1. Большая часть нашего повседневного мышления похожа на научный метод проверки гипотез. Мы формулируем представления о мире и собираем наблюдения, чтобы решить, верны ли наши представления.

2. При применении индуктивного метода мы выдвигаем гипотезы на основе своих наблюдений. При применении дедуктивного метода мы накапливаем наблюдения, которые либо подтверждают, либо опровергают наши гипотезы. Как правило, при мышлении эти два процесса переплетаются, так что мы разрабатываем гипотезы^, основываясь на опыте, проводим наблюдения, а затем на основе этих наблюдений переопределяем свои гипотезы.

3. Рабочие определения – это точные формулировки, которые позволяют идентифицировать и измерять переменные.

4. По независимым переменным мы предсказываем или объясняем поведение зависимых переменных. При выдвижении гипотез мы хотим выяснить, как независимая переменная влияет на зависимую переменную (или переменные).

5. При выведении заключений из своих наблюдений важно использовать выборки достаточно большого размера, потому что люди реагируют по-разному. Большинство проявляет чрезмерную склонность к обобщениям результатов, полученных на малых выборках.

6. Для того чтобы установить, что одна переменная (например, курение) приводит к появлению другой переменной (например, рака легких), необходимо изолировать и контролировать переменные, между которыми предполагается причинная связь. Для того чтобы сделать строгий вывод о наличии причинной связи, необходима трехступенчатая схема проведения эксперимента, которая была описана в этой главе.

7. В контексте повседневного мышления мы часто пользуемся ретроспективными методами для установления причин, вызвавших появление события. Эти методы обладают недостатками, связанными с селективностью и уступчивостью памяти и с отсутствием систематических наблюдений за причиной. Для установления причинно-следственных связей лучше пользоваться проспективной методикой, когда события записывают в момент их наступления, а затем выясняют, последуют ли гипотетические результаты.

8. Переменные, которые соотносятся между собой таким образом, что изменениям одной переменной сопутствуют изменения другой переменной, называются коррелирующими переменными. Корреляция может быть положительной, как связь между ростом и весом человека (люди более высокого роста, как правило, весят больше, в то время как люди маленького роста обычно весят меньше), или отрицательной, как связь между физической нагрузкой и весом (люди, которые много тренируются, склонны к худобе, а те, кто мало тренируется, склонны к полноте).

9. Широко распространена ошибка, когда корреляцию между переменными принимают за причинную связь. Существуют различные возможности: переменная А является причиной переменной В; или переменная В является причиной переменной А; или переменные Аи В влияют друг на друга; или и Л, и В вызваны какой-то третьей переменной.

10. Ошибки еще одного типа, часто встречающиеся в человеческих рассуждениях, возникают тогда, когда считают, что между двумя переменными существует корреляция, в то время как на самом деле ее нет (мнимая корреляция).

11. Важно, чтобы ваши измерения были чувствительными, валидными и надежными, в противном случае выводы могут оказаться неверными. Очень немногие люди учитывают важность проблем, связанных с измерениями, когда делают повседневные выводы о природе окружающего мира.

12. Несмотря на то, что многие наши суждения необоснованны, люди испытывают в них глубокую уверенность. Это явление называется мнимой валидностью.

13. Сами того не желая, мы можем действовать таким образом, что придем к подтверждению или опровержению гипотезы в соответствии со своими ожиданиями. Это называется самопрограммированием.