提出这个说法，是源于对另一个问题的思考，来看一下。
问题是：请根据下面的条件告诉我，符合条件的人是A还是B.
条件一：经常加班
条件二：喜欢跑步
条件三：喜欢音乐
条件四：戴眼镜
A:出租车司机
B:公司高管
条件：假设某个城市，有8000人口，其中5000人是出租车司机，1000人是工薪阶层，1000人是自由职业，500人是政府工作者，500人是公司高管。
我不太确定你会选A还是B,但现实情况是大部分人会选B。
如果你也选B，那你就错了。
为什么？下面我从概率的角度来解释一下：
大部分人一般会认为公司高管更加符合这四个条件，这没有错，但如果用概率来分析的话，事实可能就不是这样了。
下面我们来做一个假设实验：
我们从这个地区5000个出租车司机中，随机抽出100个人，符合这四个条件的假设有5个，概率为5%。
然后我们再从这个地区500人公司高管中，随机抽取100个人，符合这四个条件假设有20个，概率为20%。
这个结果非常符合大部分人选择B的判断。
下面做一个筛选实验：
根据以上的概率假设，把出租车司机的总样本中出现符合条件的概率定为5%。把公司高管的总样本中出现符合条件的概率定为20%。
筛选情况：
通过上表会发现一个问题，虽然公司高管符合条件的概率很高，但由于出租车司机群体总的样本数量远高于公司高管的样本数量，最后出现的结果是:出租车司机符合条件的数量高于公司高管符合条件的数量（总符合条件的人数中出租车司机占比69%，公司高管占比31%）
这个结果出来后，你还会觉得符合条件的是公司高管吗？单从概率上来讲，出租车司机的可能性要远高于公司高管。所以说，选择B是有问题的。
原因主要在于这个地区的出租车司机的数量远大于公司高管的数量，在小样本中，公司高管符合条件的可能性要远高于出租车司机，但如果出租车司机的样本足够大，那最终的结果就会发生变化。在这里，我想表达的是，如果你忽略了出租车司机数量远大于公司高管数量的这个信息，那只能说明你的预测或判断就是有漏洞的。
做个简单类比：在股票投资中，你通过分析，发现一只个股非常符合上涨条件，但买入后却下跌了。你一定会想，我的分析没有问题啊？
如果你的分析本身没有问题，那导致错误的原因可能是你忽略了另外一个因素，即市场中若有50%以上的人没有过多分析就选择了做空，这才是你判断错误的原因。
所以，预测是一个辩证的过程，单一维度的因果分析并不能代表最终的结果。要善于考虑更多维度可能给你的预测和判断带来的影响。
