在第三章，我利用雙罐模型來說明能力與運氣的影響、分析極端偏差案例，以及均值回歸。當我們從兩個罐子抽出數字時，他們會形成常態鐘型分配曲線。不過很多時候、尤其在多數有趣的案例中，真實世界的事物並非常態分配。流行音樂成功與否，就是一例。
不過，很多時候，只要用簡單的雙罐模型，便足以解釋很多事情。要了解真實事業的運氣分布，我們可以先問：這些事情彼此為相依事件、還是獨立事件？獨立事件的意思是，之前發生的事不會影響後面的事；相依事件則是彼此會互相影響。如果一個系統裡面，不同事件會彼此影響，這表示該系統會記住之前發生過的事。
如果是獨立事件，那麼一個簡單模型就已足夠，例如丟銅板、或是從罐子裡挑出號碼。如果是相依事件，就像各種社會互動一樣，那麼運氣的分配狀況就會出現偏斜。在偏斜分配（Skewed distribution）中，好運和壞運的次數並不平均。相反的，只有少數人能得到極端好運。這表示能力與成功的關連性非常低。這種系統裡面的事件並非常態分配，而且也難以預測。
我們先從體育開始；在體育活動中，運氣看起來像似乎很接近鐘型常態分配。有很多研究是在分析體育賽事中的「好手感」。好手感的意思是，以籃球賽事為例，當一個人投中一球之後，他下一球投進的機率會比平均水準更高。研究人員詢問球迷，如果有一個平均命中率為五成的球員，他在投進一球、或失手一球後，下一球命中的機率有多高。平均下來，他們認為，失手後的下一球命中率為42%；至於投進後的命中率則跳升到61%。球迷顯然相信「手感」這回事；球員也是。
沒人質疑：這會不會只是運氣的關係。問題在於，連續進球到底只是一個隨機的過程、還是個人能力會隨著時間而有所起伏？因為運氣導致的連續進球，沒辦法讓我們評斷球員的能力；而因為能力造成的連續進球，也無法讓我們知道運氣為何。如果我們觀察到的結果，與簡單的運氣模型所預測的一致，那我們可以說，所謂「好手感」的想法恐怕只是心理作用、根本與個人績效無關。
有兩位統計學家，吉姆．艾伯特（Jim Albert）和傑伊．貝奈特（Jay Bennett），曾仔細分析運動賽事中的連續性表現。他們挑出一位曾經歷過手感發燙和連續低潮的球員，然後分析他的統計數字。他們分析陶德．席利（Todd Zille）的數據，發現他過去一個賽季的平均打擊率為0.280，而這位球員每八場球員的移動平均打擊率，最低達到0.069（低潮），最高則來到0.548（手感發燙）。兩位統計學家在《變化球》（Curveball）書中提出了兩個模型，希望驗證這樣的變異究竟是因為運氣造成、還是能力的影響。
