方法进阶启发法与判断偏差决策改进方法
直觉预测的修正
也叫：回归性修正、适度预测
按相关系数对直觉打折，使其回归平均值。
核心讲解
作者给出修正直觉预测的4个步骤（以朱莉绩点预测为例）：第一，估测平均绩点的平均值（基准线，即无信息时的预测）；第二，根据证据印象算出与之匹配的平均绩点（直觉预测）；第三，估计证据与预测的关联度（如阅读能力与大学成绩的相关系数，作者估计最多30%）；第四，如果关联度是0.3，从平均值中抽出30%放到直觉预测里。本质是：以直觉为基础，但削弱直觉影响，使它回归平均值。当证据与预测关联紧密时，调整余地小；关联弱时，预测应更接近基准线。连续预测（数值）与离散预测（概率）的修正原理相似：都需要基准线、直觉预测，然后在两者之间取中介。作者提醒：无偏见预测意味着你永远不会预测极端事件，除非信息效度很高——这要求你严肃面对“错过下一个谷歌”与“适度保守”的权衡，风险投资者可能故意选择极端预测。
费曼版：用大白话再讲一遍
预测就像在“平均水平”和“你的直觉”之间走钢丝：先记住平均水平（基准线），再写下你的直觉（往往过头），然后问自己“证据和结果有多相关？”相关只有三成，就把直觉往平均拉三成。拉完的预测不再惊艳，但更接近真实——下次业绩预测、选人、投资都这么干。
要点
- 修正分4步：基准线、直觉、估计关联度、按比例回归。
- 关联度越低，预测越接近基准线。
- 连续预测与离散预测修正原理相同。
- 无偏见预测意味着很少预测极端事件。
常见误区
- 以为“直觉越强越不用修正”，关联度低时直觉最不可信。
- 以为无偏见预测等于乱猜，它是以基准线为锚的适度预测。
- 以为极端预测总是错的，信息效度高时极端才合理。