一句话定义
统计性歧视是雇主因缺乏个人信息，用群体平均特征来推断个体能力或稳定性，从而区别对待求职者的行为。
机制 / 原理
统计性歧视不一定来自明显厌恶，而来自信息不足和偷懒推断。雇主可能用年龄、性别、学校、户籍或族群平均印象替代个体评估，结果让优秀个体被低估，并让群体刻板印象自我强化。即使出发点是降低招聘成本，它也会造成不公平和效率损失。
经典实验 / 例子
OpenStax 将歧视区分为偏好歧视和统计性歧视，后者强调用群体信息替代个体信息。
生活中的例子
招聘经理看到候选人来自非名校，就默认能力弱，没认真看项目作品；这是用群体平均印象替代个体证据。
常见误区
常见误区是认为统计性歧视因为用了概率就一定合理。用群体平均替代个体信息，会惩罚被刻板印象误伤的人。