下面谈谈思维当中可能出现的一些误区。
过分依赖经验。人们常常会说出自己的或者亲朋好友的经验，用以充做支持他思维归纳的依据。因为这类经验在人们的头脑中印象极深，经过长期的积累加深，简直可以呼之欲出。
但是过分地依靠这些经验却往往会铸成大错。这是因为，一两次甚至更多次个人的经验，绝非是具有代表性的东西。鲜明生动的经验，仅能表明同样的结果再次出现的一种可能、一种趋势，却不是必然。
如果说，你知道有几位烟民每天要狂吸三包，却不会妨碍他们活到90岁高寿。这也是经验了，但这些经验却绝对不能表明，每一位狂吸香烟的人都会达到如此高龄。
所以，一个谈判者尤其应该记住：有悖于某项归纳的个人经验，绝不能证明归纳错误！因为归纳须具有概括的性质。
当然，研究生动的特例，也是你必须留心的，研究富于戏剧性的个性，具体鲜明、显而易见；然而这种研究工作却常常会引导我们背离那些本质性的研究证据。
例如，有人讲述，西方某国有位妇人10年来坐食救济，心宽体胖，情夫成群，子女满堂--如此等等，描述可谓jīng细生动。但是这些描述却会诱导你忽视最为根本的统计数字--享受该国国家福利救济的人，只有10％能够将救济维持4年或者更长的时间。
在把实例引为证明的过程中，一定要谨慎。有些实例与结论表面上看完全吻合，然而这往往是对方设下的圈套，正是这种表面的吻合，会把你愚弄得像傻瓜一样。必须永远问自己，给出的实例是否典型？是否存在铁证如山的相反实例？
这实例能否作出另外的解释？
如果你听到谁说："我的经验证明了……"或者"我可以将其全盘否定。因为我根据经验……"你务必要对此提高警惕。批判性思维者对经验永远怀疑。他将会进行批判性的分析，来确定是不是存在适宜的观察方法，能使得经验确切真实，令人信服。
草率地进行归纳。如果归纳所依据的抽样范围狭小，或者足以把归纳引入歧途，便叫做草率归纳。草率归纳最常见的情形，是仅以几个实例作基础，骤然跃居到涉及全局的结论。比如，某人看到几个女司机技术拙劣，便断言所有的女司机都笨手笨脚，则他犯的毛病即是草率归纳。
虽然避免草率归纳非常重要，却不该把正当的归纳也一并拒之门外。如果有很多规模、广度和随机性都无可挑剔的研究统计均证明服用某种抗癌药物的人中有25％导致失明，我们则应认真考虑禁绝该药--虽然并非服用该药的所有人均将失明，虽然25％的可能性或许并不jīng确。我们这样做，因为我们多少相信，25％的结论势必接近真实的情况。
虚幻的联系。人们内心总有一种倾向，喜欢把事件视为互相联系的，或某一事件必将引起另一事件的发生。下面我们不妨列出一个错误的论断。
犯罪的少年，较之守法的少年更多是从自己的家庭中出走的。因此，出走能够引发少年犯罪。
事实上，常常会有好几种假设，能够解释它们之间的联结，让我们分析下面的一段话。
最近的一项研究指出："适量饮酒对妇女的心脏有益。"研究人员对1000名护士进行调查，发现那些每星期饮酒1到15次的人，其患心脏病的可能性比每星期不饮酒者还小。
莫非护士必须增加饮酒？我们是不能骤然做出这种结论的，在开怀痛饮之前，护士们应该细细考虑下面几种可能的解释。
饮酒有助于预防心脏病；妇女们感到心脏健康，这促使她们增加饮酒；或许性格独立的妇女更愿适量饮酒并加qiáng锻炼。果真如此，则适量饮酒与心脏之间相互联结，仅仅因为它们都与独立性密切相关。
总之，一旦对方指出特征之间的某种联结以支持其假说，你则要追问：是否有其它假说足以解释这种联结？
结论和证明风马牛不相及。下面的论述表现了运用统计数字的一种常见谬误。
某位汽车商极力赞誉一种汽车，说其大受欢迎，因为每100位买主之中，只有5位卖方抱怨汽车的低劣。于是车商说："只要95％的买主高兴，这车肯定好极了！"
这段文字完全把统计数字置于迷雾之中，统计数字和结论全然风马牛不相及。我们自然无法假定所有不抱怨汽车低劣的人一定对这车爱不释手。作者只执一端（很少有买主抱怨），而结论却毫不相gān，（大多数买主喜欢）。从这个例子我们得到的重要教训是：必须仔细审视统计的措辞和结论的措辞，看它们说的是否同一件事。如果不是，作者便是只执一端，而结论与之毫不相gān。
数字的误区。下面我们举两个例子，它可以说明数字的误区。
其一，我们在小型机械的销售方面增加了50％，而我们的对手只增加了25％。
其二，犯罪làngcháo席卷本市。比去年的杀人案件增长了67％。
这两个例子，都使用了正确的百分比。然而，它们却疏漏了一件重要的信息即百分比所凭借的绝对数字。也许小型机械的销售是从40套增加到60套（即50％），可竞争对手的销售是从一万套增加到1.25万套（即只有25％）。请问孰优孰劣？
在第二个例子当中，假如我们知道所谓杀人案的增长只不过是从3件增加到5件，你心中的石头准会落回到地上了。
所以在遇到百分比时候应该仔细想一想，该百分比所凭借的数字是什么？一旦对手着手对百分比进行比较，你更要对此当心。
利用百分比眩人耳目，还有另一种常见的方式：选取便利合用的基础数据。如果想使数据大得骇人，只需把它表现成某个小数字的百分数；反之，如果想让数据微不足道，只需把它变成某个大数字的百分数。
所以说，表面的庞大和微小都是有奥秘在里边的，请看：
例一，假若有785名心理医生都对jīng神失常的被告表示支持，便有充分的理由让我们也对其表示支持。
例二，再假如，今年有1.05万多人来买汽车，我们便说汽车公司最好的年头到底来了。
例三，拳击并不如其它体育项目危险。这是因为一项与体育有关的死亡统计显示，该市棒球的死亡人数为43人，在死亡率方面领先于足球（22人）和拳击（21人）。
这些数字，有的尽力求大，有的着力求小，有的努力求准，目的都不外让你印象深刻。但是实际上，我们可以发现许多疑问。就例一而言，难道不需要知道有多少心理医生接到了调查表，多少名做出了回答，他们的合格程度是怎样？在例二中，增长用万的百分数会不会更有意义？很可能销售量不过是从1.04万增长到1.05万，而其它汽车的销售量比它不知要大出多少倍。例三竟会不了解参加这些体育项目的运动员人数便去计算百分数？谁知道拳击手的总数是否比棒球手的总数低出许多？……
以上内容，是希望你能发现对方利用统计数字扯谎的办法。主要是说：
第一，利用证据找出你自己的结论。如果与对方的结论不符，你或许便找到了某种不实之处。