我们先得思考一个很常见的问题：我为什么会给国家的“人均收入”拖了后腿？
让我们先看看塔勒布发现的两个概念：平均死蛋（meanstan）和极端斯坦（Extremstan）
下面是两个实验来解释这两个概念。
平均死蛋（mean stan）：随便抽取1000个人，并让他们在体育场里站着，并记录这1000个人的平均体重。
这个时候，随便找到一个你认为最重的人（甚至你能想象到的最重的人，比如一个600斤的大胖子）的体重加进去，我们设想一下，这个极端个例会对整体数据有什么影响？答案是微乎其微，因为，这个人的体重最多只占总体中的百分之零点几，加上了这个极端个例，1001的平均体重也不会变化多少。这种影响把它命名为mean stan。
平均死蛋让我们发现特定事件，极端的个人对整体的影响非常小，只有整体才是影响最大的，事实上，当你的样本容量足够大时，比如10亿个人的平均体重，那么无论是多么极端的个例加进去，他的影响都微不足道。
下面是极端死蛋。
极端斯坦（Extremstan）：还是这1000个人（随便抽取的1000个人），这次记录他们的财富，并且计算出他们的平均财富。
这时，把你认为最有钱的一个人的财富加进去（比如你的马云爸爸或者比尔盖茨的800亿净资产）看看这个个体会对组织产生什么样的影响？现在情况肯定发生了天翻复地的变化，与先前的实验不同：因为很有可能原先的1000个人的财富可能不及比尔盖茨总财富四舍五入之后的误差，这个个体的数据占了总体的百分之99.999，整体突然变得微不足道了，这种影响称之为Extremstan。
在极端死蛋里：个体能够对整体产生不成比例的影响，什么是极端死蛋的领域？社会财富，个人收入，几乎所有的社会问题。
然后问题就来了。
有一天，外（政）星（府）人来了，他们需要有关人类（民众）的知识，讯息，如果是人们的体重，他们只需要取一百个人的身高数据，就会得到很充分的了解。但是，如果如果他们需要财富这种Extremstan的知识，这些被平均化的数据就会非常不靠谱，因为有些数据非常极端，甚至到了未知的程度。而人们现在对于社会科学领域的认知就处于第二种状态。我们有意的忽略影响巨大的极端事件，只因为我们理解，解释不了。
你需要人均体重这样的数据，你只需要收集和整理数据就可以了，因为你知道其实个体的差异再大，他也不可能对整体有很大的影响，换句话说，一个人再胖，他能胖到哪里去呢？
而如果，你需要人均收入这种完全不同的数据，你再用前者的方法，调查所有人的收入状况，然后除以平均数，你就会发现调查出来的结果，可能与事实大相径庭。
因为在属于极端死蛋的领域（财富，收入，人口，销量，金融市场，所有的经济事件）存在着个体支配整体的现象，而统计学会告诉你“嘿，你们和无数底层的民众和马云的月平均收入都是好几千万，因此不用担心你的温饱问题了，去快活吧”
这种平均化的计算，刻意的掩盖了个体之间的差异，忽略了你和首富之间的体量，忽略整个社会之间深层次的阶级固化，而恰恰在这些领域，个体与个体之间的差异是没有上限的，而这些问题，我们之前好像都没考虑过。
你可能蜷在出租屋里吃着盒饭为从淘宝上买件衣服发愁。
xxx也可能在二环内的四合院内与大佬在收购哪个公司的问题上谈笑风生。
然后你们突然一下子就被平均了。
我与马X平均工资千亿，我都不知道怎么花。
阅读笔记是一场私人化的游戏，但只要你有趣，我很乐意与你分享我对这场游戏的偏见
