![醉汉的脚步 - [英] Leonard Mlodinow](https://static.book345.com/covers/s/9787535762252.jpg)
书籍介绍
翻开这本书之前，我原以为它要教我们计算概率。读完才发现，它真正要拆穿的，是我们脑中那套处理随机性的直觉——它漏洞百出。作者并不堆砌公式，而是借彩票、葡萄酒评分、棒球纪录、电影票房这些具体情境，揭示一个反常识的判断：卓越成就背后，机遇的分量往往被严重低估。书中最击中我的，是它既不让人滑向宿命论，也不鼓吹盲目乐观，而是给出一种清醒的生存姿态：努力以提高中奖概率，坚持以兑现大数定律，荣辱不惊以不被情绪拉低概率。它适合所有曾被'科学解释玄学'打动、又渴望在不确定世界里做出更理性决策的人。
作者简介
列纳德·蒙洛迪诺的著作还包括，《时间简史（普及版）》（与史蒂芬·霍金合著），《费曼的彩虹——物理大师的最后24堂课》，《欧几里得之窗——从平行线到超空间的几何学故事》。儿童读物： （与马修·科斯特罗（Matt Costello）合著），《最后的恐龙》，《泰坦尼克猫》。
AI导读
核心看点
- 揭示人类直觉在处理概率时的系统性缺陷与认知偏差
- 以通俗案例解析贝叶斯定理、大数定律等核心统计概念
- 探讨随机性如何主宰生活，重塑对成功与命运的认知
读者共识
- 故事生动有趣，深入浅出，是极佳的科普入门读物
- 颠覆常识，让人意识到运气在成功中的巨大作用
- 部分读者认为内容较浅或重复，适合休闲阅读消遣
精彩摘录
- "人类的直觉在处理概率问题的时候经常会出问题（seriously flawed） 1，缺乏信息 2，人的思维常常专注于辨认确定的原因（a definite cause）"
- "人脑处理随机性的部分和处理情绪的部分有很大的关联。 做出和非确定性相关决策的时候，恐惧（fear）心理会被激活。 人脑在处理随机事件的时候，习惯去猜测其实不存在的出现模式（guess the pattern）。 右脑半球（“intuitive”）会更理性的按照出现频率进行猜测。 左脑半球（“logical”）会非理性的试图猜测模式。 Daniel Kahneman因为心理学（或者说行为经济学）的研究获得了2002年诺贝尔经济学奖。（这人也是《thinking fast and slow》的作者） 图书出版的例子显示很多后来的畅销书都曾经多次被退稿，J. K. Rowlings的《Harry P"
- "开头的几个例子描述了叙述性错误：A good story is often less probable than a less satisfactory . . . [explanation]. 当概率事件与显得更符合常识的描述结合在一起的时候，即使是专业人士都不能正确估计概率。当事件A的概率很大，B的概率很小，人们常常以为A和B同时发生的概率也较大。书中举了Kahneman设计的关于女性Linda描述的例子，医生判断症状对应的疾病的例子。 记忆偏差（availability bias）：回忆过去的时候，我们给予更生动的记忆以更大的重要性，这是由于生动的事件更容易回忆。 基本的概率规律在现实生"
- "这一章介绍了经典的Monty Hall问题（奖品在3个箱子中，要不要换），很多PhD，甚至著名的概率教授都曾经搞错这个问题。他们的问题出在没有搞清楚样本空间上。 样本空间的概念在Cardano（1501-1576）的书《The Book on Games of Chance》中有提到。这本书被评价为：beachhead, the first success in the human quest to understand the nature of uncertainty. 本章还有Cardano的各种八卦，从他本人的生平轶事，甚至还有他亲人儿女之间瞎搞的事情。 这章还提到一个观点：The o"
- "这章提到的人物有耳熟能详的Galileo Galilei，用计数的方法计算概率。 还有Blaise Pascal，他与Pierre de Fermat的信件讨论进一步发展了计数的方法：杨惠三角形。 另外，Pascal还贡献了期望的概念。其中的起源是他著名的Pascal’s wager。就是赌上帝存在是最优。Pascal’s wager还被认为是博弈论、博弈中最优决策的量化分析的始祖。"
- "这章主要介绍大数定律。 大数定律所要回答的问题是多少次观测才能使我们得到接近真实概率的频数。书中首先列举了两个例子，说明生活中完美的随机性是不存在的。一是Benford’s law，就是说在统计数据中，越小的数字出现的频率越高。1的概率大概是30%，9的概率只有5%。这个定律可以被用来检测账目中的作假。二是Joseph Jagger，通过观察轮盘赌的bias赚到大钱。在实际中，由于工程技术的原因，perfect dice是无法被制造的。 大数定律从数学上解决了如何评价对系统的观测和真实概率的关系。贡献主要来自于Bernoulli，而在他之前，Newton和Leibniz发明的微积分提供了重要的"
- "这一章介绍条件概率，和Bayes理论，涉及到的人物除了Thomas Bayes，还有Pierre-Simon de Laplace。 和条件概率紧密联系的例子主要是测试中的false positive。例如艾滋病和兴奋剂的检测。由于正常人也有可能检测出阳性，所以在所有检测阳性的人群中，真正患有艾滋病的概率其实不大。这就有点像《概率论沉思录》里面提到的plausible reasoning。A->B，然而反过来，有B不一定有A。我们通常在思考问题的时候，常常会犯这类的错误。 另外，这一章强调了概率和统计的区别：fundamental difference between probability "
- "这一章介绍正态分布，问题的起源是18世纪的化学家和实验物理学家对于实验数据的记录。 而在现实生活中，测量结果的不确定性常常被人误解。例如考试的分数对能力的反应，抽样调查对竞选结果的预测，品酒师的打分对酒的品质的反应。 这里作者提到了另一种人类认知的偏差：expectancy bias。如果你的心中有了一定的期望和预计，那么在你的感官的“测量”中，测量的结果会偏向你的预计。例子就是品酒师看到颜色更红的酒，就会期望酒更甜，而实际上，可能酒中只是加入了无味的红色物质。 解决测量中误差问题的数学基础，是误差的正态分布和中心极限定律。对此有所贡献的数学家包括Abraham De Moivre， Carl"
下载
收藏