知道了哪些知识，会颠覆你对整个世界的想象？

欢迎关注我公众号：鲁佳演说。一起交流成长。

知识圆圈理论

这个理论出自芝诺的一句话：人的知识就好比一个圆圈，圆圈里面是已知的，圆圈外面是未知的。你知道得越多，圆圈也就越大，你不知道的也就越多。

历史背景为：

笛卡尔是17世纪法国的哲学家、物理学家、数学家和生理学家，是解析几何的创始人，举世闻名，但他却愈学愈发现自己的无知。

一次，有人问这位大学问家：“你学问那么广博，竟然感叹自己无知，岂不是大笑话？”

笛卡尔说：“哲学家芝诺不是解释过吗？他曾画了一个圆圈，圆圈内是已掌握的知识，圆圈外是浩瀚无边的未知世界。知识越多，圆圈越大，圆周自然也越长，这样它的边沿与外界空白的接触面也越大，因此未知部分当然显得就更多了。”

“对，对，你的解释真是绝妙！”问话者非常赞服这位大学者的高见。

墨菲定律

墨菲是美国爱德华兹空军基地的上尉工程师。

1949年，他和他的上司斯塔普少校，在一次火箭减速超重试验中，因仪器失灵发生了事故。墨菲发现，测量仪表被一个技术人员装反了。由此，他得出的教训是：如果做某项工作有多种方法，而其中有一种方法将导致事故，那么一定有人会按这种方法去做。

换种说法：假定你把一片干面包掉在地毯上，这片面包的两面均可能着地。但假定你把一片一面涂有一层果酱的面包掉在地毯上，常常是带有果酱的一面落在地毯上。在事后的一次记者招待会上，斯塔普将其称为“墨菲法则”，并以极为简洁的方式作了重新表述：凡事可能出岔子，就一定会出岔子。墨菲法则在技术界不胫而走，因为它道出了一个铁的事实：技术风险能够由可能性变为突发性的事实。

墨菲定律的适用范围非常广泛，它揭示了一种独特的社会及自然现象。它的极端表述是：如果坏事有可能发生，不管这种可能性有多小，它总会发生，并造成最大可能的破坏。

富兰克林效应

1736年,富兰克林还只是宾夕法尼亚州的一名州级议员,想争取到另一名国会议员的认同与支持。没想到对方完全反对他的观点,十分激烈地批评了富兰克林。

然而，富兰克林不愿意卑躬屈膝地向对方示好。他选择了一个独特的方式。

因为他听说这位议员收藏了一本非常罕见稀奇的书，富兰克林写了一封信，很客气地说：“我特别想欣赏拜读一下，能否借我几天？”

这位议员二话不说便把书送了过来，富兰克林则于一周后归还，并附上了一张纸条，表达他的感激之情。

没想到，在下一次国会会议中，这位议员主动找富兰克林谈话，还非常客气，是之前从未发生过的事，还在很多事情上表达对富兰克林的认同。

于是他们成了非常好的朋友，这种友谊持续了一生。

富兰克林说：“曾经帮过你一次忙的人会比那些你帮助过的人更愿意再帮你一次忙。想取得一个人的支持，尤其是圈子外的人的支持，那就先找他帮个忙，事情会出现意想不到的转机。”这种神奇的现象被称为“富兰克林效应”。

孕妇效应

“孕妇效应”是当你怀孕的时候，你就会容易看到，大马路上都是怀孕的人，当你开着奔驰的时候，你就容易发现，大马路上开的都是奔驰的汽车。

简单一点，用一句话概括，就是我们很容易关注到自己在意的事情，在我们身边发生。

这个效应在社交上也同样的适用，你是否存在过这样的情况，你觉得自己害怕在社交的时候紧张，你也容易发现别人在社交的时候紧张。

奥卡姆剃刀原理 

某化妆品公司收到客户抱怨，买来的肥皂盒里面是空的。于是他们为了预防生产线再次发生这样的事情，工程师想尽办法发明了一台X光监视器去透视每一台出货的肥皂盒。同样的问题也发生在另一家小公司，他们的解决方法是买一台强力工业用电扇去吹每个肥皂盒，被吹走的便是没放肥皂的空盒。

这则小故事蕴含着一个重要的原理—奥卡姆剃刀定律--又称“奥康的剃刀”。奥卡姆剃刀定律，是由14世纪逻辑学家、圣方济各会修士奥卡姆的威廉（William ofOccam，约1285年至1349年）提出。这个原理称为“如无必要，勿增实体”。

奥卡姆剃刀常用于两种假说的取舍上：如果对于同一现象有两种不同的假说，我们应该采取比较简单的那一种。

幸存者偏差

如今很多人在说，谁谁谁当初没好好上学如今照样挣大钱，而好多用功读书的人，毕业后反而不如那些没好好学习的人混得好。并且因为这样的例子有很多，所以很多人得出“上学没有用处”，“读书无用”的结论。

这些其实只是个例，因为基数太大，所以看起来有很多。2010年第六次全国人口普查的官方口径，可以算出来大专以上文化程度的人口仅占总人口的8.7%左右。可以看出学历低的人数远高于学历高的人数，所以即便低学历者成功率远低于高学历者，也照样会导致低学历者出现大批成功人士。

对于高学历者，普通人既会关注成功的人，也会关注那些没成功的人，并且高学历却落魄的人尤其受关注，容易被当做新闻报道；而对于低学历者，普通人往往只关注成功者，忽视了广大学历低又没成功的人。正是因为忽视了这些“沉默的数据”，才产生「读书无用」这种错误结论。

幸存者偏差，指的是在做统计分析时，我们只专注于那些成功的例子，从而得出以偏概全的错误结论。大致来讲，成功的例子往往只属于少数。如果我们只看成功的幸存者，而忽略那些大部分的“倒霉蛋”，那么就会得出很多不符合常理的荒唐结论。