# 不当归纳

> 依据太少、太特殊或不具代表性的样本，草率地推导出普遍结论。"

- ID: m05787
- 分类: structure
- 领域: 逻辑学

## 定义

依据太少、太特殊或不具代表性的样本，草率地推导出普遍结论。"我认识的一个人吸烟活到了90岁，所以吸烟无害。"脚手架作用： 个例的诱惑。不仅在生活中，在大数据分析中也常犯此错（训练集偏差）。任何结论在推广前，必须检查样本量（Sample Size）和代表性（Representativeness）。

## 机制

归纳结论的强度取决于样本的数量与代表性。小样本或偏态样本对总体的估计方差大，据此做全称判断极易出错。大数据下若训练集有选择偏差（幸存者、采样偏），模型同样在犯"不当归纳"。其根源是"可得性"——鲜明个例比统计更易被记住并误当作规律。

## 练习

1. 查样本量：结论基于多少样本？太少则存疑。 2. 查代表性：样本是否覆盖总体的关键变异？ 3. 防偏差：识别采样偏（幸存者、选择偏）。 4. 弱表述：证据弱时把结论降为"可能/部分"。 5. 补数据：用更大更代表样本验证再推广。

## 脚手架用法

个例的诱惑。不仅在生活中，在大数据分析中也常犯此错（训练集偏差）。任何结论在推广前，必须检查样本量（Sample Size）和代表性（Representativeness）。

[阅读网页](https://thinkingmodels.site/entries/detail/m05787)