上一章我们把问题的地基——预设——拎了出来。这一章盯死其中最常见的一块：我凭什么从「我认识三个转行做刑辩的人」，一步跨到「那么多律师都转去做刑诉」？
三个人，是怎么变成「都」的
这一步跨越有个老名字。
以偏概全，就是用一小撮你手头正好有的例子，直接推出一个「普遍如此」的大结论——样本小得可怜，结论大得吓人。
我手里的样本是谁？一个从媒体转行的、一个从老师转行的，外加印象里零星几个。满打满算三五个人。我却用它们填满了「那么多律师」这个巨大的筐。问题不在这几个人不真实——他们千真万确存在；问题在于，我偷偷把「我身边的世界」当成了「整个世界」。
大脑为什么天生爱这么干
这不是我一个人的毛病，是人脑出厂自带的一条捷径。
可得性捷径（availability，心理学家卡尼曼总结的一种思维习惯），说的是：一件事在你脑子里越容易被想起来，你就越觉得它常见、它普遍。而什么东西最容易被想起来？你亲眼见过的、最近发生的、带情绪的、有故事的。
我那几个转行的朋友，个个有名有姓、有血有肉，饭桌上能讲出完整的故事。而那些「没转行、安安静静接着做民商事」的律师呢？他们没在我脑子里留下任何画面。于是我的大脑做了一道并不公平的加权：鲜活的样本，一个顶一百个；沉默的样本，直接当零。
说白了：你不是在统计世界，你是在统计「你记得住的世界」。而你记得住的那部分，早就被鲜活度、被你的经历、被谁更会讲故事，筛过一道了。拿这把歪尺子去量「普遍不普遍」，必然歪。
更隐蔽的一层：样本是怎么到你手里的
比样本小更要命的，是样本偏。
我为什么偏偏认识这几个转行做刑辩的人？多半因为我自己混的圈子——媒体、教育——里，本来就容易碰上「半路出家转法律」的人。换句话说，我遇见谁，这件事本身就是被筛选过的，根本不是从全国律师里随机抽的。用一个被圈子筛过的样本去推全体律师，就像站在医院大厅里数人头，然后得出结论「现在人人都在生病」——你会在那儿，恰恰因为那里专门聚集生病的人。
这种「样本的来路本身就带着偏向」的毛病，叫选择偏差（selection bias）。它比样本小更坑，因为样本小你起码心里发虚，而样本偏的时候，你往往浑然不觉，还觉得自己见多识广。
三个土办法，开口前先过一遍
不必动用统计学，三个大白话问题就能拦下大半个坑：
- 分母是多少？——「那么多」是跟谁比？我说的是三个人除以我认识的几个转行者，还是三个人除以全国几十万律师？把分母逼出来，「很多」常常当场缩水成「几个」。
- 这些样本是怎么到我面前的？——是我随机撞见的，还是我的职业、我的圈子、算法推送替我挑好再端上来的？来路一旦有偏向，数量再多也不算数。
- 反面的人去哪了？——我见过几个「转了」的，那我见过几个「没转、接着做老本行」的？如果一个都想不起来，不是因为他们不存在，而是因为他们不吵不闹，没进我的视野。沉默的大多数，从不主动举手。
这三问里，第三问最值钱。以偏概全的人，眼里永远只有「发生了的案例」，从不去找「没发生的案例」。可一个说法代表不代表普遍，恰恰要靠那些没发生的、沉默的、你没注意到的部分来称重。
一个简单的改口
最省事的纠偏，是改口。把脱口而出的「律师都……」，老老实实换成「我认识的几个转行的人里，有几个……」。
就这么一改，那个假装成普遍规律的说法，立刻缩回它真实的尺寸——一条关于「我这几个熟人」的观察。观察当然可以继续问下去，但它别再冒充规律。规律得另外去查：查行业报告、查律协数据、查招聘趋势，而不是查我的饭局通讯录。
拆掉了「以偏概全」这块预设，下一块更狡猾的预设就露出来了——它藏在「为什么」这三个字里。下一章，我们把「为什么」拆开，看看它是怎么在你没察觉时，先替你认定了「确有其事」。