身边统计学
ANECDOTAL EVIDENCE // 我有一个朋友，所以全世界
> "我身边的人都月薪三万""认识的几个考研的都上岸了""用某个药的朋友都说好"——用自己圈子里的几十个样本推断十四亿人的世界。它的学名很朴素：轶事证据（anecdotal evidence）+ 可得性偏差 + 便利抽样的三合一。每一句"我有一个朋友"都是一次抽样，只是这个抽样从设计到分析全程都不由你控制，却由你全权背书。
Principle — 原理与来源
词条身份："身边统计学"是中文互联网原生流行语（约 2010 年代随论坛/知乎/豆瓣流行，2020 年前后"我有一个朋友"成为固定句式梗），不是统计学规范术语。它的三个学术近亲：① 轶事谬误（anecdotal fallacy）——用个人经验案例代替统计证据；② 可得性启发（availability heuristic，Tversky & Kahneman 1973）——越容易想起的例子越被判定为常见；③ 便利抽样（convenience sampling）——样本取自"最容易拿到的人"而非随机。身边统计学 = 三者在日常对话里的合体形态。
三层污染（为什么身边样本必然偏）：① 圈层筛选——你的社交圈由学历、行业、城市、算法推荐预筛选过，"随机"早在你认识他们之前就完成了；② 可得性筛选——极端案例（暴富/翻车/奇迹）因情绪强度被优先记住、优先转述，平均值沉默；③ 回应筛选——愿意讲述经历的人本身自选过（满意的人写好评，沉默的大多数不发声）。三层漏斗叠加，你看到的是"被三重筛选后的世界"，却拿它当原始数据。
何时身边证据有价值：轶事不全是垃圾——它是假设发生器：一个反例足以推翻全称命题（"这个药对所有人有效"被一个无效者证伪），一个案例可以提示"存在这种可能"。错的是方向：用轶事证明普遍性（生成理论）而非证伪/探索。医生问病史、用户访谈找痛点都靠轶事起步——但结论要靠数据收尾。
Apply — 用在哪里
Simulate — 圈层抽样模拟器 × 样本量直觉实验
Personal Takeaways — 个人启示 · 03
你的经验是真的，只是不代表性
身边统计学最阴险的地方：那些案例全都真实发生——朋友真拿到了 offer，亲戚真吃好了药。错不在案例，在从案例跳到"大家都"的那一步。承认"这是我见到的"，是诚实；宣称"所以世界如此"，是越权。
问沉默的分子在哪
每个身边结论背后都有一个沉默的分母：没上岸的、吃药无效的、过得不好不发朋友圈的。训练自己找分母的习惯——听说三个成功案例时，第一反应不是"概率很高"，而是"失败的人会告诉我吗？"
轶事开题，数据结题
别矫枉过正地鄙视一切个人见闻——它是假设的最便宜来源，医生的临床直觉、用户的吐槽都由此起步。正确的姿势是一条流水线：轶事负责"注意到"，抽样负责"验证"，分布负责"定论"。跳过中间两步的，才叫身边统计学。