摘要：无论我们将命运视为慰藉还是威胁，都不得不惊叹于它所蕴含的深刻意涵：在某种超自然力量的引导下，我们生命中的事件被安排成通向某个特定终点的路径。我们或许觉得自己坐在生活的驾驶座上，但实际上不过是帆船上的无力乘客，被一阵早已制定好计划的风推送着前行——也许这些计划在

对许多人而言，“命运”这一概念要么极具安慰性，要么令人深感不安。但它也可能只是推理上的一种错误。

无论我们将命运视为慰藉还是威胁，都不得不惊叹于它所蕴含的深刻意涵：在某种超自然力量的引导下，我们生命中的事件被安排成通向某个特定终点的路径。我们或许觉得自己坐在生活的驾驶座上，但实际上不过是帆船上的无力乘客，被一阵早已制定好计划的风推送着前行——也许这些计划在我们年幼、尚未自欺地以为能掌控一切之前，就已经写好。

这是一个极具力量的命题。如果我们沉溺其中，它足以左右我们如何生活、如何思考、如何感受，以及在经历各种事件后如何应对。

然而，质疑命运是有理由的。人们可能从哲学、伦理甚至宗教的立场提出怀疑。

不过，还有一个不那么显而易见的怀疑来源——统计学。事实上，我们在日常生活中理解命运的方式，存在一些显而易见的问题。

这里，我将详细阐述其中三个问题。这些问题涉及的概念（如变异、比较、选择、因果推断与假设检验）对于有经验的统计分析师来说都再熟悉不过。但我希望，即便对没有统计背景的人，这些问题及其与命运的关联，也能带来启发。

最重要的是，这里并非单纯地“反对命运”，而是要强调两个事实：（1）判断某件事是否让我们“更好”往往是不可能的；（2）“偶然”往往比我们最初想象的更难被排除。

第一个统计学上的“命运”问题，也许是最显而易见的。假设你曾经申请一份非常渴望的工作，却被拒绝了。因为被拒，你决定扩大求职范围，最终获得了一份原本不在考虑之列的职位。几年下来，你意外地觉得新工作相当令人愉快。

回头一看，你似乎觉得没得到第一份工作是件好事。毕竟你现在很满意，好像是命运引导你避开了那份工作，转而进入这一份，对吧？

这种回顾性的看法无疑很令人安慰（我自己有时也会这样想！）。但命运是否让人安慰，与它是否真实存在，是完全不同的问题。

问题在哪里？先不说我们似乎只会在好结果时才归因于命运，根本上的困难在于：你无法判断是不是命运让你避开了第一份工作，因为你没有反事实——也就是说，你无法同时观察到那些“可能发生却没有发生的情形”。

量化分析师称之为“因果推断的基本问题”（Fundamental Problem of Causal Inference, FPCI）。本质上，FPCI指出：我们无法让同一个个体在同一时刻既经历又不经历同一件事。道理很简单，但后果极为深远。

在处理大量数据时，我们可以通过比较不同的人，或者比较同一单位在不同时间的表现，再“控制”或“调整”其他相关差异，从而部分绕过FPCI。虽然我们永远无法真正摆脱它，但通过这样的比较，我们在各种假设条件下，仍可合理地推断因果关系。

然而，当我们只是在观察自己的人生（即 n=1）时，这种推断至多是站不住脚的。

回到求职的例子：你看不到，如果当初得到了第一份工作，现在的你会有多快乐。也许你并不会像现在这样开心（那确实是没得到它更好）。

但也可能，如果你当初得到了第一份工作，很快就会升职，并且乐在其中（那现在依然会觉得错失它是个巨大遗憾）。

你不知道，事实上你根本不可能知道。

这就好比你想做一个“均值差异检验”，但你的自变量（是否获得第一份工作）和因变量（最终的幸福程度）都只有一个观测值。既无法比较，也无法分析，因而不能得出“现在的生活比当初更好”的结论，更不能推断是命运让你避开了它。

总之，没有反事实，你就没有充分理由认为自己因为没得到第一份工作而处境更好，也就没有充分理由认定是命运让你远离它。

量化研究人员经常会进行一种叫作“假设检验”（hypothesis testing）的工作。最常见的形式是“零假设显著性检验”（null hypothesis significance testing, NHST）。其核心思想是：观察某个证据，并判断这个证据是否可能只是偶然出现的——换句话说，就是估算即使某个理论完全错误，这个证据仍然可能发生的概率。

举个简单的例子：假设你有一个包裹被偷了。第二天晚上，你发现邻居在门外放了一个纸板箱子等着回收，大小和你丢的包裹差不多。这能算是邻居偷了你包裹的有力证据吗？

不能。为什么？因为很多人都会从网上下单，所以邻居有一个大小差不多的亚马逊箱子，即使他们根本没偷你的东西，也完全可能发生。这个证据（邻居在包裹失窃第二天就有一个类似的箱子）很可能只是个巧合——一种你无法自信排除的偶然事件。

更具体一点说，即使邻居完全无辜，他们也有相当高的概率在那个时间点拥有一个差不多大小的亚马逊箱子。研究人员称这种概率值为 p 值（p-value）。p 值高时，我们很难排除“只是巧合”的可能性，这意味着这种证据对我们的理论和猜测（比如你怀疑邻居偷了包裹）并不算有力。

再来一个更容易量化的例子：假设你怀疑朋友的硬币有问题——它可能被做了手脚，更容易正面朝上。一天，你趁机把硬币拿走，抛了 100 次。理论上，如果硬币公平，应该正反各 50 次，但你抛出了 52 次正面。这能算硬币有问题的证据吗？

还是不能。因为即使是均匀的硬币，抛出 52 次正面也完全可能发生。事实上，抛出恰好 50 次正面的概率本来就只有 7.96%。而抛出 52 次或更多正面的概率呢？高得很（38%）。由于这个 p 值相当高，我们不应将“52 次正面”解读为硬币有问题的证据。

但如果你抛出了 59 次正面呢？虽然这看起来只比 52 多 7 次，但差别可大了。抛出 59 次或更多正面的概率只有 4.4%，这是一个很低的值，说明这种结果在公平硬币的假设下相当不可能，因此我们会更有信心认为这枚硬币确实不寻常。

你可能会问，这和命运有什么关系？让我们接着看。

我们最容易诉诸命运的时刻，往往是遇到极不可能发生的事情时。表面上看，这种情况下的 p 值极低，让我们觉得这绝不可能只是个巧合，背后一定有更深的原因——比如命运。（听起来是不是很熟悉？）

问题在于，这时我们采用了诺贝尔奖得主、已故心理学家丹尼尔·卡尼曼（Daniel Kahneman）所说的“内视角”（inside view）。我们专注于自己情境的细节，而不是像一个冷静旁观者那样采用“外视角”（outside view）。

想象这样一个场景：你要在一个 3000 个座位的巨大剧院里做演讲，座无虚席。为了让人记住你的演讲，你事先随机在某个座位底下放了一张 500 美元的支票。

从你的视角，你知道一定会有人坐在那个座位上中奖，这是必然的。所以当演讲结束，你让大家检查座位底下，有人跳起来大喊中奖时，你一点都不会惊讶。这是“外视角”。

但从中奖者的视角呢？在 3000 人的剧院里，他们是唯一的赢家。中奖概率是 1/3000（p 值 = 0.0003），远远低于研究人员常用的 0.05 阈值。他们很自然地觉得，这不可能是巧合。

于是中奖者可能会问自己：“既然这显然不是巧合，那为什么是我？为什么我在 3000 人中被选中？”

这就是“内视角”在作祟，容易让人得出“是命运安排”的结论——也许是因为他们曾做好事，也许是因为正缺钱，或者其他能解释这种低概率结果的理由。

但从外视角看，你完全不会认为这是命运。你知道必然会有人中奖，而今天恰好是他而已。无论是 3000 个座位，还是 300 万个座位，结果都一样——总会有人中。

当我们在事件发生之后再去思考概率值，就很容易陷入内视角，从而过早地排除偶然性。

这种问题有时被称作“人择原理”（anthropic principle），它与前两个问题有相似之处，但可能更加深刻。它迫使我们认真思考：当我们只能接触到无数可能现实中的一个，而无法接触那些本可能出现却没有出现的现实时，我们究竟能学到什么。

举个例子：设想一场可怕的事故，100 人中只有 A 某一人幸存，其余 99 人全部遇难。A 很可能会在余生中坚信，拯救他们的不是纯粹的随机性，而是命运。在这样的处境下，这种信念几乎无可厚非（更何况贸然质疑会显得冷酷无情）。

但当然，A 之所以能持有这种信念，是因为他们还活着。换句话说，正因为他们活着，才能提出“为什么是我？”这样的疑问。

如果事情走向不同，A 不在了，那么另一个幸存者（假设存在的话）就会是那个思索自己“特殊性”的人，也会倾向于把命运视为庇佑自己的力量。

这就是要点。但我猜这时你可能还不觉得这有多说服力。毕竟，幸存概率只有 1%，或许真是命运选择了 A，对吧？

在这里，我们遇到的情况与统计学中的“选择偏差”（selection bias）很相似，而它的一个特殊形式，就叫作“观察选择效应”（observation selection effect）。

关键问题是：一个完全随机的过程，无法预测哪些数据（也就是“观察”）会在之后出现，但它仍然会产生观察结果。

从这个过程本身的角度（外视角）来看，哪些观察会出现、哪些不会，基本上是随机的。这个过程并不一定有意图，也不必然是刻意为之。

但从观察者的角度（比如活下来的 A，以内视角审视），要在事后推测这个过程的本质——也就是那个导致 99 人遇难、A 存活的过程——几乎不可能。直觉上更容易接受的，是顺着本能去想：既然我活着，那过程一定是有意让我活下来的；这个过程一定是有目的的。

要真正体会这个问题的分量，可以想一想你自己的出身。

你有没有认真考虑过自己出生的概率有多低？这个数字根本无法精确计算，但只要追溯到你的曾祖父母，就能感受到它是多么接近于零。

你的 8 位曾祖父母必须恰好结成四对伴侣。如果其中任何一个人在居住地、工作地点等方面做出哪怕微小的不同选择，你很可能就不会存在。

而且，即便曾祖父母相遇了，他们还必须在极其精确的时间上生育，才能生下特定的孩子（也就是你的祖父母），而这些孩子又必须在合适的地点与时机遇见另一半并生育——才能生下你的父母。而你的父母同样需要在合适的地点与时间相遇、结合，并在恰当的时间生下你。

换句话说，有大量事情必须精准无误地发生，你才会出现在这里。

而这还只是追溯到曾祖父母。如果考虑人类大约 30 万年的历史，那就是成千上万代的结果——因此，你和我出生的“偶然性”几乎低到无法想象。

那我们是否该得出结论：整个人类的演化历程都是命运之手在安排，只为让你和我诞生？

我认识的人里，几乎没人会如此笃信。我们心底清楚，这不过是一次令人惊叹的好运——也就是偶然——让一切发展成了今天的模样，使我们得以在此刻地球上思考自己的出生。

核心难题是：我们就是一个过程的观察结果，而这个过程在各方面看起来都是随机的。要预测这种随机过程的具体结果几乎不可能——比如，要准确预测 30 年后哪两个人会结合生子，其概率几乎是零，更不用说 30 万年后的事了。

但对于幸运地出生的我们来说，可以回望过去，惊叹自己的不可思议。我们却无法接触那些同样可能发生、但没发生的现实。这使得我们很难凭回顾来理解过程的本质。如果这个过程中的任何环节发生改变，另一些人——他们此刻并不在这里——就会诞生，而不是我们。而在那个世界里，他们——而不是你我——会思考自己是否被命运安排来到这里。但他们不在，我们在，所以由我们来想。

由此可见，观察选择效应甚至能应用到更宏大的主题，比如地球的存在。或许这个极不可能的“观察”真是命运的结果。

但也可能整个过程是随机的，而我们只是恰好活着去询问过程的人——有幸获得了把随机误认成命运的机会。归根结底，正因为我们是“观察”本身，才有机会提出这些问题。如果我们不是这个观察，就不会有发问的可能。

无论哪种情况，关键在于：不要仅仅因为某个“成为观察者”的概率很低，就过快地排除“偶然”，转而认定命运才是解释。你出生的事实，并不意味着命运在安排世代传承以促成此事；你是被“选中”的观察者这一事实，也不意味着命运一直在引导整个过程。

结论

总而言之，我们在思考命运时，可能会遇到的三大统计学问题如下：

1）缺失的反事实
2）无用的概率值
3）观察选择效应

更糟的是，我们在日常生活中思考命运时，往往是针对一些一次性事件（比如没得到某个工作机会、树倒在帐篷上等）。我们手头没有一张有成百上千行数据的表格。因此，我们只能更多依赖逻辑推理，而不是严谨的统计分析，去判断是否应该将生命中的事件归因于命运，或是其他自然因素（包括纯粹的随机性）。把统计学中早已为人熟知的问题应用到命运话题上，至少能提醒我们更加谨慎地做判断。

来源：老胡科学一点号