思維模型系列ep.1-《統計學》

為什麼要了解這個思維模型

不了解的話可能會怎麼樣

演譯法與歸納法

相關性與因果性

相關與因果的差異：

1. 相關是雙向關係，A增加B也增加，B增加A也增加，此為相關性； 因果是單向關係，A增加B也增加，但B增加A不一定增加，所以A是B的因，B不是A的因，此為因果性
2. 相關的用途是預測與總結，因果的用途是優化與調整

生活常見的相關因果思維陷阱

一萬小時定律：某本書發現成功的天才都努力了一萬小時，所以鼓勵大家努力一萬小時就能成功，時間為必要因素，但非主要因素。

KPI的沒落：超級業務員每天打五通電話，所以對其他業務員的KPI設為打五通電話，電話數為必要因素，但非主要因素。

冰淇淋賣越多越多人溺水：核心的相關原因是氣溫，氣溫越高冰淇淋賣越多，也越多人去玩水，此為虛假相關。

如何避免思維陷阱

1. 完整不遺漏且不重複的定義目標， 例如業績=電話數x拜訪轉換率x成交轉換率x每單金額
2. 找出公式內每個因素的權重比，找出槓桿最大的優化。

其他統計常見思維與陷阱

隨機抽樣調查與偏誤：

隨機抽樣調查幫助我們在資源有限的情況下可以精準地找出統計答案，不需要大規模普查，但要小心很容易在母體抽樣時落入自以為隨機的非隨機抽樣。

典型例子為總統民調，某份雜誌對自己的訂戶隨機發送兩百萬份問卷總統民調，結果完全失準，因為忽略掉母體只侷限於自己的訂戶，而總統票選是全國人民。

避免方式為注意目標族群是否能完全代表抽樣母體，這樣才能做到真正隨機。

死者不會說話之倖存者偏差：

指沒被記錄到的統計資料被忽略了，例如商場POS只記錄到有消費的人，沒辦法代表整個地區的消費者，或是會員回客率沒辦法代表整體回客率，因為沒記錄到有消費但沒成為會員的人。

經典案例：二戰時，人們發現平安回來的戰機機翼跟機尾布滿了彈孔，所以一開始想要加厚機翼跟機尾去增加回來的機率，這有兩個錯誤：

１.忽略沒回來的戰機彈孔資料，也就是倖存者偏差，這也是通常這故事的重點。

２.邏輯錯誤，既然平安回來的條件是機翼機尾充滿彈孔，那就應該要讓彈孔盡量留在機翼機尾，而不是加強機翼的厚度。

小結：