《思考快与慢》第17章 所有表现都会回归平均值 Regression to the mean
对表现良好的嘉奖比对错误的惩罚更有效。
一个人的技能水平短期来看是波动的，今天发挥好明天可能会发挥失常，长期来看是会回归平均水平的。
这么看来，不管你是奖励还是惩罚，都没有太大的作用。特别是惩罚。
生活给予我们的反馈，常常是违背常理的。当别人取悦我们时我们会对他好，当别人对我们不好时，我们也会对他们产生厌恶之情。然而从统计学角度来看，我们却是因为对人友好而受到惩罚，因为举止无礼而得到嘉奖。
成功的公式
成功=天赋+运气。
Great success= a little more talent+ a lot of luck.
这个公式让我想到，凭运气赚到的钱会凭实力亏掉。为什么呢？因为天赋和运气的相关度并不高，因此最后的结果就是回归平均值，你只能赚到和你能力相匹配的钱。
相关系数
两个值之间的相关系数，指的是两个值共有因素的相对比重，这个值在0和1之间浮动。
举个例子，一个物体的大小，用英制单位精确测量的结果与用公制单位精确测量的结果之间的相关系数为1。
美国人收入和教育程度的相关系数是0.4。
家庭收入和电话号码后4位之间的相关系数为0。
这里我想到，有没有负相关。相关系数不能为负吗？
一个重要的结论，相关性和回归性并非两个概念，他们是从不同角度对同一个概念作出的阐释。只要两个数值之间的相关度不高，就会出现回归平均值的情况。
人们总是喜欢对回归效应提供因果解释，但其实这个因果解释是讲不通的，是没有逻辑的。就好像有些失败，他没有什么原因，就只是因为运气。
另外一个和回归平均值相关的例子说有几家连锁超市，他们的规模和商品品种类非常相似，但是因为地理位置竞争状况及其他因素，使这些店的销量有所不同，如果经济学家做的整体预测是销售额总体会增长10%，那你会如何预测未来这些店的发展？
我的直觉是那些销量好的店，第2年销量也许会更好，可能会超过10%，那些销量不好的店可能销售增长会小于10%。但是如果从回归平均值的角度来思考的话，那些业绩不好的店预测增长率应该高于10%，那些业绩较好的店预测值应该低于这个值。
抓抓落实。
对于事情的结果要有回归平均值这样的一种认知，就是那些表现好的人他们有可能下一次未必能够表现的这么好。
但是我又想到，从某种程度上来说，表现好的人又会拥有头部效应，让更多的资源聚集在他那里，从而之后表现的更好，变成了一种不公平的竞争。
看来认知的偏见很难消除呀，一定要小心。
