人腦對「驗證自己判斷」的案例記得特別牢。你可能清楚記得三次「按照某型態判斷、結果對了」,卻想不起來同型態失敗了多少次。
要破除它,唯一的方法是把同型態的所有樣本都記錄下來:包括對的、錯的、以及當時你沒注意到的那些。這也是為什麼「完整記錄」比「選擇性記錄」重要得多。
開完之後回頭看路單,總能找出「原來是這樣」。但事後歸因的問題在於:當時你並不知道,而這套解釋放在下一次卻未必成立。
隨機序列一定會出現看似有結構的片段:連開、對稱、階梯、單跳。這是隨機的正常表現,不是隱藏規律。
打個比方:真正隨機丟 100 次硬幣,出現「連續 6 次正面」一點都不奇怪。如果你要求隨機序列「看起來雜亂無章、不許連開」,那你其實是在要求它不隨機。
「長期平均會接近理論值」是對的,但它常被誤讀成「短期必須糾正」。
實際上,均值回歸說的是大樣本下比例會趨近理論值,而不是「下一局會往回補」。樣本越小,偏離越正常。100 局裡莊開 60 次完全可能;要讓它回到約 50.68%,靠的是後面更多局的自然累積,而不是「該輪到閒了」。
這是前四個誤區的共同終點。統計工具輸出的是關於過去的數字:莊閒比例、連開長度、型態頻率。把這些數字直接翻譯成「所以下一局應該……」就是跨過了統計無法跨越的那一步。
正確的用法是把它們當成複盤材料:我的記錄完整嗎?口徑一致嗎?波動範圍我心裡有數嗎?