《醉汉的脚步》上篇- 什么是不确定性？

《像火箭科学家一样思考》中我们引入了一个重要的观念：不确定（Uncertainty）。与之对应的概念那就是：确定性（Certainty）。

不确定性与确定性的碰撞，在物理史上延续至今。确定性背后站着的是我们从小就熟知的，被苹果砸中的男人——牛顿。

牛顿的三大定律解释了宏观世界中万事万物的运行原理。可以说，自三大定律面世后的几百年，物理界都是在牛顿的肩膀上修修补补。

而运用牛顿三大定律，让天文学家勒维耶发现了海王星。仅仅用数学公式就发现了太阳系中的一颗行星，这无疑是对确定性的最佳诠释，直到量子力学的面世。

从普朗克的量子假说，到爱因斯坦的光量子理论，再到玻尔的原子理论，量子力学至今也发展了100多年。

感兴趣的朋友可以去阅读《量子物理史话—上帝掷骰子吗？》，这本书详细而活泼地记载了量子力学的发展历史。

《量子物理史话—上帝掷骰子吗？》

而在量子力学中有两个概念是对不确定性的最佳诠释。一个是海森堡的测不准原理，一个是在美剧《生活大爆炸》中经常被提及的薛定谔的猫。

测不准原理，也叫不确定性原理（Uncertainty Principle），名字都这么叫了，看来无需多做解释了。

大意是指：你不可能同时知道一个粒子的位置和它的速度。你要测量粒子的位置，必然测不准它的速度。反之亦然，你要测量粒子的速度，必然测不准它的位置。

海森堡的测不准原理

而薛定谔的猫，想必被大家所熟知。一只猫的死活状态，正常来说，是确定性的。非死即活。

但是在薛定谔的眼中，这却是一个既死又活，既活又死的概念。感兴趣的朋友可以自行查阅相关资料。

好了，物理课到此结束。

那么确定性和不确定性对于我们的日常生活有什么影响呢？

人，天生喜欢确定性，厌恶不确定性。日出而作，日落而息，是一种确定性。太阳出来了，我就去种地，太阳落山了，我就回家休息。

天要下雨娘要嫁人，是一种确定性。因为天要下雨了，所以娘要改嫁了。但是如果天气预报告诉你明天下雨的可能性是50%，估计你就要抓狂了（到底要不要带伞）。或者说病人罹患癌症晚期，医生告诉他生命可能只能维持半年。

日剧《李狗嗨》里的喜剧片段

这个“可能”，就会要了病人的命。是6个月就死亡，还是5个月29天，28天？与其这样，医生不如告诉病人你将于某月某号死亡，病人可能更容易接受。

杞人忧天，说的就是人类面对不确定性时所产生的焦虑与痛苦。

杞人忧天：天会塌下来砸到我吗？

那么是什么因素导致的确定性，又是什么因素导致的不确定性呢？

「 信息 」

当信息匮乏时，导致确定性；当信息爆炸时，导致不确定性。

为什么？信息是我们做决策的基础，当信息匮乏时，我们的决策往往是单一的，选择是非常少的。所以决策链条是一种直线型的结构：

直线型的结构 直线型的结构

所以当我们做出第一步决策A时，我们很容易推断出D的发生。比如太阳升起，我们没有别的选择，只能去种地。

但是当信息非常丰富的时候，我们的决策往往就需要考虑诸多因素，选择也会变得很多。决策链条就变成了一种二叉树的结构：

二叉树的结构

所以当我们做出第一步决策F的时候，我们不知道最后将发生的是B，还是M。还是太阳升起的例子，这时候我们可以选择刷手机，上班，睡懒觉等等，那么去种地就变成了一项不确定的结果。

这么一番分析后，很显然，我们身处的这个信息爆炸的时代，每个人面对的问题不是没有选择，而是选择太多。选择太多就意味着不确定性，这就是我们焦虑的根源。所以为了摆脱这种焦虑，我们必须学会与不确定性共舞。这也是本书作者的写作意图。

这一篇我们将介绍作者所列出的一些不确定性的定理，下一篇我们将结合《超凡》、《异类》总结出来的成功公式（成功=天赋+基因+趋势），加入对不确定性的考虑，引出冲浪模型，进一步修正我们的成功模型。

① 概率论

衡量不确定性的量化指标就是概率。摆脱确定性的第一课，就是要学会以一定的概率去看待客观事物，去做决策，而不是以0%或者100%非此即彼的概率去做决策。

所以作者上手就说了很多和概率论相关的概念：独立事件，重复事件，什么时候概率应该相加，什么时候又应该相乘。感兴趣的朋友可以买本概率论的书了解一下。

作者介绍了一个统计学上的概念叫：均值回归。这引起了我的思考。

② 均值回归

均值回归（reversion to the mean)法则是指万物最终都将回归于其长期的均值。比如价值与价格，价值就是均值，如果价格长期高于价值，从长期来看，价格是会回归到价值这个水平的，反之亦然。

按照这个理论，我们可以重新理解“骄傲使人落后，谦虚使人进步”这句话。当你骄傲的时候，一定是超水平发挥，不管你骄傲不骄傲，下次大概率是会下降到你的平均能力的。

而当你谦虚的时候，一定是发挥失常，也不管你谦虚不谦虚，下次大概率也是会提升到你的平均能力的。

那么为什么说：骄傲使人落后，谦虚使人进步呢？这大概是一种心理学现象。你超水平发挥，又去嘚瑟，必然招人恨，那么下次发挥失常，大家都是看热闹的心态。

而你发挥失常，又很谦虚的接受自己的失败，必然招人怜，那么下次发挥正常的时候，大家都会很欣喜的看到你的“进步”。

均值回归理论同样可以解释为什么所谓成功人士的子女通常都不成器。比如乔丹的儿子不会打篮球，比尔盖茨的儿女也没有去经商，等等。

这其实不怪子女，而是怪他们的父母实在是太成功了，属于人类中的超人，偏离均值实在是太多。

作为他们的子女大概率是会回归到人类正常水平，但是在成功人士或者社会舆论的眼中，即使你是正常水平，相比父母也是失败的。

③ 样本空间

一个试验的所有可能结果的集合称为样本空间。比如一个试验可能会出现A、B、C、D四个结果，那么（A,B,C,D）就称之为一个样本空间。

样本空间是我们做判断的一个“空间”，或者说“边界”。只要能知道样本空间是怎么样的，我们就能知道自己会得到什么结果。

但是我们在日常生活中去做判断的时候，就经常犯一个错误：选错了样本空间。比如酒驾的例子，很多人说自己的车技如何如何了得，从来没有出过事故，所以喝酒开车也没什么问题。

友情提示：千万不要酒驾！！！

这种论述就是典型的选错了样本空间。没出过什么事故的样本空间的选择通常是清醒开车的时候，而非喝酒开车。

如果非要证明司机喝酒开车的技术，那么应该是说：我这辈子都在喝酒开车，从来没有出过事故。这才会有信服力（当然了，我们做守法公民，喝酒不开车，开车不喝酒）。

同样的逻辑可以帮助我们判断商业中“跨界转行”的成功率。很多人迷信大佬，崇拜英雄。只要是大佬、英雄，仿佛做什么事都会成功。这也是犯了样本空间选择错误的问题。

某大佬在A领域能够成功，那么只能推断出该大佬在A领域的其他细分行业成功的概率较大，但是不能推导出在一个全新的B领域也能成功。

这也是很多江湖大佬晚节不保的真实写照。当自己在A领域登上巅峰时，便觉得自己无所不能，开始疯狂进军B、C、D等等领域，最终大部分是以失败收场。

比如A股市场传奇人物、上海地产界曾经的风云大佬、2012年福布斯中国富豪榜的上榜富豪、喜马拉雅FM天使投资人戴志康先生，就因为P2P倒下了。恒大许老板的恒大冰泉也不了了之。

而反观美团的王兴，从百团大战的餐饮端切入，提出自己的使命是“帮大家吃的更好，生活得更好”，围绕生活，不断向酒店、旅游、票务、外卖等领域渗透，最终成为了市值达1.8万亿的巨头。

地产的成功不代表做水能成功（小概率），做团购代表做外卖能成功（大概率），这就是样本空间的选择问题。

④ 大数定律与小数法则

大数定律（Law of Large numbers）:在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。随着样本的增大，随机变量对平均数的偏离是下降的。

小数法则（Law of small numbers）：是指人们倾向于把大样本前提下的大数定律应用到小样本上，然而那并不成立。人们错误的认为小样本和大样本的经验均值具有相同的概率分布，导致对短序列的独立观察值做了过度推论。这是一种常见的心理误区，也是对赌徒谬论的总结。

大数定律与小数法则，我们可以用抛硬币来解释。如果抛10万次硬币（大数），问：正面朝上和反面朝上各有多少次？那么根据50%的平均数，我们可以得出正面朝上大概5万次，反面朝上大概5万次。

但是如果抛10次硬币（小数），问：正面朝上和反面朝上各有多少次？如果你还用50%的概率来算，得出5次朝上，5次朝下的结果，那么你可能就错了。50%是对于大样本来说（大数定律），而不是对小样本。所以抛10次硬币，我们很可能得出9次朝上，甚至10次朝上的结果。

这一点可以进一步解释我们在《像火箭科学家一样思考》的问题：为什么人生大概率是失败的。答案就是我们人生的选择样本实在是太少了。

终其一生，我们能做的大选择可能就2-3个（《涛动周期论》——人生发财靠康波）。所以根据我们总结的成功模型，就算你有天赋、也努力，也找到了趋势，也很有可能出现偶然事件和极端情况。

极端天气也不少

举个例子，如果你天赋超群、努力刻苦，并且也找到了趋势，这么算的话成功的概率是80%（不低了）。但这80%是让你过100辈子（大数）所得出的平均值。

人，只有这一辈子，抛十次硬币，出现10次硬币都朝上的概率是很大的，那么纵然你人生成功的概率是80%（大数定律），但是这一辈子仍然很有失败（小数定律）。

所以，我们对成功的模型修正如下：

这一公式我们将会在下篇中详细解释。

⑤ 测量和误差定律

我们一直有一个误区：精确是好的，误差是不好的。熟不知，不管你喜欢不喜欢误差，他都在那里，是一个客观存在的东西。

作者在书中就介绍，统计学中一般用正态分布来描述误差定律。为什么误差服从正态分布呢？因为单次测量的误差也是各种因素综合作用的结果：比如尺子不准，操作失误等等等等。

我们无法完全列举具体都有什么因素使得测量结果产生误差，也无法预测它们会对单次测量的结果产生多大的误差。但是借助正态分布，我们可以使我们把总的误差控制在可以接受的范围内。

舍弃精确，接受误差。是我们需要学会的一种思维模式。而应对误差的方式就是留有冗余。通俗来说，就是：这事砸了，怎么办？补救措施的制定就是留有冗余。

从这个角度来说，冗余就是一种安全垫，一种底线思维。比如投资+实业大佬段永平就曾说过，与其制定人生的To Do List，不如先制定Stop Doing List。这就是一种底线冗余思维。

最后，作者提醒我们一定要警惕对随机模式产生“有意义”的错觉。尽管随机变化中存在着有规律的模式，但并非所有的模式都是有意义的。

当模式中存在意义时，我们应该去发现它。同样重要的是，当模式实际上并无意义时，我们就不该试图去抽取什么“意义”。

这一点是一件“知易行难”的典型案例。从古代开始，人们就倾向于对自己无法解释的事情赋予特殊的意义。比如黄河发大水，君王就会理解为上天对自己失德行为的责罚。

又或者史书经常记载的祥瑞事件，这都是一些无意义的随机事件，但是却被解释为意义深远的重大事件。我们在日常生活中也会如此，当做一件事不太顺利的时候，如果这个时候又发生了一件不好的事情，我们往往就会赋予这件事情“凶兆”的意义。

同样，在随机实践中能发现有意义的规律也是一件难事。摆钟左右摇摆了几百年，都没有人注意，但是却被伽利略关注上了。通过观察，他发现摆动的时间与重量、幅度等都没有关系，而是和摆长有关系，由此发现了单摆公式。

有些人看摆钟看出了单摆公式，而大部分人却只看到了寂寞。这就是区别。

推荐书籍：《醉汉的脚步》

▼