为何历史上那些高智商的名人子孙往往都难以再创辉煌?

爱因斯坦、孔子、达芬奇、牛顿、乔布斯等等。 —————————————— 提问是过于欠缺严谨,提问的中心主要是因为觉得爱因斯坦这么聪明,他的子女理应青出于蓝,可事实却是并没有这样,转念在一想,似乎所有的名人,他们的后代没有以一个是能与其先祖相提并论的。 按照进化论的发展,他们的后代应该更加聪明,更加优秀,可是好像他们都没有。 至于其他人,只是不想爱因斯坦成为孤例,所以想了几个...... 主要困惑的是这个…
关注者
1518
被浏览
495996
这个心理统计现象叫 趋中回归(Regression Toward the Mean), 188x 年由达尔文的表兄弟Galton发现,197x 年由Kahneman & Tversky 给出心理学的完整解释。

Galton 发现高个子父代(比如标准化后正一个标准差的父代),后代高度的分布中心(简单理解就是均值),比父代低。后来学界进一步发现更一般的规律。一群正一个标准差的子代,其父代的高度均值也小于一个标准差;如果学过相关系数就都明白这也是事实:更更一般的规律,用正相关系数来预测,正一个标准差的X得到的Y预测值总是小于正一个标准差。

Kahneman & Tversky 的文献指出一个常识,然而不如说它是常识的盲点:人类认知会本能地作相关系数为1的错误预测,身高正一标准差的父代,孩子的身高会被错误的本能预测为正一标准差;你今天开心的程度是正一标准差,就会本能地预测另一天还应该这么开心,然而相邻两天开心程度的相关合理的猜测只有0.7或者更低,无论你向前预测还是向后预测,正确的预测是平均0.7个标准差,本能的预测会错误地高估这0.3个标准差。

借助 Rubin 基于反事实定义的因果概念,此时观察者会观察到0.7(事实)和反事实假设的1(本能的错觉)存在差异,于是会推论存在一个外部的原因导致1变成了0.7。这个推论过程虽对,但两个前提一对一错。

小结一下:Galton告诉你会看到0.7,Kahneman & Tversky 告诉你本能会错误地去想1,Rubin 告诉你只要你看到的和相信应该看到的东西不同,就会找一个原因来解释这个差异。

Wiki: Regression toward the mean
Kahneman & Tversky (1973): psico.unimib.it 的页面
Rubin causal model: dictionaryofeconomics.com 的页面