小樣本為什麼常製造大故事

少量觀察更容易出現極端結果

一間小學某年特別多男生，或一家小店連續五天業績翻倍，直覺很容易尋找特殊原因。可是樣本越小，偶然波動越大；極端比例在小群體中並不罕見。若把短期結果當成穩定規律，故事往往跑得比資料快。

原書用「小數法則」描述人把小樣本看得太像母體的傾向。真正的大數法則是樣本增加後，平均結果較可能接近長期分布；少量資料沒有這種保證。

隨機並不長得像整齊的隨機

拋硬幣時，人常覺得正反交錯才像隨機，連續出現幾次正面則像有規律。其實隨機序列本來就會形成短暫群聚。球員連續命中、基金連續領先或內容連續爆紅，都可能同時包含能力與運氣，不能只靠短期連勝判斷。

小樣本也會讓排行榜不穩定。排在最前與最後的單位，常同時是規模較小、波動較大的單位。若只研究極端者而沒有看樣本量，很容易發明其實不存在的原因。

穩定度是資料本身的一部分

信賴區間、誤差範圍和重複觀察，是統計學處理不確定性的方式。它們提醒讀者，一個數字不是孤立事實，還帶著取樣方式與可能波動。

小數法則不是叫人拒絕所有早期訊號。它指出，初步結果適合當線索，不適合立刻當結論。當樣本很少時，合理態度不是完全相信或完全否定，而是把判斷保留在較寬的範圍內。