知识卡片
样本不足不能支撑全称结论
从少数或缺乏代表性的个例推出整个群体的规律,会把样本碰巧具备的特征误当成普遍事实。检查归纳结论时要同时看样本如何选择、有哪些反例,以及结论声称的范围是否超出证据。扩大样本并不能自动消除选择偏差,也不能仅凭一两个成功故事断定某种方法有效。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
以偏概全是指依据不充分的例证得出普遍的结论。比如,你不能因为看到3个意大利人很有情调,就说所有的意大利人都是浪漫的。 以偏概全是使用归纳法时常见的谬误,即使用过小的样本量或者不具代表性的样本,归纳得到一个错误的结论。比如,用某一张偏方治好了某个人的某种疾病,如果据此得出
参考来源
- 位置:《程序员的底层思维》第2章《逻辑思维》(来源项目book-sources,`extracted/程序员的底层思维/_epub-src/Cheng Xu Yuan De Di Ceng Si Wei_split_006.html`)。
- 结论依据:原文从“以偏概全是指依据不充分的例证得出普遍的结论。比如,你不能因为看到”展开,与本卡的“从少数或缺乏代表性的个例推出整个群体的规律,会把样本碰巧具备的特征误当成普遍事实”对应;正文额外解释的限制、反例或外部校正均不冒充原书保证。
- 原始内容:以偏概全是指依据不充分的例证得出普遍的结论。比如,你不能因为看到3个意大利人很有情调,就说所有的意大利人都是浪漫的。 以偏概全是使用归纳法时常见的谬误,即使用过小的样本量或者不具代表性的样本,归纳得到一个错误的结论。比如,用某一张偏方治好了某个人的某种疾病,如果据此得出