Para um pesquisador acadêmico que primeiro se formou em filosofia e depois em psicologia, Robyn Dawes era um sujeito prático. Ele costumava contar uma história de quando trabalhou em uma ala psiquiátrica no final dos anos 1950. "Havia um paciente que tinha um delírio, e o delírio era que ele estava desenvolvendo seios."
O homem foi internado em uma ala de segurança enquanto os psiquiatras ponderavam a razão desse delírio fascinante; eles suspeitavam que provavelmente era o impacto traumático da morte recente e chocante de um dos pais.
Seis semanas depois, alguém pediu ao homem que tirasse a camisa. Ele tinha uma condição genética, não um delírio. "Era de fato verdade: ele estava desenvolvendo seios".
A história deixou uma lição: até mesmo especialistas —especialmente especialistas— podem se deixar levar por ideias elaboradas, ignorando a abordagem simples e direta. Não é surpresa, então, que Dawes viria a se fascinar pela pesquisa de Ted Sarbin e Paul Meehl, psicólogos que haviam estudado o surpreendente poder de previsões estatísticas simples em áreas como diagnósticos clínicos ou desempenho acadêmico.
Sarbin, por exemplo, usou uma regressão linear —quase a regra estatística mais simples que se pode imaginar— para prever as notas universitárias (GPA, na sigla em inglês) de estudantes formandos com base em sua classificação no ensino médio e sua pontuação no vestibular. Esse método era mais preciso do que a opinião de psicólogos clínicos munidos dos mesmos dados e muito mais além.
