具体描述
★★从谎言到武器，用统计的语言来思考，在复杂的资料中找出秩序与意义★★
1个数据，2种解答！如何聪明选择数据？如何把数据藏起来？
如何将数据屈打成招？怎么知道某个成果是靠操弄数据得来的？
如果知道有多少人的统计分析其实做错了，你还会相信所谓专家学者的研究吗？
如何将数据屈打成招？怎么知道某个成果是靠操弄数据得来的？
如果知道有多少人的统计分析其实做错了，你还会相信所谓专家学者的研究吗？
★令人瞠目结舌的统计手法实证案例，从科学发现、经济生活到日常的数据学
★做对分析、避免陷阱，让你读懂每一个数字，思考判断不出错
★数据分析网站、着名统计学家强力推荐，从此改变你对统计的看法，决断无懈可击
★做对分析、避免陷阱，让你读懂每一个数字，思考判断不出错
★数据分析网站、着名统计学家强力推荐，从此改变你对统计的看法，决断无懈可击
――――从本书中可以学到――――
●透视研究者窜改数据的手法，揭露捏造成果取信大众的伎俩
●如何看穿不可信的资讯，找出遗漏的细节，避免偏误
●问对问题，做对实验设计，选对统计分析方法，然后坚持到底
●如何思考p值、显着性、非显着性、信赖区间和回归
●正确选择样本大小，避免伪阳性
●报告你所做的分析，发表你的数据和原始码
●可依循的程序，可採取的防范措施，可用的分析软体
●透视研究者窜改数据的手法，揭露捏造成果取信大众的伎俩
●如何看穿不可信的资讯，找出遗漏的细节，避免偏误
●问对问题，做对实验设计，选对统计分析方法，然后坚持到底
●如何思考p值、显着性、非显着性、信赖区间和回归
●正确选择样本大小，避免伪阳性
●报告你所做的分析，发表你的数据和原始码
●可依循的程序，可採取的防范措施，可用的分析软体
▌统计会犯错！我们需要蒐集多少数据才能看清现实的真貌？
优秀的研究带来科学进展，而有好的统计分析才有优秀的研究。但统计分析要做得正确并不容易，就连最优秀、最聪明的人也不例外。如果你知道有多少科学家的分析其实做错了，可能会吓一跳。
资料分析是科学的基础，也是数据时代铺天盖地袭来的浪潮。统计学提供了威力强大的工具，能够在最复杂的资料里找出秩序与意义。但在这些以科学之名进行的研究分析和理论中，究竟潜藏了多少极不应该出错的谬误？
数据解读错误对现实世界的重大影响超乎想像。医学临床试验主导了我们的医疗照护，确定强效新处方药的安全性，犯罪学专家评估降低犯罪的不同方法，流行病学家设法减缓新疾病的传播，市场行销人员和业务经理努力找出最好的产品销售方式——这一切归结到底都是统计。但却经常是做错的统计。
▌透视谬误的原形，「统计」让你不失败！
「谎言、他妈的谎言、统计数字」，很多已发表的研究结果属于这三种谎言当中的一种。制药产业似乎特别想要忽视那些证明自己的药品没有疗效的已发表研究，来让证据产生偏误。遗漏的数据和刊登偏误歪曲了我们对重要议题的见解。就连做得正确的统计分析也不可信任。借由大量的技巧和分析方法，「将数据屈打成招」非常容易。如果没有通灵能力，我们几乎不可能知道某个「成果」是不是靠操弄数据得来的。
本书列举大量案例，揭露资料分析中的谬误有多么常见，并以清晰明了的推理来说明这些错误是怎么产生的，又应该如何避免。书中将检视令人尴尬的统计错误和疏漏，深入了解导致这些疏失产生的误解和科学政治，最后开始改进做统计分析的方法和看穿数据真相的方式。
任何需要做数据分析、不想被数字唬弄，以及所有想了解如何让统计这项分析工具发挥最大效益的人，都应该读读本书！
【对本书的赞誉】
「珍贵的小书……很精采，门外汉也能读懂。」
──阿尔伯托．开罗（Alberto Cairo），迈阿密大学计算科学中心视觉化计画主任
「如果你分析带有规则性的数据，但不确定分析得对不对，请来读这本书。」
──邱南森（Nathan Yau），数据流网站（FlowingData）
「有趣又丰富的指南……清晰明了的汇整。」
──约翰．沃斯（John A. Wass），《科学计算》期刊（Scientific Computing）
「我绝对会向对医学统计有兴趣的人，以及不喜欢统计的医学系学生或医生推荐这本书！」
──卡缇．邦斯博士（Dr. Catey Bunce），摩菲眼科医院国民医疗服务基金信託（Moorfields Eye Hospital NHS Foundation Trust）首席统计学家
「我非常喜欢这本书，也打算跟许多学生分享……精采极了。」
──妮可．拉齐威尔博士（Dr. Nicole Radziwill），詹姆斯麦迪逊大学（James Madison University）整合科技系助理教授
「我希望每位医生都能读一读这本书。」
──艾瑞克．拉莫特博士（Dr. Eric LaMotte），华盛顿大学内科住院医师训练计画
「很大胆的一本书，也很引人入胜……十分有趣，而且会从此改变你对统计的观感。」
──班．洛斯克（Ben Rothke），资讯安全专业人员
「写得很好又有趣的实用指南，书里谈的都是今天统计专业工作中最常遇到的问题。」
──Civil Statistician部落格
「凡是希望有机会了解研究结果的人，都应该把这本书当成宝贵的指南，这本书可帮助你正确理解。」
──珊卓拉．亨利―史托克（Sandra Henry-Stocker），ITworld网站
「任何一位数据科学家都该添购的重要藏书。除此之外，简练的文字风格会抓住你的兴趣，也会为你日后的计画激发创意。强力推荐。」
──insideBIGDATA网站
优秀的研究带来科学进展，而有好的统计分析才有优秀的研究。但统计分析要做得正确并不容易，就连最优秀、最聪明的人也不例外。如果你知道有多少科学家的分析其实做错了，可能会吓一跳。
资料分析是科学的基础，也是数据时代铺天盖地袭来的浪潮。统计学提供了威力强大的工具，能够在最复杂的资料里找出秩序与意义。但在这些以科学之名进行的研究分析和理论中，究竟潜藏了多少极不应该出错的谬误？
数据解读错误对现实世界的重大影响超乎想像。医学临床试验主导了我们的医疗照护，确定强效新处方药的安全性，犯罪学专家评估降低犯罪的不同方法，流行病学家设法减缓新疾病的传播，市场行销人员和业务经理努力找出最好的产品销售方式——这一切归结到底都是统计。但却经常是做错的统计。
▌透视谬误的原形，「统计」让你不失败！
「谎言、他妈的谎言、统计数字」，很多已发表的研究结果属于这三种谎言当中的一种。制药产业似乎特别想要忽视那些证明自己的药品没有疗效的已发表研究，来让证据产生偏误。遗漏的数据和刊登偏误歪曲了我们对重要议题的见解。就连做得正确的统计分析也不可信任。借由大量的技巧和分析方法，「将数据屈打成招」非常容易。如果没有通灵能力，我们几乎不可能知道某个「成果」是不是靠操弄数据得来的。
本书列举大量案例，揭露资料分析中的谬误有多么常见，并以清晰明了的推理来说明这些错误是怎么产生的，又应该如何避免。书中将检视令人尴尬的统计错误和疏漏，深入了解导致这些疏失产生的误解和科学政治，最后开始改进做统计分析的方法和看穿数据真相的方式。
任何需要做数据分析、不想被数字唬弄，以及所有想了解如何让统计这项分析工具发挥最大效益的人，都应该读读本书！
【对本书的赞誉】
「珍贵的小书……很精采，门外汉也能读懂。」
──阿尔伯托．开罗（Alberto Cairo），迈阿密大学计算科学中心视觉化计画主任
「如果你分析带有规则性的数据，但不确定分析得对不对，请来读这本书。」
──邱南森（Nathan Yau），数据流网站（FlowingData）
「有趣又丰富的指南……清晰明了的汇整。」
──约翰．沃斯（John A. Wass），《科学计算》期刊（Scientific Computing）
「我绝对会向对医学统计有兴趣的人，以及不喜欢统计的医学系学生或医生推荐这本书！」
──卡缇．邦斯博士（Dr. Catey Bunce），摩菲眼科医院国民医疗服务基金信託（Moorfields Eye Hospital NHS Foundation Trust）首席统计学家
「我非常喜欢这本书，也打算跟许多学生分享……精采极了。」
──妮可．拉齐威尔博士（Dr. Nicole Radziwill），詹姆斯麦迪逊大学（James Madison University）整合科技系助理教授
「我希望每位医生都能读一读这本书。」
──艾瑞克．拉莫特博士（Dr. Eric LaMotte），华盛顿大学内科住院医师训练计画
「很大胆的一本书，也很引人入胜……十分有趣，而且会从此改变你对统计的观感。」
──班．洛斯克（Ben Rothke），资讯安全专业人员
「写得很好又有趣的实用指南，书里谈的都是今天统计专业工作中最常遇到的问题。」
──Civil Statistician部落格
「凡是希望有机会了解研究结果的人，都应该把这本书当成宝贵的指南，这本书可帮助你正确理解。」
──珊卓拉．亨利―史托克（Sandra Henry-Stocker），ITworld网站
「任何一位数据科学家都该添购的重要藏书。除此之外，简练的文字风格会抓住你的兴趣，也会为你日后的计画激发创意。强力推荐。」
──insideBIGDATA网站
著者信息
作者简介
艾力克斯‧莱因哈特Alex Reinhart
美国卡内基美隆大学（Carnegie Mellon University）统计学讲师和博士班学生。德州大学奥斯汀分校物理学士，研究如何利用统计学和物理学侦测放射性装置的位置。
译者简介
毕馨云
清华大学数学系毕业，曾任科普书编辑十多年，目前为业余交响乐团团员。译有《这才是数学》、《科学酷妈的育儿大探险》、《气候危机大预警》、《学数学，弄懂这39个数字就对了》、《工程之书》、《原来数学这么漂亮》，另有译作刊于《BBC知识》杂志。
Email: vanessabee@hotmail.com
艾力克斯‧莱因哈特Alex Reinhart
美国卡内基美隆大学（Carnegie Mellon University）统计学讲师和博士班学生。德州大学奥斯汀分校物理学士，研究如何利用统计学和物理学侦测放射性装置的位置。
译者简介
毕馨云
清华大学数学系毕业，曾任科普书编辑十多年，目前为业余交响乐团团员。译有《这才是数学》、《科学酷妈的育儿大探险》、《气候危机大预警》、《学数学，弄懂这39个数字就对了》、《工程之书》、《原来数学这么漂亮》，另有译作刊于《BBC知识》杂志。
Email: vanessabee@hotmail.com
图书目录
序
致谢
前言
【第1章 漫谈统计显着性】
▏p值的威力
━有通灵能力的统计
━奈曼╱皮尔森检定
▏对区间要信赖
【第2章 统计检定力与检定力不足的统计】
▏检定力曲线
▏检定力不足的严重威胁
━为什么检定力不足？
━错误的红灯右转政策
▏信赖区间与增强能力
▏真实性膨胀
━很小的极端
【第3章 伪重复：聪明选择数据】
▏伪重复实例
▏解释伪重复
▏批次式生物学
▏同步伪重复
【第4章 P值与基本率谬误】
▏基本率谬误
━小测验
━医学检验中的基本率谬误
━如何用抽菸统计数字骗人？
━拿起武器对抗基本率谬误
▏要是一开始没成功，就一试再试
▏脑造影中的混淆视听资讯
▏控制伪发现率
【第5章 误判显着性】
▏显着性中的不显着差异
▏盯着显着性看
【第6章 双重数据】
▏循环论证式分析
▏向平均数回归
▏终止规则
【第7章 连续性的错误处理】
▏不必要的二分法
▏统计检定力不足
▏讨厌的混淆变量
【第8章 滥用模型】
▏从数据拟合出西瓜
▏相关性与因果关系
▏辛普森悖论
【第9章 研究自由：美好的悸动？】
▏一点点自由是件危险的事
▏避免偏误
【第10章 人人都会犯错】
▏无法重现的遗传学
▏轻松做到重现性
▏实验、沖洗干净、重做一次
【第11章 把数据藏起来】
▏被扣押的数据
━分享障碍
━数据衰减
▏就只是漏掉细节
━我们知道自己不知道的那些数据
━结果报告偏误
▏档案柜里的科学
━未发表的临床试验
━看出报告偏误
━强制公开
【第12章 我们能够做的事】
▏统计教育
▏统计出版
▏你的职责
参考资料
致谢
前言
【第1章 漫谈统计显着性】
▏p值的威力
━有通灵能力的统计
━奈曼╱皮尔森检定
▏对区间要信赖
【第2章 统计检定力与检定力不足的统计】
▏检定力曲线
▏检定力不足的严重威胁
━为什么检定力不足？
━错误的红灯右转政策
▏信赖区间与增强能力
▏真实性膨胀
━很小的极端
【第3章 伪重复：聪明选择数据】
▏伪重复实例
▏解释伪重复
▏批次式生物学
▏同步伪重复
【第4章 P值与基本率谬误】
▏基本率谬误
━小测验
━医学检验中的基本率谬误
━如何用抽菸统计数字骗人？
━拿起武器对抗基本率谬误
▏要是一开始没成功，就一试再试
▏脑造影中的混淆视听资讯
▏控制伪发现率
【第5章 误判显着性】
▏显着性中的不显着差异
▏盯着显着性看
【第6章 双重数据】
▏循环论证式分析
▏向平均数回归
▏终止规则
【第7章 连续性的错误处理】
▏不必要的二分法
▏统计检定力不足
▏讨厌的混淆变量
【第8章 滥用模型】
▏从数据拟合出西瓜
▏相关性与因果关系
▏辛普森悖论
【第9章 研究自由：美好的悸动？】
▏一点点自由是件危险的事
▏避免偏误
【第10章 人人都会犯错】
▏无法重现的遗传学
▏轻松做到重现性
▏实验、沖洗干净、重做一次
【第11章 把数据藏起来】
▏被扣押的数据
━分享障碍
━数据衰减
▏就只是漏掉细节
━我们知道自己不知道的那些数据
━结果报告偏误
▏档案柜里的科学
━未发表的临床试验
━看出报告偏误
━强制公开
【第12章 我们能够做的事】
▏统计教育
▏统计出版
▏你的职责
参考资料
图书序言
◆西瓜数据配适
挑选西瓜常用的方法是敲敲看，然后挑选声音特别响亮的，这种声音显然产生自恰到好处的西瓜果肉特质。有了适当的量测工具，应该就有可能运用统计数字找到一个演算法，让我们能够从敲出的声音预测任何一颗西瓜的成熟度。
我对这个问题格外感兴趣，因为我曾经很想一探究竟，架了电路把一个很炫的加速器接在我的电脑上，好让我能够记录西瓜的声响。不过我只试了八颗西瓜——数据少得根本不足以做出准确的瓜熟预测系统。因此当我偶然看到一篇声称能准确预测西瓜成熟度的论文时，可以想见我多么兴奋：那篇论文中的声音量测结果，能够预测出99.9％的成熟度变化。
但我们来思考一下。在这项研究中，专家小组试吃了四十三颗西瓜，然后用成熟度1到5分为西瓜评分。他们用回归来预测各种不同声音量测值的成熟度评分。回归方程式的准确度怎么会这么高？假如让专家小组重新评分一次，可能也不会与「他们自己原先的评分」99.9％相符。主观的评鑑不会那么始终如一。无论多么高明的程序，都不可能预测得这么准确。
应该是有什么地方弄错了。我们仔细评断一下他们所用的方法。
他们让每颗西瓜以1到1,000赫的频率振动，然后测量每个频率下的相移（phase shift，基本上就是振动在西瓜里传递所花的时间）。受测试的频率有一千六百种，所以回归模型中有一千六百个变数，每一个变数与成熟度的关系都必须估计出来。
现在，有了比西瓜数还要多的变数，我就能配适一个「完美的」回归模型。正如任两个数据点之间可以找到一条完美的配适直线，我们可以用一个有四十三个变数的方程式，完美配适四十三颗西瓜的量测值。这是严重的多此一举。就算声响与成熟度之间没有任何关系，我也能配适一个100％准确预测四十三颗西瓜的回归方程式，它不单只会表明声响和成熟度的实际关系（如果真的有关系存在），还将说明个别评分与量测值的随机变化。我相信这个模型会完美配适——但若拿新的西瓜来测试，由于西瓜本身的量测误差及主观评价的因素，这个模型可能就不堪用了。
挑选西瓜常用的方法是敲敲看，然后挑选声音特别响亮的，这种声音显然产生自恰到好处的西瓜果肉特质。有了适当的量测工具，应该就有可能运用统计数字找到一个演算法，让我们能够从敲出的声音预测任何一颗西瓜的成熟度。
我对这个问题格外感兴趣，因为我曾经很想一探究竟，架了电路把一个很炫的加速器接在我的电脑上，好让我能够记录西瓜的声响。不过我只试了八颗西瓜——数据少得根本不足以做出准确的瓜熟预测系统。因此当我偶然看到一篇声称能准确预测西瓜成熟度的论文时，可以想见我多么兴奋：那篇论文中的声音量测结果，能够预测出99.9％的成熟度变化。
但我们来思考一下。在这项研究中，专家小组试吃了四十三颗西瓜，然后用成熟度1到5分为西瓜评分。他们用回归来预测各种不同声音量测值的成熟度评分。回归方程式的准确度怎么会这么高？假如让专家小组重新评分一次，可能也不会与「他们自己原先的评分」99.9％相符。主观的评鑑不会那么始终如一。无论多么高明的程序，都不可能预测得这么准确。
应该是有什么地方弄错了。我们仔细评断一下他们所用的方法。
他们让每颗西瓜以1到1,000赫的频率振动，然后测量每个频率下的相移（phase shift，基本上就是振动在西瓜里传递所花的时间）。受测试的频率有一千六百种，所以回归模型中有一千六百个变数，每一个变数与成熟度的关系都必须估计出来。
现在，有了比西瓜数还要多的变数，我就能配适一个「完美的」回归模型。正如任两个数据点之间可以找到一条完美的配适直线，我们可以用一个有四十三个变数的方程式，完美配适四十三颗西瓜的量测值。这是严重的多此一举。就算声响与成熟度之间没有任何关系，我也能配适一个100％准确预测四十三颗西瓜的回归方程式，它不单只会表明声响和成熟度的实际关系（如果真的有关系存在），还将说明个别评分与量测值的随机变化。我相信这个模型会完美配适——但若拿新的西瓜来测试，由于西瓜本身的量测误差及主观评价的因素，这个模型可能就不堪用了。
图书试读
None
用户评价
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 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有