希望 卡尼曼 調查 一下 ， 這樣 的 差異 結果 是 不 是 有 特別 的 因素 。 卡尼曼 並 沒有 調查 ， 他 僅僅 運用 本 章 談到 的 邏輯 告訴 以色列 空軍 部隊 不要 浪費 時間 ： ﹁ 卡尼曼 知道 如果 空軍 長官 真的 調查 ， 將 不可 避免 地 發現 一些 可 測量到 的 差異 ， 以致 非 要 做 一些 舉措 來 彌補 這 一 差異 。 ﹂ ︵ Gawande , __UNDEF__ 1999 , p .
 
__UNDEF__ 37 ︶ 。 但是 卡尼曼 知道 ， 任何 找到 的 因素 都 極 有 可能 是 虛幻 的 — 只是 偶然 波動 的 結果 。 ◎ 個人 的 巧合 在 個人 的 生活 中 ， 稀配 的 發生 往往 因為 對 我們 具有 特殊 的 意義 ， 而 更 不易 歸因於 偶然 。 產生 這 種 傾向 的 原因 很多 ， 某些 是 動機性 和 情感性 的 ， 但 還 有 一些 是 機率 推理 的 失敗 。 我們 通常 不能 意識到 ， 稀配 只是 包括 眾多 ﹁ 平凡 ﹂ 事件 的 大 事件庫 中 一 個 非常 小 的 部分 而已 。 對 某些 人 來 說 ， 稀配 看起來 好像 經常 發生 ， 但是 它 真的 經常 發生 嗎 ？ 想想 看 ， 如果 我們 現在 分析 一下 你 個人 生活 中 的 稀配 ， 結果 會 告訴 我們 什麼 呢 ︵ 下面 的 例子 引 自 Marks & Kammann , 1980 ︶ ？ 假定 在 某 一 天 裡 ， 你 參與 的 不同 事件 有 一百 個 ， 這 個 數目 其實 並 不 算 多 ， 想像 一下 我們 是 生活 在 多麼 複雜 的 現代 工業 社會 ！ 實際 上 ， 一百 個 事件 可能 還 少 了 點 。 你 看 電視 、 打電話 、 與 人 面談 、 商定 去 工作 或 去 商場 的 路線 、 做 煩人 的 家務 、 閱讀 吸收 資訊 、 在 上班 時 完成 複雜 的 任務 ， 等等 。 所有 這些 事件 都 包含 很多 成分 、 而 各 成分 又 可以 看成 是 一個個 可 分開 記下來 的 小 事件 ， 加加 起來 ， 說 一 天 中 一 個 人 涉及 一百 個 事件 ， 其實 真 不 算 多 。 不過 ， 我們 就 拿 一百 個 事件 作 例子 吧 。 稀配 是 指 其中 兩 個 事件 不可思議 地 連 在一起 。 那麼 典型 的 一 天 中 這 一百 件 事 之間 共有 多少 不同 的 、 兩 個 事件 的 匹配 呢 ？ 用 一 個 簡單 的 公式 算 一下 可以 得到 ， 一 天 中 有 4,950 個 不同 的 兩兩 事件 匹配 ， 一 年 有 三百六十五 天 ， 天天 如此 。 我們 知道 ， 稀配 是 令 人 難忘 的 ， 比爾 叔叔 打來 電話 的 那 一 天 ， 你 可能 幾 年 不忘 。 假定 你 把 在 十 年 期間 記得 的 所有 稀配 數 出來 ， 也許 也 就 六 、 七 件 ︵ 或多或少 ， 不同 的 人 對 稀配 一 詞 有 不同 的 標準 ︶ 。 這 六 、 七 件 是 從 一 個 多 大 的 平凡 事件庫 中 出現 的 ？ 每 天 4,950 個 兩兩 匹配 ， 乘以 一 年 三百六十五 天 ， 再 乘以 十 年 ， 得到 18,067,500 個 匹配 。 總之 ， 十 年 中 有 六 個 你 認為 是 稀配 的 關聯 發生 ， 但 其他 的 18,067,494 件 事 也 可能 發生 稀配 。 所以 ， 在 你 的 生活 中 一 個 稀配 發生 的 機率 是 0.00000033 ， 這樣 ， 在 一千八百萬 個 事件 聯結 中 ， 只有 六 個 是 稀配 ， 其實 應該 不足為奇 。 罕見 的 事件 確實 發生 了 ， 它們 也 的確 少見 ， 但是 偶然 這 一 因素 保證 它們 一定 會 發生 ︵ 請 回想 前面 擲 五 枚 硬幣 的 例子 ︶ 。 在 我們 的 例子 中 ， 在 你 身 上 發生 了 六 件 奇事 ， 它們 可能 是 巧合 ： 兩 個 相關 事件 基於 偶然 不可思議 的 同時 發生 。 心理學家 、 統計學家 以及 其他 科學家 都 指出 ， 人們 認為 許多 稀配 的 少見 程度 比 實際 上 出現 的 頻率 少 得多 。 在 一 篇 副標題 為 ﹁ 為什麼 巧合 的 長臂 沒有 看起來 那麼 長 ？ ﹂ ︵1972︶ 的 文章 中 ， 迦納 討論 了 許多 稀配 並 不 是 像 通常 想像 的 那樣 罕見 這 一 事實 。 著名 的 ﹁ 生日 問題 ﹂ 是 最 好 的 例子 。 在 一 個 二十三 人 的 班級 裡 ， 有 兩 個 人 同 一 天 生日 的 機率 是 多少 ？ 大多數 人 會 認為 非常 低 。 而 實際 上 ， 二十三 人 的 班級 中 ， 兩 人 同 一 天 過生日 的 可能性 是 50% ！ 而 三十五 人 的 班級 ， 可能性 就 更 大 了 ︵ 機率 大於 80% ； 參見 Martin , 1998 ︶ 。 所以 ， 因為 美國 歷史 上 有 四十二 位 總統 ， 其中 有 兩 位 ︵ 波爾克 和 哈定 ︹ Warren Harding ︺ ︶ 是 在 同 一 天 出生 ︵ 十一月 二日 ︶ ， 就 沒有 什麼 了不起 了 。 同樣 的 ， 有 三十六 位 總統 已 過世 ， 其中 兩 位 ︵ 費爾摩 ︹ Millard Fillmore ︺ 和 塔夫托 ︹ William Howard Taft ︺ ︶ 死 於 同 一 天 ︵ 三月 八日 ︶ ， 也 不 應 令 人 驚訝 ， 甚至 還 有 另外 三 位 總統 ︵ 亞當斯 ︹ John Adams ︺ 、 傑佛遜 和 門羅 ︹ James Monroe ︺ ︶ 都 死 於 同 一 天 — 而 這 一 天 竟然 是 七月 四日 ， 美國 國慶日 ！ 你 說 奇不 奇怪 ？ 其實 不 奇怪 — 機率 使然 而已 。 這裡 要 表達 的 是 ， 很多 稀配 其實 並 不 奇特 。 心理學家 范克 和 麥克格瑞格 ︵ Ruma Falk and Don Mac-Gregor , 1983; Falk , 1989 ︶ 研究 人們 如何 判斷 一 件 事 是否 值得 驚訝 。 他們 的 一 個 重要 發現 是 ， 在 判斷 巧合 事件 時 ， 我們 是 很 自我 中心 的 ： 人們 對 發生 在 自己 身 上 的 巧合 ， 比 發生 在 別人 身 上 的 同樣 巧合 更 驚訝 。 范克 和 麥克格瑞格 ︵1983︶ 推測 這 一 結果 的 原因 可能 是 ﹁ 我們 常常 認為 自己 是 獨特 的 、 與 別人 不 一樣 的 ， 因而 看 不 到 發生 在 自己 身 上 的 事情 ， 同樣 也 可能 發生 在 別人 身 上 。 換句話說 ， 我們 可能 不 容易 看到 ， 在 一 個 事件 或 情境 中 的 自己 ， 是 可以 換成 另外 一 個 人 的 。 ﹂ ︵ p .
 
__UNDEF__ 501 ︶ 接受 錯誤 以 減少 錯誤 ： 臨床式 與 精算式 預測 人們 在 試圖 解釋 世界 上 發生 的 事 時 ， 往往 不 願意 承認 偶然 因素 的 作用 ， 這 一 現象 實際 上 降低 了 我們 對 現實 世界 的 預測 能力 。 在 某 個 領域 中 ， 承認 偶然 因素 的 作用 意味 著 研究 者 必須 接受 一 個 事實 ： 我們 的 預測 不可能 百分之百 準確 ， 我們 總是 會 犯錯 。