# 合取谬误

## 元数据

- 书名：思考，快与慢
- 作者：丹尼尔·卡尼曼
- 章节：第二部分 / 第15章
- 定位：AI PM / 产品经理 / 策略与增长面试
- 优先级：P1
- 标签：conjunction-fallacy, probability, story

## 面试问题

琳达问题说明了什么判断错误？

## 30 秒回答

当一个描述很有代表性时，人们会判断“具体且丰富的联合事件”比“更宽泛事件”更可能发生，违反概率逻辑。

## 展开要点

- 故事越连贯，不代表概率越高。
- 细节会提高可信感，却会降低联合事件的真实概率。
- 面试表达要会区分叙事说服力和概率合理性。

## 高频追问

- 为什么越具体的预测越要谨慎？
- 路线图承诺中哪里容易出现合取谬误？
- 如何审查 AI 生成的因果故事？

## 项目映射

- 对市场判断做概率拆解：目标用户、触达、激活、留存分别估计。
- 让模型把一个复杂结论拆成多个必要条件和失败点。

## AI PM 迁移

LLM 很擅长生成连贯故事，AI PM 要防止故事细节掩盖概率乘法。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。