一枚公平硬币，抛 100 次。中间必然会出现「连着好几次同一面」的片段。
凭直觉：最长的那一段连号，通常有多长？
人在面对随机序列时会犯两个方向完全相反的错误，而且经常是同一个人在同一天犯：
| 谬误 | 看到连续 5 次红，于是认为 |
|---|---|
| 赌徒谬误 gambler's fallacy | 该轮到黑了（会反转） |
| 热手谬误 hot-hand fallacy | 红正在走运（会延续） |
两个结论截然相反，却出自同一个错误的前提：「这段连号不正常，需要一个解释。」赌徒谬误用「平衡机制」解释它，热手谬误用「势头」解释它。而正确答案往往是第三个：它根本不需要解释——连号是随机的正常产物。
赌徒谬误的核心误解，1.1 章已经埋下伏笔，这里说透：
那笔「亏空」从来没有被补上，它只是被越来越大的分母冲淡了。轮盘、硬币、骰子都没有记忆，也没有任何机制去记录「欠了多少」。你脑子里那个记账员是不存在的。
另一边，热手谬误的根源在于：人对「随机应该长什么样」有一个错误的模板。让人凭空写一串「随机」的正反面，几乎所有人都会写出交替率过高、连号过短的序列——因为连着五个正面「看起来不随机」。
真随机序列里，连号多得超乎想象：
所以在篮球场上看到一个球员连中 5 球，你面对的是一个真正的难题：这是「手感来了」，还是「随机序列本来就该有这么长的连号」？——这个问题在学术界吵了三十多年，而且中途翻过一次车。
本章的一句话解药：看到连号时，先别问「为什么会连」，先问 「纯随机的话，这种连号多久出现一次？」如果答案是「挺常见的」，那就不需要故事。赌徒谬误和热手谬误都是在给不需要解释的东西编解释——一个编了平衡机制，一个编了神秘状态。
下面两条序列各 100 次抛掷。一条是真随机，另一条是「人造」的——按人编随机数的方式生成：以一定概率强制和上一个不同，从而压掉连号。
先别看统计量，用眼睛判断哪条是真随机的，再点按钮揭晓。
把交替倾向拖到 50%（第三个预设）：此时「人造」序列的生成规则退化成了真随机，两条序列在统计上无从分辨。这个对照说明「交替率」正是那个唯一的破绽——人编随机时唯一系统性做错的事，就是切换得太勤。
反复点几次「换一组」，你会积累起一个新的直觉：真随机序列里那些「看起来有规律」的片段——连着七个正面、正反正反交替十次——不是异常，是必然。100 次抛掷里连一段 5 连都没有的概率不到 3%。你如果拿到一条完全没有长连号的序列，反而该怀疑它是编的。
球员、教练和球迷几乎一致相信「手感」的存在：一个球员连续命中后，下一球更可能进。1985 年，Thomas Gilovich、Robert Vallone 和 Amos Tversky（就是 导读里 Linda 问题的那位）决定去查数据。
他们分析了费城 76 人队的投篮记录、波士顿凯尔特人的罚球记录，还在康奈尔大学做了受控投篮实验。核心方法是：比较「命中之后的命中率」与「不中之后的命中率」。
结论是：两者没有显著差别，甚至前者还略低。他们据此提出，「热手」是人类在随机序列中看出规律的又一个例子——正是本章那个错误模板。这项研究极具影响力，「热手谬误」（hot-hand fallacy）从此进入教科书，成了认知偏差的标准案例之一。
三十年后，经济学家 Joshua Miller 与 Adam Sanjurjo 发现了一件让人措手不及的事：GVT 使用的那个估计量，本身带有系统性的向下偏差。
这个偏差极其反直觉，值得亲手算一遍。抛一枚公平硬币 3 次，列出所有可能，计算每条序列里「正面之后紧接着又是正面」的比例，再把这些比例平均：
| 序列 | 正面后面跟着的 | 比例 |
|---|---|---|
| 正正正 | 正、正 | 1 |
| 正正反 | 正、反 | 0.5 |
| 正反正 | 反 | 0 |
| 正反反 | 反 | 0 |
| 反正正 | 正 | 1 |
| 反正反 | 反 | 0 |
| 平均 | （反反正、反反反无法计算，排除） | 5/12 ≈ 0.417 |
公平硬币的正面概率是 0.5，可这个估计量给出的期望值是 0.417。凭空少了 8 个百分点。原因是一种微妙的选择效应：当你挑出「正面之后」的那些位置来考察时，挑选行为本身就让剩下的样本偏向反面。序列越短，偏差越大（4 次抛掷时约为 0.4）。
Miller 与 Sanjurjo 指出：由于每位球员的投篮序列都是有限长的，GVT 的「没有差别」实际上已经意味着存在正向效应——因为在真的没有热手时，那个估计量本应给出一个明显为负的结果。他们重新分析 GVT 的原始数据后报告，修正偏差之后可以看到相当可观的热手效应。该论文发表于 2018 年的《Econometrica》。
本书必须如实呈现争议双方，所以这一节不给一个干净的结论。
支持「热手真实存在」的一方：统计偏差是确凿的、可以在纸上验算的（就是上面那张表）。多项重新分析和新数据的研究报告了正向的、统计显著的连续性效应。
坚持谨慎的一方：修正之后的效应量仍然远小于球迷和球员的主观感受。有研究者认为，即便存在真实的热手，它的幅度也不足以支持「把球一直交给手热的人」这类实战决策；也有人指出效应在不同数据集之间不够稳定，还可能与防守强度调整、出手选择变化等混杂因素纠缠在一起。
比「热手到底存不存在」更重要的，是这场翻车本身的教训。GVT 的研究不是粗制滥造——它出自顶尖学者，方法在当时看来天经地义，结论被引用了三十年。击倒它的不是新数据，而是一个谁都没想到要检查的地方：估计量本身。这提醒我们，「没有发现效应」永远不等于「效应不存在」——你还得问一句，你用的尺子准不准。
(a) 18 / 37 ≈ 48.6%。和第一把、第一百把完全一样。轮盘不记得前五把。
(b) (18/37)⁶ ≈ 1.3%。确实很小。
为什么不矛盾：因为这两个数回答的是不同时刻提出的问题。
1.3% 是在第一把开出之前问「接下来六把会不会全红」。那时有 64 种可能的红黑组合摆在面前，全红只是其中之一。
48.6% 是在五把已经开完之后问「第六把是什么」。此时前五把已经是既成事实，概率为 1，不再是变量。你不是在赌「六连红」，你是在赌「已经五连红的情况下，第六把是红」——而那就是普通的一把。
赌徒谬误的算术形态就藏在这里：它把「事前」的小概率，误当成了「事中」的约束力。类似地，「连开 5 次红之后再来 5 次红」的概率是 1.3%，但「连开 5 次黑」的概率同样是 1.3%——已经发生的事不给未来任何折扣。
同一个错误在于：两者都认定连号需要解释。它们共享一个隐含前提——「随机的东西应该看起来杂乱均匀」。一旦接受这个错误模板，看到连号就必须编个故事，而编哪个故事（会反转 / 会延续）取决于场景和心情，不取决于数据。
那什么时候相信连续性是对的？关键在于系统里有没有真实的记忆或反馈机制：
· 轮盘、彩票、骰子：没有。物理上不存在传递状态的通道，连号纯属随机。相信任何延续或反转都是谬误。
· 运动员的表现：有可能有。人不是硬币——疲劳、信心、对手的防守调整、当天的身体状态，都是真实存在的、可以跨投篮传递的状态。所以「热手」在物理上并非不可能，这正是它值得认真做实证的原因。
· 疾病传播、股价波动、机器故障：往往真的有。这些系统里存在明确的传导机制（传染、情绪、磨损），连续性不仅存在，还常常是主要现象。
所以正确的问法不是「相信连续性对不对」，而是「这个系统里存在传递状态的通道吗」。硬币没有，球员可能有，传染病一定有。把三者用同一套直觉去处理，才是真正的错误。
第一步：算纯随机下的期望人数。假设每年跑赢大盘的概率是 1/2（实际扣费后通常低于此），连对 5 年的概率是 (1/2)⁵ = 1/32。如果市场上有 5000 位基金经理，纯靠运气就该出现约 156 人连对五年。
第二步：问信息是怎么到你面前的。媒体不会报道那 4844 位没连对的人。你看到的是从一个巨大池子里被筛选出来的幸存者——这正是 3.1 章「这扇门凭什么活到我面前」的同一个问题，也是 4.4 章的主题。
第三步：找真正有信息量的证据。「连赢 5 年」这条证据的似然比接近 1——有技巧的人会连赢，运气好的人也会连赢，而运气好的人多得多。要区分，得看别的东西：他的策略是否事先可复述？超额收益能否被已知的风险因子解释掉？在完全不同的市场环境（牛市/熊市/加息周期）下是否也成立？管理规模扩大后是否还能维持？
结论：「连赢 5 年」既不能证明他有本事，也不能证明他没有——它的证据力度远低于直觉感受。不过要注意与上一题的区别：投资和轮盘不同，它是一个「可能有真实技巧」的领域（像球员而不像硬币）。所以正确的态度不是断言「都是运气」，而是承认这条证据不足以分辨，然后去找能分辨的证据。（本题只讨论证据强度，不构成任何投资建议。）
第一，它违反了一个几乎不会被质疑的直觉。「从公平硬币序列里挑出正面之后的那些位置，正面的比例应该还是 50%」——这听起来像是定义。它错在一个极其隐蔽的地方：你是先看到整条序列、再决定挑哪些位置的。这个「先看后挑」引入了选择效应。如果换成「先指定位置再抛」，偏差就消失了。
第二，偏差在长序列里会衰减。3 次抛掷偏差 8 个百分点，10 次约 5 个，几百次就只剩零点几个。人们容易觉得「样本量够大就没事」——但 GVT 分析的是单个球员的单场或有限场次序列，每条序列都不长，而偏差是按每条序列产生、再被平均起来的。关键不是总样本量，是每条序列的长度。
第三，也是最值得警惕的：结论太合心意了。1985 年正是认知偏差研究的黄金期，「人类会在随机中看出规律」是当时最有解释力的框架之一，而热手是它一个漂亮得不能再漂亮的例证。一个符合主流范式、又极具反直觉魅力的结论，被检验的动力天然就低。
这三条合起来是一条通用的警告：最不容易被发现的错误，是那些「大家都觉得显然」的步骤里的错误。论文的结论会被反复审视，方法会被同行评议，但「从序列里挑出满足条件的位置」这种动作太基础了，基础到没人会停下来验算——而它恰好就是错的。