大数法则指大样本比小样本更精确，能更真实反映总体特征；小数定律指小样本比大样本产生极端结果的概率大，且人们易忽视样本大小对结果的影响，受系统1自主寻找因果关系的影响，易构建连贯故事欺骗自己。具体阐述如下：
大数法则：在随机事件中，当样本数量足够大时，样本的平均值会趋近于总体的期望值。也就是说，大样本能够更精确地反映总体的特征和规律，减少因偶然因素导致的误差。例如，抛硬币时，单次抛掷出现正面或反面的结果是随机的，但当抛掷次数足够多，比如成千上万次时，正面和反面出现的频率会趋近于50%，这就是大数法则的体现。
小数定律：小样本比大样本产生极端结果的概率大。在小样本情况下，由于样本数量有限，偶然因素对结果的影响较大，容易出现与总体特征偏差较大的极端情况。例如，一个瓶中一半球是红色，一半球是白色，某人从瓶中随意取出4个球，多次重复会发现，2红2白出现的概率是4红、4白概率的6倍，这就是小样本下出现极端结果概率不同的体现。
系统1自主寻找因果关系：系统1会自主地从联想记忆中寻找相关事实，并试图为观察到的事物建立因果关系，哪怕这种关系并不存在。例如，在对美国1000多个县的肾癌发病率调查中，发现发病率最低的县几乎都位于中西部、南部和人口稀少的乡村，系统1会轻易推断出村里的生活方式很健康（如污染少、空气好）；而当假设发病率最高的县也位于这些地区时，又会推断可能是乡村生活贫困，如医疗设施差。但实际上，乡村生活不可能既是发病率最高又是最低的原因，系统1的这种推理是错误的。
随机事件与因果关系的混淆：随机事件本身是不解释的，除非一连串的随机事件才有规律可循。例如，从瓶中取球，2红2白出现概率高以及张三拿到同颜色球的次数是李四拿同颜色球的8倍，这些都是数学事实，没有因果关系，但系统1会试图寻找因果解释，与像“拿着鸡蛋在开水里会煮熟”这种有明显因果关系的事件混淆。
对样本大小的不敏感：人们对样本大小缺乏敏感性，不会因为样本数量的不同而对调查结果产生不同的反应。例如，张三对200人进行调查后发现每天喝两杯水的人更长寿，如果不是专业人员，不论是200还是20000的样本量，人们都不会有明显的不同反应，这体现了人们对样本大小的不敏感。
信任大于质疑的偏见：在面对信息时，人们往往更关注信息本身，而忽视信息的可信度。例如，对于“我在地方新闻看到某个信息”和“我在办公室里听到某个信息”这两种说法，系统1不能很好地分辨出信息的可信度，受到眼见为实等因素的影响，更倾向于相信信息本身，而不是对信息来源进行质疑和评估。
