聚類錯覺 (Clustering Illusion)

一覽

1. 快速總結

我哋嘅大腦係尋找模式嘅機器，進化到識得喺混亂中搵出秩序——例如草叢中嘅沙沙聲暗示有捕食者，雲層嘅形狀預示會有風暴。不過，呢個強大嘅生存機制有佢嘅陰暗面：我哋會喺根本冇模式嘅地方睇到模式。當我哋睇隨機數據時——無論係股票價格、地圖上嘅癌症病例，定係籃球員嘅連續入球——我哋會覺得呢啲聚類係有意義嘅，但實際上呢啲只係隨機性產生嘅自然「結塊」。真正嘅隨機並唔係均勻分佈嘅，而係一嚿嚿嘅，而我哋嘅大腦就誤將呢啲結塊當作背後有隱藏力量運作嘅證據。

2. 背後嘅科學

2.1. 發現同歷史

聚類錯覺喺人類認知研究入面有深厚嘅根基，呢個概念透過幾個關鍵發展而逐漸成形：

• 1970年代：以色列心理學家 Amos Tversky 同 Daniel Kahneman 確認咗代表性捷思，為我哋點解會誤解聚類提供咗心理學基礎。
• 1958年：德國神經學家 Klaus Conrad 創造咗「幻想性錯覺」(apophenia) 呢個詞，用嚟形容將唔相關嘅事物視為有意義連繫嘅更廣泛傾向，最初係喺精神分裂症嘅語境下使用。
• 1985年：Gilovich、Vallone 同 Tversky 嘅標誌性「熱手」(Hot Hand) 研究將聚類錯覺帶入主流科學討論。
• 1991年：Thomas Gilovich 喺佢本著作 How We Know What Isn't So 中正式命名並普及咗「聚類錯覺」，將佢視為一種獨立嘅認知偏誤。
• 2018年：Miller 同 Sanjurjo 嘅數學重新分析顯示，就連研究呢種錯覺嘅研究人員都犯咗統計學錯誤，證明咗我哋對呢種偏誤有幾容易中招。

2.2. 主要研究人員

2.3. 標誌性研究

熱手研究 (Gilovich, Vallone, & Tversky, 1985)

呢項研究調查咗籃球迷、球員同教練普遍相信球員會「手感火熱」——即係成功會帶來更多成功嘅信念。

方法：

• 向100位籃球迷調查佢哋對連續入球嘅睇法
• 分析費城76人隊1980-81賽季嘅投籃紀錄
• 檢查條件機率：之前入球後，再入球嘅機率會唔會增加？
• 分析波士頓塞爾特人隊嘅罰球紀錄（消除防守變數）
• 同康奈爾大學校隊球員進行受控投籃實驗

主要發現：

• 91% 嘅球迷相信球員喺之前入波之後，再入波嘅機會會更大
• 84% 覺得將個波傳畀啱啱入咗幾球嘅球員係好重要嘅
• 實際數據顯示，投籃命中嘅機率幾乎同之前嘅結果無關
• 觀察到嘅「連續」次數同隨機序列中預期嘅完全吻合
• 就算球員覺得自己「手感火熱」，佢哋都冇辦法比隨機機率更準確咁預測自己會入波定射失

結論： 研究人員得出結論，熱手係由聚類錯覺加上記憶偏誤（記住連續入波而忘記交替模式）所產生嘅認知錯覺。

Miller-Sanjurjo 反駁 (2018)

30年後，經濟學家 Joshua Miller 同 Adam Sanjurjo 發現咗原先方法中一個微細但關鍵嘅缺陷：連勝選擇偏誤。

發現： 喺任何有限嘅二進制數據序列中，連續成功之後再成功嘅比例，預期會低過基本嘅成功機率。呢點違反直覺但可以用數學證明。例如掟100次銀仔，出現公之後再出公嘅預期機率大約係0.46，而唔係0.50。

影響：

• GVT 假設球員喺入波之後命中率得 50% 代表冇熱手效應
• 但其實正確嘅基準大約係 46%，即係話命中率有 50% 嘅球員已經拋離隨機預期大約4個百分點
• 重新分析後發現熱手效應有統計學上顯著嘅證據

後設教訓： 就連研究聚類錯覺嘅科學家都中咗對隨機性統計誤解嘅伏，證明咗呢種偏誤真係根深蒂固。

Clarke 嘅 V-2 轟炸分析 (1946)

英國精算師 R.D. Clarke 對德國 V-2 火箭撞擊倫敦南部進行咗統計分析。

方法：

• 將倫敦南部劃分為576個大小相等嘅方格（0.25平方公里）
• 追蹤咗喺呢啲方格中發生嘅537次炸彈撞擊
• 應用泊松分佈 (Poisson distribution) 預測純隨機情況下嘅預期結果

結果：

結論： 令倫敦人以為某啲社區成為目標嘅「聚類」，完全符合隨機機率。

2.4. 神經學基礎

聚類錯覺涉及幾個認知機制同大腦系統：

模式識別系統：

• 大腦嘅視覺皮層同模式識別網絡經過進化，會特別敏銳地偵測規律
• 顳葉負責處理序列資訊，並識別同預期模式有出入嘅地方
• 當偵測到聚類時，呢啲系統會發出「發現模式！」嘅訊號，就算根本冇模式存在

編碼機制 (Falk & Konold)：

• 啲人會根據一組序列有幾難喺腦海中編碼，嚟判斷佢有幾隨機
• 類似「公公公公公公」嘅序列好容易編碼（「六個公」）→ 被判斷為非隨機
• 類似「公字公公字公」嘅序列好難編碼（需要死記硬背）→ 被判斷為隨機
• 隨機過程間中會產生「可壓縮」嘅聚類，大腦會將佢哋標記為模式

多巴胺獎勵系統：

• 模式偵測會觸發獎勵途徑，當我哋發現聚類時，會提供神經學上嘅「快感」
• 呢個會創造出一個正回饋循環，加強尋找模式嘅行為
• 「連點成線」嘅樂趣會驅使我哋繼續偵測模式，就算係錯嘅都係咁

注意力系統：

• Stian Reimers 嘅研究指出，交替偏誤可能反映咗我哋嘅注意力系統係為偵測變化而調整嘅
• 喺自然環境中，變化代表需要作出反應嘅重要事件
• 穩定狀態（聚類）會引起額外注意，因為佢哋偏離咗預期嘅交替

3. 進化起源

聚類錯覺唔係人類認知嘅缺陷——佢係我哋最偉大進化資產嘅陰暗面：即係快速識別因果關係嘅能力。

遠古生存優勢： 喺遠古環境中，偵測模式嘅能力係生存嘅先決條件：

• 認得出高草叢中嘅沙沙聲同捕食者有關，可以救你一命
• 辨認出特定雲層形狀預示暴風雨，令人可以做好準備
• 留意到某啲植物聚集喺水源附近，有助於覓食
• 偵測到動物足跡集中喺水坑周圍，提高咗打獵嘅成功率

成本效益嘅不對稱性： 從進化角度睇，假陽性（睇到唔存在嘅模式）嘅成本遠低於假陰性（錯過存在嘅模式）：

• 假陽性：你因為風吹嘅沙沙聲而逃跑 → 消耗少少能量
• 假陰性：你忽略咗真正捕食者發出嘅沙沙聲 → 死亡

呢種不對稱性為對模式敏感嘅大腦創造咗強大嘅選擇壓力，就算佢哋間中會「見鬼」。

現代嘅不匹配： 呢種對結構極其敏銳嘅感覺喺現代世界變得唔適應，尤其喺以下情況：

• 金融市場嘅隨機漫步
• 遵循統計分佈嘅疾病發病率
• 產生數學上隨機序列嘅洗牌演算法
• 受機率論支配嘅體育統計數據

我哋嘅大腦將遠古嘅模式偵測演算法應用喺現代隨機數據上，將巧合視為因果關係，將意外視為有意圖。

4. 呢種偏誤嘅表現方式

4.1. 喺日常生活中

賭博同遊戲：

• 相信老虎機喺連輸之後「夠鐘」要派彩
• 以為六合彩嘅「幸運號碼」有意義，因為佢哋之前出現過
• 覺得玩啤牌連贏就證明自己「轉緊運」

體育迷：

• 堅信你捧嗰隊只要你睇親就「一定」會輸
• 根據令人難忘嘅表現，認定某啲球員係「關鍵先生」
• 覺得球證吹黑哨，因為佢連續幾次判你嗰隊犯規

音樂同娛樂：

• 當隨機播放連續播同一個歌手嘅歌時，覺得串流平台「偏心」
• 覺得某種曲風「總係」喺特定時間出現

迷信：

• 根據巧合嘅聚類發展出儀式（例如著「幸運」衫）
• 相信有好運或衰運嘅「連鎖反應」
• 喺日常隨機事件中睇到有意義嘅模式

4.2. 喺職場中

績效評估：

• 經理根據近期一連串嘅業績，覺得員工表現「火熱」或「低迷」
• 根據求職者履歷上嘅短暫連勝紀錄嚟評估，而唔係睇整體往績
• 因為近期一連串嘅好表現，相信某啲團隊或部門有「氣勢」

銷售同業務發展：

• 追逐只係隨機成功聚類嘅「熱門」潛在客戶
• 喺一連串隨機失敗之後，放棄有潛力嘅策略
• 根據巧合嘅結果，認定某啲時間、地點或方法本質上更好

專案管理：

• 根據結果聚類，覺得專案有「氣勢」或者被「詛咒」
• 根據近期嘅連續表現嚟做資源分配決定
• 對一連串嘅延遲或成功反應過度

4.3. 喺商業同行銷中

操控消費者：

• 賭場利用聚類錯覺展示最近開出嘅冧巴，鼓勵玩家投注喺「熱門」或「夠鐘開」嘅冧巴上
• 推銷產品嘅「連續熱賣」去製造錯失恐懼症 (FOMO)
• 透過選擇性報導成功案例同用家見證，製造人為嘅聚類

產品設計：

• Spotify 同 Apple 重新設計佢哋嘅隨機播放演算法，令佢冇咁隨機，因為真正嘅隨機令用家覺得個功能「壞咗」
• 智能隨機演算法會主動防止聚類，去迎合用家對「隨機」嘅期望
• 遊戲設計師操控玩家感知嘅隨機性，令遊戲感覺更「公平」

銷售策略：

• 展示一連串近期嘅購買記錄，暗示產品好流行
• 展示一連串銷售後使用「限時優惠」
• 展示一連串用家見證，暗示大家都好滿意

4.4. 喺政治同媒體中

民調同選舉：

• 根據誤差範圍內嘅隨機波動，覺得民調數據有「氣勢」
• 根據聚類結果，相信某啲地區或人口群體「轉軚」
• 媒體報導將隨機聚類放大為重要趨勢

新聞報導：

• 根據隨機發生嘅一連串事件嚟報導「犯罪潮」
• 將健康數據中嘅統計噪音誇張成「疫症」
• 圍繞巧合嘅事件聚類去創作故事

陰謀論：

• 將唔相關嘅事件連繫成有意義嘅模式
• 喺時間上嘅巧合睇到有人蓄意協調
• 將隨機數據聚類解釋為有幕後黑手運作嘅證據

4.5. 喺醫療保健中

癌症聚類：

• 當社區出現隨機嘅癌症病例聚類時，會引起公眾恐慌
• 要求對其實係統計噪音嘅現象進行環境原因調查
• 90年代長島乳癌研究計劃用咗3000萬美金調查一個疑似嘅聚類，結果發現主要係由人口統計特徵同篩查偏誤引起

診斷錯誤：

• 醫生根據近期一連串病人嘅情況，覺得有疾病「模式」
• 因為近期一連串嘅陽性結果而過度安排檢查
• 將隨機嘅症狀聚類歸咎於特定原因

治療評估：

• 病人因為巧合嘅症狀好轉聚類，就覺得治療有效
• 根據隨機出現嘅副作用聚類而停藥
• 替代療法靠住錯誤歸因隨機出現嘅好轉聚類而蓬勃發展

4.6. 喺金融同投資中

技術分析：

• 喺隨機價格數據中搵出「頭肩頂」、「雙頂」等模式
• 研究顯示，分析師喺電腦生成嘅隨機漫步圖表中都會認出呢啲模式
• 圍繞住只係統計噪音嘅模式建立交易策略

追逐趨勢：

• 投資者將一連串嘅正回報睇成「熱炒」股票，以為佢基本價值變咗
• 喺隨機聚類嘅頂部（連升之後）買入
• 呢個就係金融界嘅熱手謬誤

羊群心理：

• 跟隨其他投資者嘅群體行為，而唔係做基本面分析
• 研究指出，喺金融知識水平較低嘅市場中，呢種情況特別嚴重
• 根據感覺到嘅勢頭製造自我強化的泡沫

對虧損嘅感覺：

• 一連幾日跌市被視為「股災」，搞到要恐慌拋售
• 標準差範圍內嘅隨機波動會引發過度嘅恐懼反應
• 虧損聚類畀人嘅感覺比同樣幅度嘅收益聚類更強烈

5. 真實案例研究

案例一：V-2 火箭襲擊倫敦 (1944-1945)

• 背景： 二戰期間，納粹德國向倫敦發射 V-1 飛行炸彈同 V-2 彈道火箭。V-2 基本上係一種誤差好大嘅無制導飛彈，旨在對城市進行無差別打擊。

• 發生咩事： 倫敦人觀察到炸彈似乎係一堆堆咁跌落嚟。倫敦南部嘅特定社區被多次擊中，而隔籬嘅地區就避過一劫。恐慌開始蔓延，有人覺得目標社區有德國間諜、專登針對窮人，或者係有導航指向特定地標。

• 偏誤點樣發揮作用： 居民預期隨機轟炸會喺城市各處均勻分佈。當佢哋見到聚類現象——某啲地區畀炸中幾次，其他地方就冇事——佢哋唔相信呢個係隨機，於是周圍搵原因。

• 後果： 聚類錯覺引起咗恐慌，令民眾由「目標」地區搬走，引發社區之間嘅怨氣，亦令民防資源錯配。白白嘥氣去捉根本唔存在嘅間諜。

• 學到嘅教訓： R.D. Clarke 喺 1946 年嘅統計分析證明，撞擊模式符合泊松分佈——即係純粹隨機會產生嘅結果。喺任何隨機分佈中，均勻係唔可能嘅；某啲地區必定會被擊中多次，而其他地區就完全冇事。

案例二：長島乳癌研究計劃 (1990年代-2000年代)

• 背景： 紐約長島拿騷縣同薩福克縣嘅婦女發現乳癌發病率似乎高得唔尋常。好似「1 in 9」等草根運動遊說政府進行調查，懷疑環境毒素（例如農藥、電磁場、工業污水）係元凶。

• 發生咩事： 政治壓力促使國會授權進行長島乳癌研究計劃 (LIBCSP)，呢個係一個由美國國家癌症研究所協調、歷時十幾年、耗資3000萬美金嘅大型多項研究工作。

• 偏誤點樣發揮作用： 居民覺得出現咗有意義嘅癌症聚類，就認定一定係由當地環境原因引起。呢個就係「德州神槍手謬誤」——喺睇到數據聚類之後，先喺周圍畫個靶心。

• 後果： 經過對泥土、水、灰塵同血液樣本進行詳盡調查之後：

  • 搵唔到有機氯化合物 (DDT/PCB) 同乳癌之間有聯繫
  • 搵唔到同電纜有聯繫
  • 同多環芳香烴只係有輕微、非決定性嘅關聯
  • 呢個「聚類」主要係由人口統計特徵（生仔遲嘅富裕人口，呢個係已知嘅風險因素）同篩查偏誤（乳房X光造影率高，所以發現更多癌症）所解釋

• 學到嘅教訓： 唔係每一個聚類背後都有一個環境嘅確鑿證據。人口統計因素同檢測率可以造成表面上嘅聚類，呢啲只係統計假象，而唔係當地原因嘅證據。

歷史例子：馬林縣癌症「聚類」

加州馬林縣亦發生過類似現象——另一個乳癌發病率偏高嘅富裕地區。雖然居民擔心係環境原因所致：

• 後期研究發現，呢個「聚類」部分原因係富裕人口大量使用荷爾蒙補充療法 (HRT) 引起
• 當 HRT 使用量下降（因為有研究指佢同癌症風險有關），發病率亦隨之下降
• 因果關係係存在嘅，但唔係聚類錯覺所暗示嘅環境因素
• 呢個模式顯示咗聚類錯覺點樣引導調查人員向錯嘅方向搵原因

6. 呢種偏誤嘅代價

6.1. 個人代價

財務損失：

• 追逐只係隨機聚類嘅「熱門」投資趨勢
• 喺一連串隨機虧損後放棄穩健嘅策略
• 因為相信「夠鐘開」或「手風順」而導致賭博輸錢

情緒困擾：

• 因為覺得自己「黑開有條路」而感到焦慮
• 迷信行為限制咗日常決定
• 基於巧合嘅負面事件聚類而產生非理性恐懼

關係破壞：

• 基於巧合事件而覺得伴侶有某種行為模式
• 從隨機觀察嘅聚類中產生毫無根據嘅懷疑
• 確認偏誤強化咗基於聚類嘅結論

機會成本：

• 喺早期隨機失敗後放棄有潛力嘅嘗試
• 因為等待自以為「啱嘅時機」而錯失機會
• 白費心機做迷信儀式

6.2. 專業代價

投資損失：

• 研究顯示散戶由於追逐趨勢，表現往往差過指數
• 根據感知到嘅模式，太早賣出賺錢貨，太遲斬倉蝕本貨
• 根據虛假訊號過度交易而產生交易成本

職業決策：

• 根據短期結果聚類而辭職或放棄職業發展
• 經理根據面試「連勝」而做出糟糕嘅招聘決定
• 因為覺得有負面績效模式而產生表現焦慮

商業策略失敗：

• 公司喺幾季隨機嘅業績差之後放棄穩健策略
• 根據以為部門有「勢頭」而錯配資源
• 市場研究因為喺消費者行為數據中尋找模式而受到破壞

6.3. 社會代價

公共衛生資源：

• 花費過百萬調查統計噪音（例如耗資3000萬美金嘅長島研究）
• 資源被從真正嘅公共衛生威脅中轉移
• 當調查搵唔到原因時，社區會產生焦慮同不信任

政策方向錯誤：

• 對隨機犯罪聚類作出「犯罪潮」式嘅回應
• 基於統計假象制定環境法規
• 將資源分配畀唔係問題嘅問題，而真正嘅問題就冇人理

市場效率低下：

• 集體追逐趨勢造成泡沫同股災
• 羊群心理放大市場波動
• 資本錯配到只係隨機熱門嘅板塊

6.4. 統計影響

研究結果：

• 熱手研究發現91%嘅籃球迷持有聚類錯覺信念
• Wagenaar 同 Bar-Hillel 發現人類生成嘅「隨機」序列有大約 60-70% 嘅交替率（真正隨機 = 50%）
• Miller-Sanjurjo 修正指出，就連受過訓練嘅統計學家都低估咗真正隨機效應大約4個百分點
• Clarke 嘅 V-2 分析顯示，儘管後果嚴重，但公眾嘅認知係系統性錯誤嘅

7. 隱藏嘅好處

雖然聚類錯覺有代價，但佢可能都有適應性嘅作用：

快速模式偵測：

• 喺確實存在模式嘅環境中，快速偵測能提供生存優勢
• 呢種偏誤可能代表咗對祖先環境嘅最佳調整，因為嗰陣時模式好常見
• 當錯過真正模式嘅代價好高時，「寧波勿縱」就適用啦

加速學習：

• 感知模式——就算間中係錯嘅——亦可能會喺真正有模式嘅環境中加速學習
• 願意假設事物之間有關連，可以促進因果推理嘅發展
• 科學家本身都要靠模式感知嚟產生假設

社會協調：

• 對模式嘅共同信念（球隊氣勢、幸運物品）可以透過類似安慰劑嘅機制產生實際效果
• 熱手信念即使喺統計上冇根據，亦可能改善球隊合作
• 從自覺「手風順」而嚟嘅自信，可以透過心理機制提升表現

動機效應：

• 相信自己「轉緊運」可能會支持你捱過艱難時期
• 睇到進步嘅模式會提供情感回報，令人堅持落去
• 完全接受隨機性可能會削弱目標導向嘅行為

重要警告： 呢啲好處只喺特定情況下有效。喺現代數據豐富、充滿已知隨機過程（市場、洗牌、統計分佈）嘅環境中，聚類錯覺嘅代價通常大過好處。

8. 自我評估：你有冇呢種偏誤？

8.1. 警告信號清單

• 我覺得有啲老虎機「夠鐘」要派彩
• 我認為運動員真係有「手感火熱」同「低迷」嘅時候
• 我會因為巧合嘅成功而發展出迷信儀式
• 我試過埋怨隨機播放演算法「壞咗」，因為佢成日播同一個歌手
• 我相信某啲日子、時間或情況對我嚟講係好運嘅
• 我喺股票圖表睇到「趨勢」並跟住嚟炒
• 我喺隨機事件中發現模式並採取行動
• 我好有自信可以預測到人哋幾時會「手風順」
• 我相信「衰嘢總係打孖嚟」或類似嘅聚類信念
• 喺經歷短暫嘅衰運後，我會放棄原本嘅策略

計分：

• 剔咗 0-2 個：低度容易受影響
• 剔咗 3-5 個：中度容易受影響
• 剔咗 6-8 個：高度容易受影響
• 剔咗 9-10 個：極度容易受影響

8.2. 自我反思問題

1. 以前你「手風順」嘅時候，你嘅基本實力真係有改變，定係你只係經歷緊隨機嘅成功聚類？

2. 你有冇試過因為短暫嘅成績唔好，而放棄一個穩健嘅策略（減肥餐單、投資方法、工作方式）？回想返，係個策略有漏洞，定只係經歷緊隨機波動？

3. 你覺唔覺得真正嘅隨機事件應該比平時「更平均分佈」？連續重複出現會唔會令你覺得「有唔妥」？

4. 你有冇喺隨機過程（六合彩號碼、體育比分、股票走勢）中留意到一啲你認為有預測價值嘅模式？

5. 當朋友或同事指出你睇到嘅模式可能只係隨機巧合時，你通常會有咩反應？自我防禦定係保持開放態度？

8.3. 快速診斷情境

情境： 你睇緊一場籃球賽。有位球員連續入咗5球。旁述員話佢「著晒火」。比賽淨低30秒，你捧嗰隊落後2分兼有波權。

你會點諗呢個情況？

• A) 「佢手風順——畀個波佢！佢呢球入波嘅機率肯定高過佢成季嘅平均水平。」 → 高度容易受影響

• B) 「佢連續入咗5球，感覺好犀利，但我知佢下一球嘅實際入波機率應該同佢季平均差唔多。不過，佢嘅自信可能會有一啲幫助。」 → 中度容易受影響

• C) 「佢過去5球同呢球無關。個波應該交畀喺空位預期命中率最高嘅球員，唔理頭先發生過咩事。」 → 低度容易受影響

9. 喺其他人身上識別呢種偏誤

9.1. 行為指標

講嘢方面：

• 經常講「連勝」、「氣勢」、「手風順」、「夠鐘開」、「模式」呢啲字眼
• 圍繞巧合事件編造故事（「自從我開始……之後」）
• 根據最近嘅觀察對預測充滿信心

決策方面：

• 追逐近期贏家（投資、策略、方法）
• 喺短暫嘅衰運後放棄方法
• 根據覺得嘅「時機」或「感覺」做決定

日常生活方面：

• 喺唔確定嘅事件前做複雜嘅儀式
• 對「運氣」同佢嘅模式有強烈意見
• 傾向將巧合睇成有意義

9.2. 對話危險信號

啲人受呢種偏誤影響時會講嘅說話：

• 「佢著晒火——繼續交個波畀佢！」
• 「我夠鐘贏啦；我連輸得太多喇。」
• 「呢個係今個禮拜第三次——一定有啲古怪。」
• 「個演算法擺明有偏見；佢成日播同一個歌手。」
• 「衰嘢總係打孖嚟（外國俗語係三件）。」

佢哋會提出嘅論點類型：

• 引用短期結果作為根本改變嘅證據
• 覺得統計學解釋係「捉錯用神」而唔理
• 訴諸「感覺」或直覺多過數據

佢哋會避開唔問嘅問題：

• 「如果呢度係純隨機，實際上會係點？」
• 「我需要觀察幾多次，先可以肯定呢個唔係隨機？」

9.3. 情境觸發因素

情況：

• 觀察連續結果（體育、賭博、市場）
• 睇空間數據（事件地圖、分佈圖）
• 評估近期表現（個人、專業、其他人）

環境因素：

• 時間壓力令人急於進行模式配對
• 對結果有情感投入
• 對實際基本率缺乏反饋

情緒狀態：

• 焦慮驅使尋求解釋同控制感
• 抱有希望去尋找正面跡象
• 恐懼放大了對負面模式嘅感知

社交環境：

• 群體環境強化了對模式嘅信念
• 擁有根深蒂固信念嘅專家群體（交易、體育）
• 媒體報導強調連續紀錄同模式

10. 認知去偏誤策略

10.1. 即時技巧

基本率問題： 接受一個模式之前問自己：「如果呢個純粹係隨機，我預期會見到咩？」如果觀察到嘅模式符合隨機預期，就保留判斷先。

樣本大小檢查： 問自己：「我有幾多個觀察數據？」記住，細樣本本質上就係容易出現連續情況嘅。喺接受模式之前，要求更大嘅樣本。

交替偏誤修正： 提醒自己，真正嘅隨機產生嘅連續情況比你直覺想像中要多。好似「公公公公公公」咁嘅序列並唔出奇——喺數學上佢哋係必須定期出現嘅。

反事實測試： 問自己：「如果出現相反嘅模式，我會唔會同樣咁留意到？」我哋通常會選擇性地關注符合我哋期望嘅模式。

德州神槍手警報： 當有人提出一個模式時問佢：「呢個模式係睇數據之前定之後假設出嚟嘅？」事後孔明嘅模式應該要抱有極大嘅懷疑態度。

10.2. 長期策略

統計學素養：

• 學習基本機率論同泊松分佈
• 了解隨機序列實際上係點嘅樣
• 專門研究賭徒謬誤同熱手謬誤

決策日記：

• 記錄預測同背後嘅理據
• 長時間追蹤結果以校準你嘅模式偵測
• 回顧你過去感覺到嘅「模式」——有幾多個係真嘅？

機率思維：

• 練習用機率去思考而唔係追求絕對肯定
• 接受隨機過程中必然存在嘅不確定性
• 分清「比較大機會」同「肯定」嘅分別

尋找反證：

• 主動尋找同感知模式矛盾嘅數據
• 當你感覺到有模式時，請教抱懷疑態度嘅來源
• 用同樣嚴格嘅標準去審視證實同反證嘅證據

10.3. 環境設計

增加樣本大小：

• 建立喺展示前會先匯總數據嘅系統
• 避免強調短期波動嘅實時動態
• 製作強調長期趨勢多過近期連續表現嘅儀表板

加入統計背景：

• 喺數據旁邊展示置信區間
• 顯示歷史分佈作比較
• 加入「隨機情況會係點」嘅基準線

實施冷靜期：

• 察覺到模式後，延遲做決定
• 規定基於模式嘅行動必須要有明確嘅理據
• 設立質疑模式假設嘅檢查點

使用預先承諾：

• 觀察結果前先定立決策規則
• 承諾喺一段時間內堅持策略，唔理短期結果
• 製造阻力防止基於模式做反應性改變

10.4. 幾時要尋求外部意見

喺以下情況尋求統計專家意見：

• 根據感覺到嘅模式做重大決定時
• 評估有關有意義聚類嘅說法時（健康、績效、市場）
• 設計涉及隨機性嘅系統時

喺以下情況尋求同儕審查：

• 你對某個模式產生咗強烈嘅信心
• 其他人對你感知到嘅模式表示懷疑
• 個模式導致行為上出現重大改變

喺以下情況諮詢領域專家：

• 評估某個領域係咪真係有模式（有啲真係有！）
• 了解基本率同預期變異
• 喺專業領域中區分訊號同噪音

11. 實用練習

練習一：掟銀仔挑戰

• 目標： 體驗真正嘅隨機睇落有幾「唔隨機」
• 所需時間： 15 分鐘
• 所需物資： 一個銀仔、紙、筆
• 難度： 初級
• 指示：
  1. 掟銀仔 100 次，記錄低每一次嘅結果（公或字）
  2. 喺睇數據之前預測：你觀察到最長嘅連續次數會係幾多？
  3. 圈出所有連續 4 次或以上相同結果嘅紀錄
  4. 計算呢啲連續次數嘅總數
  5. 同你嘅直覺比較下——你原本預期會有更多定更少嘅連續次數？
• 反思問題：
  • 連續嘅次數或長度有冇令你覺得驚訝？
  • 同你心目中嘅「隨機」比較，呢段序列畀你咩「感覺」？
  • 如果你唔知呢段序列係掟銀仔出嚟嘅，你會唔會懷疑當中有模式？
• 頻率： 做一次，之後每當你發現自己喺隨機數據中搵模式嗰陣就再做

練習二：生成「隨機」序列

• 目標： 體驗你自己嘅交替偏誤
• 所需時間： 10 分鐘
• 所需物資： 紙、筆
• 難度： 初級
• 指示：
  1. 唔好掟銀仔，就咁寫低 50 個「隨機」嘅公 (H) 同字 (T) 序列
  2. 計算交替嘅次數（公→字 或者 字→公 嘅轉換）
  3. 計算你嘅交替率：交替次數 ÷ 49（總可能轉換次數）
  4. 同真正隨機預期嘅 50% 比較下
  5. 留意下你嘅交替率高咗幾多
• 反思問題：
  • 點解你喺生成「隨機」序列嗰陣，會避開較長嘅連續？
  • 呢個練習點樣改變你對隨機性嘅睇法？
  • 呢個揭示咗你對機率嘅直覺模型係點？
• 頻率： 每當你需要校準隨機直覺嗰陣就練下

練習三：歷史模式審計

• 目標： 評估過往基於模式所做嘅決定
• 所需時間： 30 分鐘
• 所需物資： 日記或過往決策嘅筆記
• 難度： 中級
• 指示：
  1. 列出 5 個你因為感覺到有模式而做嘅決定（投資、人際關係、職業轉變）
  2. 記錄每一個決定：你感覺到咩模式？有幾多個觀察結果支持佢？
  3. 調查結果：個模式有冇好似你預期咁繼續？
  4. 估算：隨機機率會預測咩結果？
  5. 計算你嘅「模式準確率」
• 反思問題：
  • 你有冇對一啲冇持續落去嘅模式過度自信？
  • 如果你當初假設呢啲只係隨機，結果會點？
  • 你可以點樣將呢次學到嘅嘢應用落依家嘅決定度？
• 頻率： 每季檢討一次

日常練習

「隨機檢查」習慣： 每日一次，當你留意到自己感覺到有模式（喺新聞、工作、個人生活入面）嗰陣，停一停問自己：「如果呢個係隨機，我會唔會預期見到咁嘅結果？」花 2 分鐘諗下喺呢個情況下，隨機機率實際上會產生啲咩。

• 建議時長：2-3 分鐘
• 最佳時間：任何時候你發現自己喺度進行模式配對
• 點樣追蹤進度：記低個模式有幾多次可以捱得過你嘅審視

每週挑戰

模式懷疑週： 維持一個禮拜，記錄低你感覺到嘅每一個模式。每個紀錄要寫低：

• 感知到嘅模式

• 支持佢嘅觀察次數

• 隨機機率會預測啲咩

• 你對佢係真模式嘅信心程度 (1-10)

• 4 個禮拜後嘅預期結果：對模式嘅懷疑態度同校準能力大幅提升

• 寫日記嘅反思提示：

  • 有幾多個模式捱得過統計審視？
  • 我對自己嘅模式偵測傾向有咩了解？
  • 我嘅行為因此有咩改變？

12. 畀特定對象嘅建議

畀領袖同經理

對領導嘅啟示：

• 抗拒根據近期嘅連續表現嚟評估員工
• 認知到季度業績包含大量嘅隨機波動
• 避免喺市場、策略或部門度追逐「氣勢」

團隊干預：

• 訓練團隊具備基本統計思維
• 喺得出有模式嘅結論前，定立最低樣本大小
• 建立會質疑基於模式推理嘅文化

決策過程：

• 實施事前驗屍 (pre-mortem)，問「如果呢個模式係隨機嘅會點？」
• 任何基於模式嘅策略改變，都規定要同基本率比較
• 喺針對感知趨勢採取行動前，加入檢討期

組織設計：

• 建立具有較長遠視野嘅反饋系統
• 設計會計算有意義時期平均值嘅指標
• 避免強調短期波動嘅實時儀表板

畀家長同教育工作者

適合年齡嘅教學：

• 用掟銀仔實驗展示隨機性（8歲以上）
• 討論遊戲中實力同運氣嘅分別（10歲以上）
• 透過體育同遊戲介紹機率概念（12歲以上）

課堂活動：

• 叫學生生成「隨機」序列，然後同真正嘅隨機序列比較
• 分析學校體育數據中嘅「連勝紀錄」
• 討論點解賭場會展示近期開出嘅贏錢冧巴

做偏誤意識嘅好榜樣：

• 當小朋友感覺到有模式時，一齊問校準問題
• 當模式可能係隨機時，展示出不確定嘅態度
• 讚賞認得出隨機性嘅技巧

畀醫療保健專業人員

臨床啟示：

• 認知到疾病聚類可能係統計假象
• 避免根據近期病人求診嘅「模式」而過度診斷
• 了解社區對疑似健康聚類嘅焦慮

醫患溝通：

• 幫助病人明白症狀聚類未必代表背後有特定模式
• 解釋基本率同健康結果嘅預期差異
• 用統計學背景去回應對癌症聚類嘅擔憂

診斷考量：

• 抵抗可得性偏誤放大近期病人模式嘅影響
• 使用唔依賴感知趨勢嘅結構化診斷方案
• 為聚類調查尋求統計諮詢

畀金融專業人員

投資應用：

• 教導客戶點樣分清回報中嘅訊號同噪音
• 實施最低持有期以防止追逐連勝
• 展示技術分析模式失敗率嘅歷史數據

客戶溝通：

• 幫客戶做好心理準備，應付正常波動內難以避免嘅虧損聚類
• 將近期表現同長期預期放埋一齊講
• 用基本率教育去回應買熱門股票/基金嘅要求

風險管理：

• 區分真正嘅風險訊號同隨機聚類
• 建立唔需要預測模式嘅投資組合
• 實施系統性嘅再平衡，唔理短期趨勢

13. 同其他偏誤嘅相互作用

會放大聚類錯覺嘅偏誤

可以抵銷呢種錯覺嘅偏誤

常見偏誤連鎖

熱手連鎖效應： 聚類錯覺 → 確認偏誤 → 過度自信 → 糟糕決定

例子： 一個交易員感覺到一隻「熱炒」股票（聚類錯覺），留意確認嘅新聞但忽略矛盾嘅訊號（確認偏誤），變得有信心個模式會繼續（過度自信），然後喺高位加注（糟糕決定）。

癌症聚類連鎖效應： 聚類錯覺 → 可得性捷思 → 德州神槍手 → 歸因錯誤

例子： 一個社區留意到幾宗癌症病例（聚類錯覺），呢啲病例佔據咗注意力同記憶（可得性），事後喺佢哋周圍畫個地理界線（德州神槍手），然後喺冇證據嘅情況下歸咎於環境原因（歸因錯誤）。

打斷連鎖效應：

• 接受模式前要求睇基本率
• 分析數據前要求有預先設定嘅假設
• 針對影響重大嘅模式說法尋求統計諮詢

14. 文化角度

關於聚類錯覺喺文化差異方面嘅研究好有限，但都有幾個模式浮現：

普遍特徵：

• 喺隨機數據中感覺到有模式嘅基本傾向，似乎係跨文化普遍存在嘅
• 呢個同佢作為人類基本認知特徵嘅進化起源係一致嘅
• 所有被研究嘅人群喺生成「隨機」序列嗰陣，都顯示出交替偏誤

文化差異：

金融知識水平嘅影響：

• 喺巴基斯坦嘅研究指出，喺金融知識水平較低嘅地方，市場中嘅聚類錯覺效應會更強
• 受過較高教育嘅人群可能較好咁認得出隨機性，但絕對唔係免疫
• 就連諾貝爾獎得主 (Kahneman) 都話聚類錯覺就算明知係假，都好有說服力

文化迷信：

• 唔同文化會發展出唔同嘅模式信念（幸運數字、日子、儀式）
• 呢啲信念係普遍聚類錯覺嘅特定文化表現
• 佢哋展示咗偏誤點樣同文化敘事產生相互作用

15. 迷思同誤解

16. 專家見解

「我哋係依賴捷徑嘅認知吝嗇鬼。聚類錯覺之所以發生，係因為我哋低估咗隨機機率本身固有嘅變異程度。我哋假設咗變異就意味住有可變嘅原因。」 — Thomas Gilovich，How We Know What Isn't So (1991)

「問題係對人類嚟講，真正嘅隨機感覺上並唔隨機。所以我哋收到大量用家投訴，話佢根本唔隨機。」 — Mattias Petter Johansson，前 Spotify 工程師

「人們期望由隨機過程產生嘅事件序列，即使序列好短，都能夠代表嗰個過程嘅基本特徵。」 — Amos Tversky & Daniel Kahneman，論「小數法則」

17. 關鍵要點

1. 隨機係一嚿嚿嘅。 真正嘅隨機分佈包含聚類——喺數學上佢哋必須如此。均勻分佈反而係非隨機嘅證據。

2. 我哋嘅模式偵測係生存特徵，唔係缺陷。 聚類錯覺係快速因果推論嘅陰暗面，呢種推論曾經幫助我哋祖先生存。

3. 細樣本係靠唔住嘅。 「小數法則」係一個謬誤。我哋唔可以期望短序列能反映長期平均值。

4. 連專家都會中招。 Miller 同 Sanjurjo 指出，研究聚類錯覺嘅研究人員喺佢哋最初嘅分析入面都犯咗統計學錯誤。

5. 科技遷就我哋嘅偏誤。 Spotify 同 Apple 專登令佢哋嘅隨機播放冇咁隨機，因為真正嘅隨機令用家覺得壞咗。

6. 高風險領域好容易受影響。 公共衛生調查、金融市場同戰略決策，全部都會被聚類錯覺扭曲。

7. 有意識有幫助但無法消除。 統計學訓練可以減少但唔可以根除偏誤。結構性保障同決策過程係對個人意識嘅必要補充。

18. 進一步資源

學術論文

• Gilovich, T., Vallone, R., & Tversky, A. (1985). The hot hand in basketball: On the misperception of random sequences. Cognitive Psychology, 17(3), 295-314.
• Miller, J. B., & Sanjurjo, A. (2018). Surprised by the hot hand fallacy? A truth in the law of small numbers. Econometrica, 86(6), 2019-2047.
• Clarke, R. D. (1946). An application of the Poisson distribution. Journal of the Institute of Actuaries, 72(3), 481.
• Wagenaar, W. A. (1972). Generation of random sequences by human subjects: A critical survey of the literature. Psychological Bulletin, 77(1), 65-72.
• Falk, R., & Konold, C. (1997). Making sense of randomness: Implicit encoding as a basis for judgment. Psychological Review, 104(2), 301-318.

書籍

• Gilovich, T. (1991). How We Know What Isn't So: The Fallibility of Human Reason in Everyday Life. Free Press.
• Kahneman, D. (2011). 快思慢想 (Thinking, Fast and Slow). Farrar, Straus and Giroux.
• Mlodinow, L. (2008). 醉漢走路：機率如何左右你我的命運和機會 (The Drunkard's Walk: How Randomness Rules Our Lives). Pantheon Books.
• Taleb, N. N. (2005). 隨機騙局 (Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets). Random House.

書籍章節

• Tversky, A., & Kahneman, D. (1971). Belief in the law of small numbers. In Judgment under Uncertainty: Heuristics and Biases (pp. 23-31). Cambridge University Press.

19. 總結卡

20. 詞彙表

21. 討論問題

畀讀書會、課堂或自我反思用：

1. Miller-Sanjurjo 嘅研究顯示，就連研究聚類錯覺嘅學者喺理解隨機性方面都犯咗錯。呢個講明咗專業知識喺克服認知偏誤方面有咩局限？

2. Spotify 選擇令佢哋嘅隨機播放演算法冇咁隨機去滿足用家。呢個做法啱唔啱？科技應該遷就我哋嘅偏誤定係幫我哋克服佢哋？

3. 長島乳癌研究用咗3000萬美金調查一個統計假象。呢個係浪費資源，定係回應社區關注嘅必要舉措？公共衛生機構應該點樣回應疑似嘅聚類？

4. 如果熱手效應真係存在（根據 Miller-Sanjurjo 嘅修正），但只係好微弱，教練仲應唔應該調整策略？效應大小去到咩程度先算係實際上有意義？

5. 喺你自己生活嘅邊啲方面，你可能會成為聚類錯覺嘅受害者？你會點樣設計一個測試去檢查下？