在商业和生活中，很多知识都是通过观察得来的。自动学习(无意识获得的知识)是习惯化和经典条件作用的基础。自动学习过程会诱使人们产生偏见。良好的统计思维可以提高我们的逻辑和解决问题的能力。统计学是对令人困惑的问题进行数字猜测的艺术。

 

1.解决正确的问题：解决问题最难的部分是准确地理解问题是什么。问题必须是可以采取行动的(例如，被困在错误的工作或关系中)。如果不能采取行动，那就是重力问题。重力问题是一种情况(一种环境)或生活的事实(例如，变老)。这不是一个可以解决的问题。对重力问题的唯一反应是接受。

 

2.形成一个假设：统计思维的第一步是形成一个假设(一个有根据的猜测)。例如，我们假设了以下关系：家里有很多书的孩子在学校表现得更好。其目的是通过观察和实验来证伪最初的假设。如果我们不能拒绝零假设(指进行统计检验时预先建立的假设)，我们就默认接受它。

 

3.基本理论：每一次观察都有不止一种解释。观察结果通常不会说明它们的意思，而且往往会引起不正确的解释。因此，我们需要一些指导理论来允许选择一种账户而不是另一种。例如，研究表明，学生父母的教育和收入对学生的成绩有显著的影响。

 

4.联想和因果不一样：因果是产生结果的东西。例如，周围有很多书的孩子不一定非要让他们读。这两个变量是正相关的。

 

5.混杂因素：混杂因素是你没有考虑到的第三个变量。这些变量扭曲了真正的因果关系。在前面的例子中，这两个变量(书籍的存在和学习成绩)都可能是由第三个变量引起的，这就是父母教育。

 

6.回归均值：过去的性能并不能保证将来的性能。统计思维告诉我们，任何异常值之后，都可能出现更符合长期平均水平的结果。这种现象被称为回归均值或回归正常。这就解释了为什么年度最佳棒球新秀在第二年总是令人失望。如果我们把性能看作是一个受均值和方差影响的连续变量，我们就会经历具有极值的分布性能。还有许多其他的操作可以提高或降低性能水平。

 

7.概率不是确定性的：我们的直觉无法把握随机性的本质。我们看到的模式可能根本不存在。例如，如果一枚硬币连续五次正面朝上，人们就会有一种强烈的感觉，认为下一次抛硬币更有可能出现反面，而不是正面。每次抛硬币都是一个独立的事件。同样，今年的洪水也不能说明明年是否会发生洪水。

 

8.做好最坏的打算：最大的风险是那些我们几乎无法想象它们会发生的风险。哲学家塔勒布建议，为了做出决定，你需要关注结果(你可以知道)，而不是概率(你不能知道)。未来你面临的不确定性越多，你就会选择做得更好。机不可失，时不再来。军队的一项重要战略是投资于准备，而不是预测。

 

9.信念更新：我们似乎使用感知(事物出现的方式)来指导我们的行为。考虑一下这种偏见。老师发现女学生数学不好。因此，他对她的期望和要求会更低，他会认为她的表现比男学生差。感性判断是信仰的一种形式。如果我们先前的信念影响我们的经验，我们的经验就会继续加强这些信念。未能更新先前的信念解释了一厢情愿的想法。

 

10.概括：许多科学研究的目的是在人口一级揭示疾病的原因。最终，我们想要了解为什么疾病会在个体中发生(为什么个体A变得不健康?)从群体层面到个人层面，我们未必能得出相同的结论。统计数字从来不能提供绝对的确定性。相反，人们对事实有一定程度的信心。