数学与统计学

回归均值是一个纯粹的统计事实：任何包含随机成分的极端结果都倾向于向长期平均值靠拢，理解这一点能避免对短期异常表现的过度反应。

概率思维与期望值计算是芒格视为生存必备的决策工具，它将思考从二元的会不会发生升级为概率加权的期望值分析，是理性决策的及格线。

复利是利滚利的指数增长力量，前期平淡后期爆发，芒格视其为地球上最重要的模型之一，它不仅适用于金融，更是知识积累和人生成长的底层规律。

条件概率与基础比率揭示了人类判断中最常见的错误——忽视先验概率而被表面证据误导，出租车问题经典地展示了为何直觉与正确答案相差甚远。

贝叶斯定理揭示了新证据必须在先验概率背景下解读的核心逻辑，它从根本上改变你处理信息、更新判断和避免基础比率忽视的方式。

基本算术与费米估算是芒格视为最被低估的思维工具——不是计算能力而是计算习惯，一支铅笔和餐巾纸就能在三分钟内揭穿大多数商业骗局。

博弈论研究理性决策者之间的策略互动，从囚徒困境到纳什均衡，揭示了竞争结构如何决定参与者的最优策略和商业生态的长期演化。

幂律分布揭示了极少数事件贡献绝大部分影响的不均匀世界——从风投回报到地震能量，理解帕累托法则背后的数学结构是正确配置资源的关键。

决策树理论通过将复杂决策拆解为概率节点和选择节点，强迫你思考后果的后果，在不确定性中找到期望值最优的路径。

两个变量的统计相关性不能证明因果关系，可能是反向因果、共同原因或纯巧合，理解这四种可能性是正确解读数据和避免决策错误的起点。

正态分布与肥尾分布的本质区别决定了极端事件的发生概率，LTCM的崩溃警示我们不能用钟形曲线的假设来建模真实世界的风险。

大数定律揭示了样本越大真实规律越清晰的统计本质，解释了为何短期表现无法区分运气与能力，以及赌场和投资中如何利用长期确定性。

乘法系统思维揭示了串联系统的残酷算术——当成功要求每个环节都成功时，总成功率是各环节概率的乘积，衰减速度远超直觉预期。

排列组合原理揭示了多环节串联系统的概率衰减效应——当一个计划需要多个独立环节全部成功时，整体成功率远低于任何单一环节的成功率。

样本量是区分信号与噪声的分辨率，人类天生倾向于从小样本中过度推断规律，理解统计显著性能避免将运气误认为能力。

人类大脑天生用直线思考，但现实世界充满指数增长、S曲线和突变等非线性现象，将过去趋势简单延伸到未来是代价最高昂的认知陷阱。

不对称性与凸性是芒格投资哲学的几何学基础——系统性地构建下行有限、上行开放的收益结构，让波动成为盟友而非敌人。

边际分析的核心是关注下一个单位的增量变化而非总量，这种导数思维解决了水与钻石悖论，也是正确评估商业决策和资源配置的基本功。

网络理论研究节点之间的连接模式如何决定系统行为，从六度分隔到无标度网络，揭示了信息传播、系统韧性和商业竞争格局的隐藏结构。