序 / XIII
第一章
无处不在的数据：从大数据到小数据
“小数据” / 008
小情境 / 010
成熟的数据接收者 / 011
第二章
对“挑战者号”评估结果的异议：抽样如何影响结果
1986 年 1 月 28 日 / 018
理解样本选择 / 019
我们为何需要抽样？ / 023
如果是这样， 结果会如何？ / 024
“怪诞” 的科学 / 026
抽样不一定越大就越好 / 028
系上安全带 / 029
我们是第 1 名， 也是第 58 名！ / 031
不接受自拍 / 031
选举总统与人口普查 / 032
取其精华， 去其糟粕 / 034
填空 / 035
缺了什么？ / 036
做一个成熟的数据抽样接收者 / 037
第三章
红色州为什么变蓝了：平均数及总数——近观概括性统计
当心数据缝隙 / 047
平均数、 中位数和众数哪个更可信？ / 049
迈阿密人出生时平均是西班牙裔， 死时是犹太人？ /052
为什么副市长会比市长赚得多？ / 053
如何评估学生的成绩？ / 056
平均值的平均值 / 057
警惕数据中的异类 / 058
去掉高分和低分有道理吗？ / 060
总统办公室的离群值？ / 061
掩盖信息的代价为 10 亿美元 / 062
你是否比一般人更为优秀 / 063
如何成熟对待数据总和、 平均值、 离群值 / 065
第四章
使用苹果手机的人更聪明？正确理解关联性和因果性
智能手机＝聪明人？ / 071
星巴克旁边的房子升值更快？ / 073
还有什么因素可以解释这件事？ / 074
我们有没有让你们觉得无聊？ / 077
为什么重要 / 079
穿耐克鞋就能像乔丹一样灌篮？ / 079
婴儿、 洗澡水和波尔多红酒 / 081
你在搜索引擎页面排第几？ / 082
烤奶酪的性福生活（我们差点将其用作书名） / 083
加利福尼亚的阳光和美属萨摩亚岛上的律师 / 084
不要被媒体人骗了 / 086
了解大脑的工作模式 / 089
抛弃先入为主的观念 / 090
依然重要的一点 / 091
如何成熟地应对关联性和因果性 / 092
第五章
眼见真的为实吗？我们信仰统计学
民意调查 / 101
二手烟是否会致癌？ / 102
重要的事 / 103
深呼吸 / 105
抽样大小事关重大 / 106
你有多大把握？ / 108
泄露秘密 / 110
如何面对截然相反的结论 / 112
效果显著 / 113
这个研究对我的生活重要吗？ / 114
等等，还有呢 / 115
了解自己所看到的是否重要， 从而成为成熟的数据
接收者 / 116
第六章
非洲为什么会变小？歪曲与曲解
不要臆断 / 124
柱状图和饼状图应该怎么画？ / 126
微妙的圆 / 133
图表让人看起来更值得信任 / 135
对所有数据一视同仁导致曲解数据 / 136
体会有和仅有的区别 / 138
油表显示油箱为空为什么还能开个几里路？ / 139
造假与失误 / 139
错误数据抹掉股市 1 360 亿美元 / 141
不要相信维基百科 / 142
过了保质期的食品能不能吃？ / 142
确凿无误的消息也可能被误读 / 144
1/4 磅牛肉汉堡与 1/3 磅牛肉汉堡哪个大？ / 145
如何明智地接收被歪曲（或可能被歪曲） 的数据 / 146
第七章
筛选数据需要“摘樱桃法则”:疯狂筛选
筛选数据的“摘樱桃法则” / 156
用统计学的观点如何看祸不单行？ / 158
如何解读体育赛事中的统计数据？ / 160
房价上涨了还是下跌了？ / 161
政客们如何筛选数据？ / 164
相信我们——我们在打广告 / 166
你是“摘樱桃的人” ——没错， 就是你 / 168
选出较好的， 留下其他的 / 168
市场营销人员如何筛选数据？ / 170
如何识别经过筛选的数据？ / 171
第八章
为什么福岛事故是可以预防的：预测未来的技术
明天太阳会照常升起吗？ / 179
预知和预测的区分 / 182
出国旅游之前， 请告知金融机构 / 183
正确地看待预测 / 186
抛硬币与“赌徒谬论” / 187
我们身边的预言家 / 190
你知道什么？ / 193
民调为什么会出错？ / 195
偶然与概率 / 196
心理因素影响预测 / 198
如何成为一个聪明的预测者 / 199
第九章
拨开数据的迷雾：总结
不要轻信头条新闻中的数据 / 204
如何看待工作满意度调查？ / 207
出生月份与健康有关系吗？ / 209
如何解读关于问题学生的数据？ / 212
如何使用房价评估网站的数据？ / 214
如何成为一个成熟的数据接收者 / 218
尾声 / 219
词汇表 / 221
注释 / 229
致谢 / 263
· · · · · · (收起)
具体描述
市场推广人员在产品包装上重点突出了什么，为什么突出这些数据？
为什么年度报告上，有些数据以饼状图的形式出现，而其他数据以柱状图出现？
销售预测是基于哪些数据得出的？
你的医生说你的病是由某些行为引起的，还是这些行为只是和你的疾病相关？
你知道如果待在一家公司不动，赚的钱会更少吗？
在奥运赛事中，去掉高分和低分再取平均值，对运动员公平吗？
为什么美国大多数总统的任期为1460天或者2921天？
晚睡的人智商会比较高吗？
星巴克旁边的房子升值更快吗？
穿耐克鞋就能像乔丹一样灌篮？
过了保质期的食品到底能不能吃？
我们每天都在刷头条、浏览弹窗，每天都会接触海量的数据信息，这些信息背后隐藏着什么真相？如何识别那些一本正经的胡说八道？
普通人一天大约要接收30G的数据，但大部分人不知道如何正确地解读这些数据。MIT数据学专家在本书中讲述了如何破译每天接触到的数据，将复杂的问题变得更简单和直观。
本书涉及商业、零售、广告、育儿等诸多领域的真实案例，以及时常为人们所误解的数据概念。在本书中，你不仅能够找到如何在信息庞杂的世界中识别数据谎言、挖掘有用信息的方法，而且还能找到凭借该答案迅速做出明智决定的深刻智慧。
用户评价
##教你如何正确的看待数据，分辨数据的影响。相关性和因果性是不同的。理性又实用的一本书。（用网易蜗牛看的）
评分##整本书都是在告诉你已经知道的事情，只不过稍微加深了下，前半部分还有点眼前一亮，后边越来越乏。
评分##联系近期数据造假事件，作为警示，并保持一定的怀疑精神，直觉刻意训练之下便不是玄学。
评分##有一类书叫做：谁让你不学统计学。这就是其中之一。此书的一大特色就是，特别多的引用。
评分##枯燥还不深刻。都是些案例，结构混乱。说是普及，但讲得还云里雾里。一本毫无诚意的书。
评分##显著性差异指某事真实的可能性。可以用来衡量我们观察到的结果有多少概率是真实的，所以显著性差异通常会用P值来衡量。P在这里指可能性。如果你接受使用P值作为显著性差异的衡量标准，那P值越小，你观察到的结果仅仅出于巧合的概率就越低。
评分全书讲解最基础的统计学和数据分析知识，用的都是生活中俯拾即是的案例，看似简单通俗的内容，却能让你避免很多常见谬误，以及少受虚假宣传或数据操纵的侵害。在这样一个所谓的大数据时代，我们首先要明白的是身边那些“小数据”的真正含义，这就需要我们具备最基本的数据解读能力，掌握基础统计学常识，以及对数据分析的结论有批判思考能力。帮助我们提升对数据的感觉从而做出更好的决策，是作者写作这本书的目的，值得一提的是，全书没有任何数学公式，完全用生活中的案例来讲解，大大降低阅读门槛。
评分##整本书都是在告诉你已经知道的事情，只不过稍微加深了下，前半部分还有点眼前一亮，后边越来越乏。
评分##教你如何正确的看待数据，分辨数据的影响。相关性和因果性是不同的。理性又实用的一本书。（用网易蜗牛看的）
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.qciss.net All Rights Reserved. 图书大百科 版权所有