草率概括
它是什么？
草率概括（Hasty Generalization）是指基于数量不足或缺乏代表性的样本，得出适用于更广泛群体或情境的普遍性结论。推论的范围远超证据所能合理支撑的边界。
这一谬误在统计学上的对应是：从一个无法代表总体的样本推断总体特征，犯了「以偏概全」的基本错误。
草率概括是人类最自然的认知模式之一——我们的大脑天生擅长从少量样本中提取模式，这在进化上有其优势，但在需要精确性的判断中，这种倾向会导致严重的系统性偏差。
样本代表性的重要性
从统计学角度看，草率概括的问题在于样本可能存在的偏差：数量太少（抽样误差大）、选择偏差（非随机样本）或幸存者偏差（只看到了结果好的案例）。
要从样本推断总体，需要：足够的样本量（随问题复杂度而异）、代表性（随机抽样或分层抽样）、重复验证（不同研究者、不同时间的一致结论）。
为什么大脑倾向于草率概括？
草率概括根植于人类认知中的模式识别机制。
模式识别的自动化
大脑天生擅长从有限信息中提取模式，这是进化形成的生存能力。当我们遇到三只黑乌鸦时，大脑自动生成「乌鸦是黑的」的推断。
生动性偏差
生动、情绪化的案例（媒体报道的极端事件）比统计数据更容易被记忆，并被用作推断的基础。
确认偏误的配合
草率概括一旦形成，确认偏误会使我们只注意到支持该概括的新案例，忽视反例，使概括越来越「稳固」。
认知节省
将复杂世界简化为可管理的类别，是认知节省的必要机制。但用于社会判断时，这种简化会产生刻板印象和歧视。
它出现在哪里？
草率概括在旅行见闻、市场调研和社会刻板印象中无处不在。
以个案概括群体
小样本决策
企业在10个客户的反馈基础上决定全面修改产品设计，忽视了这10个客户与百万用户群体在需求上的可能差异。
群体特征归纳
以接触到的少数群体成员的行为来概括整个群体，既在数量上不足，在代表性上也存在接触偏差。
谬误与理性回应的对比
同一个场景下，错误回应与理性回应的差别，往往就体现在是否正面处理原始论点。
你遇到的每一个案例，都代表了你没有遇到的所有案例的可能性——包括它们与你遇到的案例可能有多么不同。
如何识别草率概括？
留意这些语言模式和结构特征，能帮助你更快识别这一类论证偏移。
- 绝对化语言用「都」「全部」「总是」「从不」等绝对化词语，将有限案例的特征普遍化。「他们都……」「那种人总是……」
- 个人经验作为普遍依据以「我自己的经历」或「我认识的人」来支持关于一个大群体的普遍性主张。「我身边的人都是这样……」
- 以极端案例代替统计以媒体报道的极端或罕见案例来推断该类事件的普遍发生率。「你看新闻上……，这种事经常发生」
如何有效回应
有效回应的关键，不是立刻反击，而是把讨论重新拉回论点与证据本身。
- 质疑样本的代表性询问样本的大小、来源和随机性，指出小样本或非随机样本不能代表总体。「这几个案例能代表这个群体的整体情况吗？他们是如何选取的？」
- 提供反例提出一个或多个不符合该概括的案例，说明概括并不普遍成立，需要加入例外条件。「我知道至少有几个案例与这个概括相悖，这说明情况可能比你描述的更复杂。」
- 要求系统性数据将讨论从个案经验引向系统性收集的数据，要求对方提供统计上可靠的证据。「除了这几个案例，有没有系统性收集的数据来支持这个结论？」