Nonzero Lab Research · 统计与样本 · 2026-08-28 · 约 6 分钟

多少次盲测才够：胜率背后的样本量

连对七次不代表你会了，小样本的胜率几乎不携带信息。30 次对 18 次的「六成胜率」，置信区间宽达 42%–76%。要把 55% 与抛硬币区分开，约需 780 次——样本量决定你能相信什么。

连对七次的幻觉

连续七次判断都对，是什么感觉？对大多数人来说，是「我摸到了门道」。这个感觉出现得极快——有时五次就够了，三次也会让人心里一动。

但纯靠运气，连对七次也不是小概率到可以忽略的事。做个简单的算术：如果每次判断都等价于抛硬币，连续七次全对的概率是一百二十八分之一（假设每次对错各半且相互独立）。听上去很小，但放到时间轴上看：一个每天做五段盲测的人，一年里有上千个「连续七次」的窗口，纯运气也会定期送出七连对。

感觉与证据在这里分道扬镳：感觉在七次时就下了结论，证据还一个字都没说。

人天生相信小样本

Tversky (1971) 把这种倾向叫作「小数定律」：人系统性地高估小样本的代表性，以为几十次、十几次观察就能反映背后的真实比率。这个偏差连受过统计训练的研究者也不例外——他们在设计实验时同样倾向于相信过小的样本。²

Kahneman (2011) 后来把这个发现作为人类统计直觉缺陷的核心案例反复讨论。³ 对交易者的含义很直接：你对「最近手感」的信任，是一种已被命名了五十多年的认知偏差，不是洞察力。

胜率背后的区间有多宽？

把话说具体。比例的置信区间可以用 Wilson (1927) 的方法计算。¹ 两个常见的训练场景：

30 次里对 18 次，看起来是「六成胜率」，但区间从 42% 跨到 76%——既覆盖「比抛硬币还差」，也覆盖「相当出色」。这个宽度意味着：30 次的样本对「你到底行不行」几乎没有裁决权。

置信区间的正确读法也值得说清：它不是「你的真实水平有 95% 的概率落在区间里」这种安慰，而是「如果同样的实验重复很多次，用这种方法算出的区间有 95% 会盖住真实值」。对训练者来说，实用的读法更简单——区间越宽，你越不该对点估计认真。

就算攒到 100 次、对 60 次，区间下限也才刚过 50%。你的真实水平在 51% 还是 68%，100 次依然分不出来。

到底需要多少次？

反过来问：要把「真实胜率 55%」和「抛硬币的 50%」区分开，需要多少次？按 5% 显著性、80% 功效计算：

这张表值得停下来看。如果你的方法只有微弱优势（55%），分辨它需要近八百次判断——以每天五段计算，是大半年。优势越明显，需要的次数越少，但即使 65% 这种已经相当可观的优势，也要约 80 次才能和运气分开。

这张表还有一个反着看的读法：它告诉你什么样的差异在小样本里根本不可见。两个人各做 50 次，一个对 28 个一个对 24 个，胜率差 8 个百分点——这个差异完全在噪声范围之内，说明不了谁的方法更好。排名、晒单、一周一次的「状态总结」，在这个尺度上都没有意义。

任何「我试了二十次，胜率七成」的结论，放在这张表旁边看，都只是噪声里的一个读数。

为什么不能只看胜率？

还有一个维度这里没有展开：盈亏比。同样 45% 的胜率，配 2:1 的盈亏比和配 1:1 的盈亏比，是两种完全不同的方法。样本量的讨论对盈亏比同样成立——少数几笔大盈大亏对均值的影响，需要更大的样本来摊平。

胜率与盈亏比要放在同一个样本里看，而样本要按统一规则攒。这就是为什么评价的周期单位应该是周和月，不是笔。

按周累计，不按笔评价

把上面的数字变成一条纪律：样本量决定你能相信什么。二十次的结果是故事，一百次的结果是线索，几百次的结果才是证据。这条纪律不讨喜，但它省下的钱比任何指标都多——它阻止你把运气当成能力，把「感觉对了」升级成仓位。

刻意练习的研究同样强调反馈要落在足够多的重复上（见《盘感可以练吗：从刻意练习到交易直觉》）；而统计环境本身是否适合学习，见《复盘为什么会骗你》。