Lesswrong
The author proposes a reverse multiple-stage fallacy where people overestimate the probability of a disjunctive event by summing slightly inflated probabilities of numerous sub-events. This mirrors the original fallacy used to make events seem unlikely, but instead aims to make an event appear more probable than it actually is.
AI 生成摘要
我提出了一種反向多階段謬誤，即人們透過加總多個稍微被高估的子事件機率，來使一個析取事件（或事件）看起來比實際更有可能發生。這與原本用來使事件顯得不太可能的謬誤相對應，其目的在於讓某個事件在表面上顯得更具說服力。
假設我們想知道兩個事件同時發生的機率（即它們的交集）。如果這兩個事件是獨立的，則同時發生的機率是各別事件機率的乘積，即 P(A 且 B) = P(A) * P(B)。
為了估計某個事件的機率，一種方法是將該事件分解為獨立的子事件，並利用此方法來估計機率。例如，如果目標事件 E = A 且 B 且 C，那麼我們可以將 P(E) 估計為 P(A 且 B 且 C) = P(A) * P(B) * P(C)。
假設我們想讓某個事件看起來不太可能發生。如果我們使用上述方法，但稍微低估了子事件的機率，並使用了大量的子事件，那麼最終得出的機率必然會非常小。因為人們傾向於認為中等範圍的機率是合理的，所以即使這導致對最終機率的大幅低估，這在表面上仍會是一個具有說服力的論點。這被稱為 。
假設我們想知道兩個事件中任一事件發生的機率（即它們的聯集）。如果這兩個事件是互斥的，則聯集的機率是各別事件機率的總和，即 P(A 或 B) = P(A) + P(B)。
為了估計某個事件的機率，一種方法是將該事件分解為互斥的子事件，並利用此方法來估計機率。例如，如果目標事件 E = A 或 B 或 C，那麼我們會將 P(E) 估計為 P(A 或 B 或 C) = P(A) + P(B) + P(C)。
假設我們想讓某個事件看起來很有可能發生。如果我們使用上述方法，但稍微高估了子事件的機率，並使用了大量的子事件，那麼最終得出的機率必然會非常大。因為人們傾向於認為中等範圍的機率是合理的，所以即使這導致對最終機率的大幅高估，這在表面上仍會是一個具有說服力的論點。我認為這是一種反向的多階段謬誤。在實踐中，我很少見到人們真的用這種方法進行明確的估計，這是有道理的，因為聯集通常可能涉及非常多的事件，以至於不切實際。相反地，在聯集的情況下，一個人可能只會說「X 的情況是聯集性質的」，而高估則是隱含其中的。
當然，並非所有的聯集論點都必然受到這種批評。這需要對組成部分（無論是明確地還是隱含地）存在高估的情況。