序 / XIII
第一章
無處不在的數據：從大數據到小數據
“小數據” / 008
小情境 / 010
成熟的數據接收者 / 011
第二章
對“挑戰者號”評估結果的異議：抽樣如何影響結果
1986 年 1 月 28 日 / 018
理解樣本選擇 / 019
我們為何需要抽樣？ / 023
如果是這樣， 結果會如何？ / 024
“怪誕” 的科學 / 026
抽樣不一定越大就越好 / 028
係上安全帶 / 029
我們是第 1 名， 也是第 58 名！ / 031
不接受自拍 / 031
選舉總統與人口普查 / 032
取其精華， 去其糟粕 / 034
填空 / 035
缺瞭什麼？ / 036
做一個成熟的數據抽樣接收者 / 037
第三章
紅色州為什麼變藍瞭：平均數及總數——近觀概括性統計
當心數據縫隙 / 047
平均數、 中位數和眾數哪個更可信？ / 049
邁阿密人齣生時平均是西班牙裔， 死時是猶太人？ /052
為什麼副市長會比市長賺得多？ / 053
如何評估學生的成績？ / 056
平均值的平均值 / 057
警惕數據中的異類 / 058
去掉高分和低分有道理嗎？ / 060
總統辦公室的離群值？ / 061
掩蓋信息的代價為 10 億美元 / 062
你是否比一般人更為優秀 / 063
如何成熟對待數據總和、 平均值、 離群值 / 065
第四章
使用蘋果手機的人更聰明？正確理解關聯性和因果性
智能手機＝聰明人？ / 071
星巴剋旁邊的房子升值更快？ / 073
還有什麼因素可以解釋這件事？ / 074
我們有沒有讓你們覺得無聊？ / 077
為什麼重要 / 079
穿耐剋鞋就能像喬丹一樣灌籃？ / 079
嬰兒、 洗澡水和波爾多紅酒 / 081
你在搜索引擎頁麵排第幾？ / 082
烤奶酪的性福生活（我們差點將其用作書名） / 083
加利福尼亞的陽光和美屬薩摩亞島上的律師 / 084
不要被媒體人騙瞭 / 086
瞭解大腦的工作模式 / 089
拋棄先入為主的觀念 / 090
依然重要的一點 / 091
如何成熟地應對關聯性和因果性 / 092
第五章
眼見真的為實嗎？我們信仰統計學
民意調查 / 101
二手煙是否會緻癌？ / 102
重要的事 / 103
深呼吸 / 105
抽樣大小事關重大 / 106
你有多大把握？ / 108
泄露秘密 / 110
如何麵對截然相反的結論 / 112
效果顯著 / 113
這個研究對我的生活重要嗎？ / 114
等等，還有呢 / 115
瞭解自己所看到的是否重要， 從而成為成熟的數據
接收者 / 116
第六章
非洲為什麼會變小？歪麯與麯解
不要臆斷 / 124
柱狀圖和餅狀圖應該怎麼畫？ / 126
微妙的圓 / 133
圖錶讓人看起來更值得信任 / 135
對所有數據一視同仁導緻麯解數據 / 136
體會有和僅有的區彆 / 138
油錶顯示油箱為空為什麼還能開個幾裏路？ / 139
造假與失誤 / 139
錯誤數據抹掉股市 1 360 億美元 / 141
不要相信維基百科 / 142
過瞭保質期的食品能不能吃？ / 142
確鑿無誤的消息也可能被誤讀 / 144
1/4 磅牛肉漢堡與 1/3 磅牛肉漢堡哪個大？ / 145
如何明智地接收被歪麯（或可能被歪麯） 的數據 / 146
第七章
篩選數據需要“摘櫻桃法則”:瘋狂篩選
篩選數據的“摘櫻桃法則” / 156
用統計學的觀點如何看禍不單行？ / 158
如何解讀體育賽事中的統計數據？ / 160
房價上漲瞭還是下跌瞭？ / 161
政客們如何篩選數據？ / 164
相信我們——我們在打廣告 / 166
你是“摘櫻桃的人” ——沒錯， 就是你 / 168
選齣較好的， 留下其他的 / 168
市場營銷人員如何篩選數據？ / 170
如何識彆經過篩選的數據？ / 171
第八章
為什麼福島事故是可以預防的：預測未來的技術
明天太陽會照常升起嗎？ / 179
預知和預測的區分 / 182
齣國旅遊之前， 請告知金融機構 / 183
正確地看待預測 / 186
拋硬幣與“賭徒謬論” / 187
我們身邊的預言傢 / 190
你知道什麼？ / 193
民調為什麼會齣錯？ / 195
偶然與概率 / 196
心理因素影響預測 / 198
如何成為一個聰明的預測者 / 199
第九章
撥開數據的迷霧：總結
不要輕信頭條新聞中的數據 / 204
如何看待工作滿意度調查？ / 207
齣生月份與健康有關係嗎？ / 209
如何解讀關於問題學生的數據？ / 212
如何使用房價評估網站的數據？ / 214
如何成為一個成熟的數據接收者 / 218
尾聲 / 219
詞匯錶 / 221
注釋 / 229
緻謝 / 263
· · · · · · (收起)
具體描述
市場推廣人員在産品包裝上重點突齣瞭什麼，為什麼突齣這些數據？
為什麼年度報告上，有些數據以餅狀圖的形式齣現，而其他數據以柱狀圖齣現？
銷售預測是基於哪些數據得齣的？
你的醫生說你的病是由某些行為引起的，還是這些行為隻是和你的疾病相關？
你知道如果待在一傢公司不動，賺的錢會更少嗎？
在奧運賽事中，去掉高分和低分再取平均值，對運動員公平嗎？
為什麼美國大多數總統的任期為1460天或者2921天？
晚睡的人智商會比較高嗎？
星巴剋旁邊的房子升值更快嗎？
穿耐剋鞋就能像喬丹一樣灌籃？
過瞭保質期的食品到底能不能吃？
我們每天都在刷頭條、瀏覽彈窗，每天都會接觸海量的數據信息，這些信息背後隱藏著什麼真相？如何識彆那些一本正經的鬍說八道？
普通人一天大約要接收30G的數據，但大部分人不知道如何正確地解讀這些數據。MIT數據學專傢在本書中講述瞭如何破譯每天接觸到的數據，將復雜的問題變得更簡單和直觀。
本書涉及商業、零售、廣告、育兒等諸多領域的真實案例，以及時常為人們所誤解的數據概念。在本書中，你不僅能夠找到如何在信息龐雜的世界中識彆數據謊言、挖掘有用信息的方法，而且還能找到憑藉該答案迅速做齣明智決定的深刻智慧。
用戶評價
##為寫論文找的書，本次不閤適。 書本講的是“小數據”，即每天環繞你周圍的以字節記的數據，告訴你如何解讀小數據並避免常見的數據陷阱。隻記下瞭“小數據”的概念就沒有再細看瞭。
評分##統計學入門小書
評分##顯著性差異指某事真實的可能性。可以用來衡量我們觀察到的結果有多少概率是真實的，所以顯著性差異通常會用P值來衡量。P在這裏指可能性。如果你接受使用P值作為顯著性差異的衡量標準，那P值越小，你觀察到的結果僅僅齣於巧閤的概率就越低。
評分全書講解最基礎的統計學和數據分析知識，用的都是生活中俯拾即是的案例，看似簡單通俗的內容，卻能讓你避免很多常見謬誤，以及少受虛假宣傳或數據操縱的侵害。在這樣一個所謂的大數據時代，我們首先要明白的是身邊那些“小數據”的真正含義，這就需要我們具備最基本的數據解讀能力，掌握基礎統計學常識，以及對數據分析的結論有批判思考能力。幫助我們提升對數據的感覺從而做齣更好的決策，是作者寫作這本書的目的，值得一提的是，全書沒有任何數學公式，完全用生活中的案例來講解，大大降低閱讀門檻。
評分##喜馬拉雅。挺有幫助的，樣本陷阱，平均數陷阱，因果陷阱，結論陷阱（結論是否可信，是否在經濟效益方麵對我們有用）。
評分##枯燥還不深刻。都是些案例，結構混亂。說是普及，但講得還雲裏霧裏。一本毫無誠意的書。
評分##數據長，提醒我們注意數據的陷阱，花的時間也不多，可以瞭解下
評分##是比較基礎但是深入淺齣的讀本，很適閤入門，三星半。
評分##是比較基礎但是深入淺齣的讀本，很適閤入門，三星半。
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2026 windowsfront.com All Rights Reserved. 靜流書站 版權所有