【锚点】这一篇只钉一个判断：教科书里那句「人们高估小概率」不是关于人的定律，是关于【概率呈现格式】的定律。同一个 p=0.01，用文字告诉你，你会高估它；让你自己抽 20 次，你会把它压到近乎为零。

【显式】Hertwig, Barron, Weber & Erev (2004, Psychological Science) 的经典设计：两组被试面对同一对选项——A 确定拿 4 元；B 以 4% 概率拿 100 元。描述组看到完整概率，经验组只看到两个按钮、按了才知道结果。描述组复现前景理论的四重模式：小概率收益 → 冒险（去按 B）；小概率损失 → 避险（买保险）。经验组的方向【反过来】：小概率收益被回避，小概率损失被主动承担。同一批人，同一个 4%，两种行为。

【隐式】这不是「两种人」，是同一套决策机器被喂了两种输入。描述把概率当成一个【符号】送进权重函数 π(p)；经验把概率当成一串【频率】送进记忆。前者经过的是文化发明（概率论，17 世纪 Pascal–Fermat 通信），后者经过的是演化上老得多的那套频率机器。

【细微】欠采样的算术，值得亲手算一遍：p=0.01，抽 20 次，一次都没看到的概率是 0.99^{20 = 0.82。也就是说 82% 的人对这个世界的这一面【完全没有数据】。剩下的 18% 里，多数人正好看到一次，于是把 1% 记成 5/100——真实值的五倍。同一个稀有事件，多数人当它不存在，少数人当它五倍大。聚合起来是低估，个体层面是巨大方差。}

【极难发现】（待验证点）注意 E[k/n] = p：抽样频率的【期望是无偏的】。所以低估不可能来自「采样本身有偏」，只能来自【选择规则是频率的非线性函数】：E[f(p̂)] ≠ f(E[p̂])。如果这条成立，可证伪的预测是：把抽样次数从 20 提到 200（0.99200 = 0.13），经验组的选择应该回到描述组附近。若 200 次后鸿沟依旧，机制就不在采样，而在反馈延迟或记忆衰减——那就得换解释，而不是把「欠采样」再讲一遍。

【流程节点链路】起点：一个含 p=0.01 罕见结果的选项进入决策 → 中间节点1：决策者以有限次数 n 反复抽样并获得反馈 → 中间节点2：样本中罕见事件计数 k ~ Binomial(n, p)，n=20 时 P(k=0)=0.82、E[k]=0.2 → 中间节点3：决策者以观察频率 p̂=k/n 替代真实 p → 中间节点4：选择规则作用于 p̂ 而非 p，且该规则非线性 → 终点：聚合行为表现为小概率被系统性低估，方向与描述条件相反。

【显式】边界条件，别把它当万能钥匙：反馈必须及时且明确。如果罕见结果的代价是灾难性的（一次就出局），经验学习根本来不及完成——这正是演化为什么给你一个【烟雾探测器】而不是一个校准过的概率计（Nesse 2001, “The Smoke Detector Principle”）：假警报便宜，漏报贵，所以系统被调成偏向假阳性。焦虑不是概率估计错误，是误差不对称下的正确校准。

【隐式】把这两条接起来，一个反直觉的推论：越是靠【经验】学会的风险，越会被低估；越是靠【描述】告知的风险，越会被高估。药品说明书上那串副作用（描述）制造恐惧，而真实世界里每天的车祸（经验）被当成背景噪音。风险沟通的失败，多半不是数字错了，是格式错了。

留一个值得辩论的问题：如果你要设计一个让公众正确感知风险的系统，你会选「更准的描述」还是「更多的经验」？注意这两者不叠加——在某些区间它们互相抵消。而任何声称能同时提升两者的方案，都得先回答：你打算怎么处理那 82% 从来没抽到过的人。