按场景浏览
选择适用场景，快速找到对应的思维模型
筛选结果（143 个模型）
贝叶斯更新
Bayesian Updating
新证据出现时，用先验概率 × 证据似然度来理性更新信念，而非全盘推翻或固守。
幸存者偏差
Survivorship Bias
只看到经过筛选后幸存下来的样本，忽略了被淘汰的沉默大多数，从而得出错误结论。
回归均值（均值回归）
Regression to the Mean
极端表现之后通常会回到平均水平——不是因为你做了什么，而是因为极端值本来就不可持续。
大数定律（大数法则）
Law of Large Numbers
样本量越大，统计结果越接近真实概率——抛 10 次硬币可能 8 次正面，但抛 10000 次会接近 50%。
凯利公式（凯利准则）
Kelly Criterion
在有正期望值的重复赌局中，最优下注比例是 f* = (bp - q)/b——最大化长期财富增长率，同时避免破产。
蒙特卡洛模拟（蒙特卡罗模拟）
Monte Carlo Simulation
当问题太复杂无法精确求解时，用大量随机抽样来估算概率分布——让计算机帮你「试一万次」。
中心极限定理
Central Limit Theorem
无论原始分布是什么形状，大量独立随机变量的和/均值会趋近于正态分布——这是统计推断的基石。
贝叶斯推理
Bayesian Inference
用新证据更新信念：先有初始判断，看到新证据后，按贝叶斯公式更新概率。
肥尾效应
Fat Tail Effect
极端事件比正态分布预测的更常见：概率分布的尾部比正态分布更'肥'，黑天鹅频发。
均值回归
Mean Reversion
极端之后会回归平均：表现远超或远低于平均的，后续往往会向平均水平靠拢。
林迪效应
Lindy Effect
越老的东西越长寿：对于不会自然衰老的事物（如书籍、技术、思想），已经存在的时间越长，预期剩余寿命越长。
72法则
Rule of 72
快速估算复利翻倍时间：用72除以年化收益率，得到资金翻倍大约需要的年数。
幂律分布
Power Law Distribution
少数占大多数：分布高度不均，少数个体占据大部分资源，如财富分布、城市规模、网站流量。
回归分析
Regression Analysis
用变量预测另一个变量：建立自变量和因变量之间的数学关系，用于预测和解释。
分形
Fractal
局部与整体自相似：分形物体在不同尺度上具有自相似性，局部放大后看起来像整体。
S曲线
S-Curve
增长先慢后快再慢：事物增长通常呈S形——初期缓慢，中期快速，后期趋于饱和。
标准差
Standard Deviation
衡量数据离散程度：数据偏离平均值的平均距离，标准差越大数据越分散，越小越集中。
正态分布
Normal Distribution
钟形对称的概率分布：大多数数据集中在平均值附近，越往两端越少，是自然界最常见的分布。
逆向思维
Inversion
反过来想：不要问如何成功，先问如何必然失败，然后系统性地避开它。避蠢优于求智。
怀疑论（怀疑主义）
Skepticism
对一切断言保持质疑，要求证据——不是否定一切，而是「不轻易相信，除非有充分理由」。