Open sidebar
每日文摘
搜索
趣图
名言
人物
标签
搜索
热点人物
戴尔·卡耐基
卢梭
查理·芒格
罗翔
史铁生
张爱玲
佚名
周希陶
罗曼·罗兰
维克多·雨果
约翰·洛克
简·奥斯汀
杰夫·贝索斯
爱默生
鲁迅
歌德
陈继儒
马云
钱钟书
稻盛和夫
人气标签
我
你
自己
事
爱
生活
世界
人生
死
路
时间
梦
生命
幸福
永远
善
快乐
恶
成功
希望
爱情
人类
社会
努力
教育
精神
自由
女人
朋友
心灵
在一定剂量范围内，一切具有凸性的事物都有反脆弱性。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb），男，安皮里卡资本公司的创办人，也是纽约大学库朗数学研究所的研究员。
这些有关贡献的错觉大多来自于证实谬误：历史属于那些会写历史的人（不论是赢家或输家），这一事实已然可悲，但更糟糕的是，写这些文字的人虽会提供证实事实（也就是行得通的事情），却没有呈现一个完整的画面告诉我们哪些事实行得通、哪些事实行不通，由此让我们形成了第二种偏见。比如，定向研究会告诉你哪些项目依靠资金资助成功了（如艾滋病治疗药物或一些现代药物的研制），但不会告诉你哪些项目不成功，所以你会形成基金资助项目比随机项目更有成效的印象。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
这位学生形成了一种阅读亚当·斯密、马克思和哈耶克等人原著的习惯，因为他相信这些书籍即使到他80岁的时候也会时常引用。他告诉我，在定下这个书籍选择规则后，他意识到他的同龄人读的往往都是最及时但很快就会过时的书籍。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
这是泰勒斯模式而非亚里士多德模式，即根据收益而非知识来做决策。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
这世界上有很多中间地带并非“黄金地带”，因此完全适用杠铃策略（最大限度的安全加上最大限度的投机）。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
这就是生活中的核心错觉，即认为随机性是有风险的，是一桩坏事，消除随机性，就可以消除风险。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
这就解释了我说过的话，你可以愚蠢，但只要具有反脆弱性，表现仍然会很好。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在这么大规模的一个变量面前呈现脆弱性，意味着在所有其他参数面前都是脆弱的。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在有些领域，罕见的事件（我再重复一次，它们或好或坏）起到了不成比例的重要作用，但我们却往往会忽视它，因此，关注如何利用或避免发生此类罕见事件将大大地改变我们的风险值。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在有副现象的情况下，你最终看到的是A和B在一起。但是，如果你通过考虑顺序来优化你的分析方法，从而引入一个时间维度——A与B谁先发生——并分析证据，那么你会看到A是否真的会造成B。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在医学领域，医源性损伤会因人口基数大而分散（因而是平均斯坦），而社会科学和政策所带来的医源性损伤则不同，由于权力的集中，其产生的伤害可以一举摧毁我们所有人（也就是极端斯坦）。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在一定剂量范围内，一切具有凸性的事物都有反脆弱性。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在严重的病理情况下，你确实需要服药，但我的情绪、悲伤，突如其来的焦虑，实际上是智慧的第二来源——甚至是第一来源。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在社会科学中，我们应该称这些阐述为“幻想”，而不是理论。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在你病得很重的情况下，服药的益处比医源性损伤要大；而在症状轻微时，其益处则相对很小。这意味着，我们需要重点关注重病症的情况，而忽略——我说的是真的忽略——病情并不严重的情况。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在某种程度上，这种错误酷似火鸡问题，将我们没有看见的东西疑为不存在，这与将缺乏证明某事的证据错当成证明某事不存在的证据如出一辙。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在某种程度上，我们都有类似的障碍，当同一种思想在不同的背景中出现时，我们就无法辨识了。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在某个领域工作的人并不受制于一系列考试；他们之所以受到雇用与伶牙俐齿毫无关系。进化不依靠叙述故事，只有人类才需要；进化也不需要为“蓝色”指定一个称谓。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在很多情况下（病情轻微），任何使你远离医生、选择无为策略（因此给予大自然发挥作用的机会）的事情都是有益的。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在复杂领域，知识或所谓的“知识”阻碍了研究的发展。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在非线性情况下，简单的“有害”或“有益”的陈述都会失灵：关键在于剂量。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
在大多数充满高度随机性的情况下，人们无法真正判断一个成功的人是否确实有能力，或者一个有能力的人是否能够成功，此时我们很容易被随机性所欺骗，但我们几乎总是能够预测到相反的情况，即一个完全没有能力的人终将失败。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
