具体描述
帮你看清数字背后的真相,不被信息轰炸忽悠
吃饭吃药看病看报都用得到的统计思维,
提升你的“数字感”
-----------------------------------------------------
◎ 内容简介
我们时常遇到大量统计数据,如占比、患病率、风险值等。大量或显或隐的数字,都可能因误读或误用而扭曲真相,要读懂它们进而做出合理判断,“统计意识”不可或缺。
本书帮读者了解数字方面的22个常见错误和花招,它们出现在评价速度和重要性的大小、准确率和排名的高低等众多情境中。本书会告诉你各种数字的采集和表达过程可能出现哪些偏差进而产生“睡前看屏幕会死人”等误导性看法,负责可信的统计数据工作又该遵循怎样的指南。
-----------------------------------------------------
◎ 图书推荐
一本日常统计学的杰出指南……巧妙地把困难的感念解释得通俗易懂,是一本应景又活泼的读物。——Manjit Kumar,《泰晤士报》
精彩易读地解释了应如何理解新闻中的数字……在读者提供了侦测误导的工具。——Nick Renninson,《每日邮报》
-----------------------------------------------------
◎ 作品看点
★ “数字感觉”能帮你翻译重要的生活信息,免于恐慌和盲目
“45岁以上的父亲,生的孩子发生癫痫的概率高 18%”“睡前在屏幕上阅读可能会害死你 ”都是常见的报道措辞。如果你因此恐慌,情有可原,但大可不必。因为这些信息都还可以翻译:比如第一条就是“34—45岁父亲,生的孩子的癫痫患病率是0.0024%,而45岁以上父亲的该风险提高到0.0028% ”,第二条则是“睡前连续阅读4小时屏幕会令人平均减少睡眠10分钟,长此以往或损害健康”。
透过本书,我们会了解到文字背后隐藏着数字、相对比例后面隐藏着绝对比例等几十条提升“数字感觉”的实用tips,不被博眼球的表达蒙蔽双眼。
★ 每章都是一台袖珍谣言粉碎机
更确定就等于更重要吗?震惊:碳排放和肥胖之间竟然有关联?使人变得暴力的因素,竟然有汽水?检测准确率达99%就大可信任?丑演员演技更好?......本书22章,每章为你介绍一种数字误会、理解偏差或思维盲点,每五千字的篇幅帮你解决一个问题,明快干脆。
★ 数字也可以很幽默
掌握小学数学就能读懂本书。作者援引的都是身边案例,坏坏的英式幽默和脑筋急转弯一般的统计谬误和悖论,如“某大学女性录取率更低但每个院系的女性录取率都更高”,给你的阅读增添轻松愉悦。
作者简介
◎ 作者/译者介绍
汤姆·芝华士(Tom Chivers),科学作家,曾供职于《每日电讯报》、BuzzFeed等媒体,2018年起为自由职业者。2018年获英国皇家统计学会“新闻‘统计性’优异奖”。2017年获美国心理学会(APA)媒体奖,并列入英国科学作者奖、英国科学写作新闻奖短名单。
大卫·芝华士(David Chivers),英国杜伦大学商学院经济学副教授,曾任牛津大学讲师。在优秀学术期刊上多有发表。研究领域包括不平等、增长和发展等。
译者:
邓妍,心理学硕士,数学、经济学与统计学综合学科硕士。曾任投资分析师。为知名媒体担任专职翻译多年。现从事笔译和心理咨询工作。
目录信息
引 言 001
01 数字也会误导人 009
02 轶事证据 :她用这种方法重获健康 019
03 样本量 :说脏话力气大? 027
04 偏差样本 :网上调查靠得住吗 039
05 统计显著性 :更确定不等于更重要 047
06 效应量 :睡前看屏幕害死人? 059
07 混杂因素 :碳排放致肥胖? 065
08 因果性 :汽水使人暴力? 075
09 这个数字大吗 085
10 贝叶斯定理 : 95% 准确率没意义 091
11 绝对风险和相对风险 101
12 测量的东西变了吧 107
13 排 名 117
14 它在文献中有代表性吗 125
15 追求新奇 133
16 采樱桃谬误 147
17 预 测 153
18 模型中的假设 165
19 得州神枪手谬误 175
20 幸存者偏差 185
21 对撞偏差 :丑演员演技更好? 195
22 古德哈特定律 :指标的诅咒 205
结论与统计写作指南 215
致 谢 227
注 释 229
译名对照表 249
· · · · · · (收起)
读后感
用户评价
这本《数字一点不老实》的书,真是让人欲罢不能!我一直觉得数字和数据分析这种东西应该是冰冷、刻板的,是那种需要严谨的逻辑和冷静的头脑才能驾驭的领域。然而,这本书彻底颠覆了我的认知。作者仿佛是一位魔术师,将那些看似枯燥乏味的数字玩得活灵活现,充满了狡黠和趣味。它不是那种教科书式的说教,而是用一种近乎故事的手法,把那些复杂的数学原理和统计学概念娓娓道来。我印象最深的是其中关于“概率的误区”那一部分,作者通过几个日常生活中极其贴切的例子,生动地展示了我们是如何被自己的直觉所欺骗,而那些被认为是“巧合”的事件背后,其实有着强大的数学推力在支撑。阅读的过程中,我时常会忍不住拍案叫绝,那种茅塞顿开的感觉,简直比解开一道多年的谜题还要令人兴奋。这本书的行文流畅,语言诙谐,即便是对数学有天然排斥感的人,也能在这种轻松的氛围中,不知不觉地吸收那些“不老实”的数字逻辑,让人对这个看似遥远的世界产生了浓厚的兴趣和亲近感。强烈推荐给所有想在数据时代保持清醒头脑的朋友们。
说实话,一开始我对书名《数字一点不老实》还有点怀疑,以为又是那种故弄玄虚的畅销书。但翻开第一页,我就知道自己错了。这本书的阅读体验,更像是在跟随一位经验老到的侦探进行实地考察。作者的文字里有一种近乎偏执的求真精神,他似乎对那些被包装得天花乱坠的统计数字深恶痛绝,并决心要将它们“揪出来示众”。书中对“相关性与因果性”的区分,简直是教科书级别的精彩展示。他没有用枯燥的公式堆砌,而是构建了一系列“不可能的场景”,让你在忍俊不禁中领悟到两者之间那道看似微小实则巨大的鸿沟。我尤其欣赏作者那种不妥协的态度,他似乎在用文字向读者宣告:不要轻易相信你看到的第一个数字,去追问它的来源、它的计算基础,以及它背后隐藏的利益驱动。这本书读完后,我对商业报告、新闻标题,甚至朋友圈里的“科学辟谣”,都多了一层审视的滤镜。它没有提供简单的答案,但它教会了我提出更深刻的问题,这才是真正的智慧所在。
我得承认,在读《数字一点不老实》之前,我对数据的理解非常肤浅,总觉得只要样本量够大,结果就不会错。这本书像是一剂猛药,彻底清洗了我对“大数定律”的盲目崇拜。作者在探讨统计学中的“显著性检验”时,采取了一种非常叛逆的角度,他没有一味地赞美P值,而是深入剖析了研究人员如何为了追求“统计学上的成功”而有意无意地操纵数据边界。这种揭秘式的写作手法,让我对科学研究和学术论文中的那些看似神圣的数字产生了全新的敬畏——不是对数字本身的敬畏,而是对那些运用和解读数字的人的复杂性的敬畏。这本书的深度在于,它没有停留在简单的“如何计算”,而是深入到了“为什么这些数字会说谎”。它迫使读者去思考背后的动机、方法论的缺陷以及阐释者的立场。读完这本书,我感觉自己不再满足于“结果”,而是开始沉迷于“过程”的严谨性,这对我后续的阅读和工作都产生了深远的影响,绝对是一次思维层面的升级。
这本书的文字韵律感非常强,读起来有一种独特的节奏感,不像很多技术类书籍那样干巴巴地推公式。它更像是一系列精巧的短篇小故事集,每一个故事都围绕着一个核心的“数字不老实”的案例展开。我特别喜欢作者叙事时那种略带嘲讽的幽默感,那种仿佛在对读者说:“看,人类就是这么容易被这种小伎俩蒙蔽的”的语气,让人在感到被冒犯的同时,又忍不住自我检讨。比如关于“抽样误差”的那段描述,作者用一个关于选择性采样的社区调查来举例,把那种看似随机实则精心策划的偏差描绘得淋漓尽致,让我对所有未经深入了解的民意调查都产生了本能的不信任感。整本书的排版和设计也很有心思,总能在关键的地方用粗体或者斜体来强调某个被忽略的细节,引导读者的注意力。读完后,我感觉自己的思维模式被轻轻地撬动了一下,那种不适感(因为习惯了依赖直觉)很快就被一种掌控感所取代——我不再是数字的被动接收者,而是主动的质疑者和解读人。
我是在一个偶然的机会接触到这本《数字一点不老实》的,当时只是想找本轻松的书来打发时间,没想到却挖掘出了一块宝藏。这本书的叙事风格极其独特,它没有那种宏大的理论框架,而是聚焦于那些隐藏在日常生活细节中的“数字陷阱”。作者的笔触细腻而尖锐,总能精准地捕捉到人们在面对数据报告、市场调查乃至日常决策时所产生的心理偏差。举个例子,书中关于“平均值陷阱”的论述,简直是为我量身定做的——我一直以为自己对数字还算敏感,结果被作者用几个看似荒谬却又无懈可击的例子证明了,我收集到的信息可能只是被“平均化”后的假象。更难能可贵的是,这本书的结构安排非常巧妙,每一章的转折都设计得恰到好处,让你在感到被“欺骗”的同时,又对真相的揭示充满期待。它不是在教你如何成为数学家,而是在教你如何成为一个更聪明的“怀疑者”,对任何声称“根据数据证明”的论断保持一份警惕和审视。这对于我们这个信息爆炸的时代来说,无疑是一剂清醒剂。