第17章，讲述了回归平均值模式，我摘录一个案例作为补充阅读，了解这个模式。今天的拆页将聚焦在运用方面。 P158

同样，如果你关注一个当天的成绩超过标准杆5杆的球员，就可以推测他技术很槽，而且那天运气也不好。当然，你也清楚这些推测不一定都成立。某个打了77杆的运动员很可能非常具有天赋但却遭遇了极其不走运的一天。下面的推测是根据第一天的得分作出的，尽管不确定，但这种推测通常是正确的。

第一天高于一般水平的成绩=高于一般水平的天赋+第一天的好运气

第一天低于一般水平的成绩=低于一般水平的天赋+第一天的坏运气

现在，假设你已经知道某个高尔夫球手第一天的得分，并且要对其第二天的得分进行预测。你希望这个选手第二天仍旧能够延续前一天的优异表现，所以你给出的最佳猜测就是第一个选手得分“高于平均水平”，而第二个选手得分则“低于平均水平”。当然，运气就很难说了。我们没办法预测出一名选手在第二天(或是任意一天)的运气如何，因此我们能作的最佳推测就是采用其平均值一一既不好也不坏。也就是说，在没有其他任何相关信息的情况下，对于某选手在第二天的得分情况，我们能作出的最好推测就是：第一天的表现不会重演。你很有可能会这样说：

√在第一天表现很好的高尔夫选手在第二天也会表现得不错，但还是会比第天稍差一点，因为他在第一天碰到的好运气不一定能在第二天再次碰到。

√在第一天表现不佳的高尔夫选手在第二天也许得分还会低于平均水平，但是会有些提升，因为他第一天的霉运不一定会持续。

尽管我们会猜测第一名选手在第二天的表现还是会优于第二名选手，但是他们之间的差距会缩小。

事实上，对选手第二天的表现最准确的预测通常是最保守，最接近平均值的，而不是基于第一天分数的预测。我的学生每次听到这样的结论都很惊讶。正因为如此，这种模式被称为“回归平均值”。原始数据越极端，我们所期待的回归就越明显，因为极好的分数常常表明这一天的运气很不错。这种回归式的预测是很合理的，但是准确度却得不到保证。有些高尔夫选手在第一天得了66杆的高分，如果第二天运气更佳的话，得分甚至更高。当然大部分人的表现都会变差，因为他们的运气不再处于平均值之上了。

现在我们将时间轴反过来，将选手按第二天的得分情况排序，来看看他们第一天的表现。我们仍旧会发现同样的模式一一回归平均值。第二天表现出色的选手很可能是因为当天运气好，而最好的猜测就是他们第一天的运气不佳。当你根据后期的表现来推测早期表现时，也会发现回归平均值的现象，此时你便会相信这种回归并非巧合。

回归效应无处不在，很多可以说明这一效应的误导性因果事件同样司空见惯有一个经典的例子，那就是“体育画报的诅咒”一凡是登上《体育画报》( Sports Lustrated)这本杂志封面的运动员都会在接下来的赛季中表现欠佳。一般来说，人们会认为过度自信以及人们对其期望过高的压力造成了这些人表现不佳。不过，这个诅咒可以用更简单的方式来解释：能够成为《体育画报》封面人物的运动员在前赛季一定表现极为出色，也许这种出色的表现在很大程度上源于运气—运气是变的，接下来他就没那么走运了。

拆页十四 来自第十七章《所有表现都会回归平均值》

P165

假设你为一家连锁百货公司作销售预测。所有连锁店的规模和商品种类都非常相似，但是其地理位置、竟争状况以及其他随机因素使这些商品的销量有所不同。下列数据为2011年的管业额，请你对2012年的营业额进行预测。你已经知道自己可以接受经济学家所作的总体预测——销售额总体会增长10%。那么你将如何完成下列表格?

读过本章，你就知道将每家店的销售额增加10%显然是不对的。你应当使自己的预测具有回归性：对于业绩不好的店，预测增长率应高于10%；对于业绩较好的店，预测值应低于这个值(甚至是负值)。不过如果你咨询其他人的话，很有可能会碰钉子：这么显而易见的问题还有什么好问的?正如高尔顿历经艰难才发现的那样，回归的概念从来就不是显而易见的。

今天的任务，我们来个RIA便签的自由组合A1案例+I讲解+A2行动步骤。

要求：

1）A1激活经验，模仿拆页中的案例，写一个类似的，可以是你自己的，也可以是别人的案例，内容为设定业绩指标或者孩子的学习成绩。

2）I重述知识，参照拆页内容和前面的补充阅读内容解析你的A1案例。

3）A2规划运用，为你选择的案例主题，做一个未来遇到类似事件运用“回顾平均值”的计划。

4）请用写文章的方式书写，字数不少于500字。

刻意练习可以帮助我们提升表达能力，能帮助我们更好的理解书中知识点，加油！

从今年开始，在列运营计划时，需要每月初写出下个月及下下个月的计划和关键业绩指标，刚开始写的时候，完全摸不着头脑，尤其是在不知道下下个月计划的情况下，只能从之前的数据中总结，但是还有一点，就是作为一个新的平台，有新产品，新活动上线的时候，关键指标浮动很大，而之前几乎没有太多经验，全都是从零到一的过程。

基于此，看了一下去年四个产品全部实际完成的数据，然后总结出月平均增长在5%-10%，如果当月有大型活动，涉及报名系统的，那就增加20%，按照这个标准，在每个月列下下个月计划时，按照10%先填写。

从回归平均值模式来看，因为每个月是基于上个月的实际完成数据来制定下下个月的预计完成指标，上个月的实际完成数据就成了一个影响比较大的变量，假设3月份有大型活动，接下来我在写4/5月份的计划时，就可能有大幅度的增加，但是从产品设计和整体规划来讲，4.5月份又暂时没有可支持的具体计划，遇到这种情况，我往往会参考没有活动月份的数据，再以10%的增长率来填写计划。

整体来看，两大关键指标——QAU及总关注的增长是在一个范围的，从环比、同比数据来看，是积极的增长。

在接下来做下半年计划，以及隔月计划时，按照回归平均模式的做法是：

1、整理2018年，2019年全部重要数据以及环比、同比增长率

2、对比有大型活动和无大型活动的月份的关键数据

3、列出影响关键数据的主要因素和未预测到因素，并记录下来，以备参考回归平均值。