考虑上“均值”哦​。

​

以上是我今天的学习分享。我是润东，我们一起，向上生长。

参考资料：

1.《思考，快与慢》 作者 丹尼尔·卡尼曼