具体描述
全美最幽默的斜槓统计学家！最打破框架的统计学入门！
别再误会统计学！
☆幽默插图与诙谐口吻，让枯燥的统计学变得可爱又可口！
★丢掉繁琐的数字计算，化繁为简的说明统计重要观念！
☆附有问题讨论与解答，速效学习却不马虎喔！
Hey！怎么还抱着笨重的统计学教课书？为什么统计学让你不快乐？
其实，学统计也可以很有趣、很生活但又很实在喔！
1.为什么我条件不错，却单身到现在？
2.我应该尝试医生建议的新疗法吗？
3.为什么会一直变胖，是不是汉堡吃太多？
4.总统大选的民调，有准吗？
把你的人生困惑，统统交给不可思议的统计学吧！
本书採用诙谐的口吻书写，打破统计学书总是艰涩的印象，巧妙的将统计学的各个重要观念，以生活化的举例切入，透过一个个小故事，让观念变得更亲切好懂，轻松就能融会贯通。不仅有助于快速了解统计学的整体概念和基本原理，还能经由书中的精采多元的例子，见识统计学的神通广大！献给所有在统计学书堆中感到沮丧与怀疑的初学者，告诉你，统计学一点都不难，还能帮助你把世界看得更清晰！
好评推荐
♚哥伦比亚大学统计学教授强力推荐
「好懂、好读又平易近人，让我爱上这本书！」──安德鲁‧格尔曼（Andrew Gelman）
♛亚马逊书店读者五颗星狂热推荐♛
超爱作者讲解统计学概念的方式，少数让我想一读再读的好书！－－Luke Duan
好棒的统计书，讲解的「非常」好懂！尤其是对外行来说。－－Logan Mitchell
无论你在使用、学习或教授统计学，你都应该来读这本书。－－Ercüment Yerlikaya
我很享受这本书，书中的举例对了解和学习大有帮助－－Kindle Customer
通常我是不给评价的，但这本让我真的忍不住，这本书真的非常适合初学者，和那些除了学习统计研究方法之外，更想知道「为什么」这么做的人－－Akinjeji Adewale
（仅节录，人数众多）
别再误会统计学！
☆幽默插图与诙谐口吻，让枯燥的统计学变得可爱又可口！
★丢掉繁琐的数字计算，化繁为简的说明统计重要观念！
☆附有问题讨论与解答，速效学习却不马虎喔！
Hey！怎么还抱着笨重的统计学教课书？为什么统计学让你不快乐？
其实，学统计也可以很有趣、很生活但又很实在喔！
1.为什么我条件不错，却单身到现在？
2.我应该尝试医生建议的新疗法吗？
3.为什么会一直变胖，是不是汉堡吃太多？
4.总统大选的民调，有准吗？
把你的人生困惑，统统交给不可思议的统计学吧！
本书採用诙谐的口吻书写，打破统计学书总是艰涩的印象，巧妙的将统计学的各个重要观念，以生活化的举例切入，透过一个个小故事，让观念变得更亲切好懂，轻松就能融会贯通。不仅有助于快速了解统计学的整体概念和基本原理，还能经由书中的精采多元的例子，见识统计学的神通广大！献给所有在统计学书堆中感到沮丧与怀疑的初学者，告诉你，统计学一点都不难，还能帮助你把世界看得更清晰！
好评推荐
♚哥伦比亚大学统计学教授强力推荐
「好懂、好读又平易近人，让我爱上这本书！」──安德鲁‧格尔曼（Andrew Gelman）
♛亚马逊书店读者五颗星狂热推荐♛
超爱作者讲解统计学概念的方式，少数让我想一读再读的好书！－－Luke Duan
好棒的统计书，讲解的「非常」好懂！尤其是对外行来说。－－Logan Mitchell
无论你在使用、学习或教授统计学，你都应该来读这本书。－－Ercüment Yerlikaya
我很享受这本书，书中的举例对了解和学习大有帮助－－Kindle Customer
通常我是不给评价的，但这本让我真的忍不住，这本书真的非常适合初学者，和那些除了学习统计研究方法之外，更想知道「为什么」这么做的人－－Akinjeji Adewale
（仅节录，人数众多）
深入迷雾：探寻商业决策的底层逻辑与数据驱动的未来 本书简介 在信息爆炸的时代，数据已成为驱动商业世界前行的核心引擎。然而，原始数据往往如同未经雕琢的矿石，其内在的价值需要通过系统的分析与洞察才能得以彰显。本书并非专注于枯燥的数学公式推导，也避开了晦涩难懂的统计学术语，而是以一种全新的视角——商业决策的实际应用——来解构数据背后的复杂逻辑。 本书旨在为那些渴望从“经验驱动”彻底转向“数据驱动”的商业人士、管理者、市场分析师乃至有志于在职场中提升决策质量的专业人士，提供一套清晰、实用的思维框架。我们相信，真正的力量不在于掌握了多少工具，而在于理解工具背后的原理，并将这些原理转化为解决实际问题的能力。 第一部分：数据之眼——打破认知偏差与理解信息本质 在商业实践中，我们常常被“幸存者偏差”、“确认偏误”以及各种“直觉陷阱”所误导。这些认知上的盲区，即便在经验丰富的决策者身上也普遍存在，它们是导致战略失误的隐形杀手。 本部分将深入剖析这些常见的认知偏差，并通过一系列高度贴近真实商业案例的叙事，展示这些偏差是如何在市场调研、产品迭代和资源分配中悄然发挥作用的。例如，我们会探讨一个成功的营销活动背后，究竟是运气、时机还是可复制的策略？如何通过严谨的样本设计，避免陷入“看似有效”的虚假成功？ 核心内容包括： 样本的陷阱： 探讨抽样的科学性，如何识别“被精心包装”的数据集，并区分相关性与因果性的鸿沟。我们将通过分析两个截然不同的客户反馈案例，来展示不当抽样可能带来的灾难性后果。 时间序列的迷惑： 市场波动是常态，但如何分辨是随机噪声还是趋势的开端？我们将解析趋势分解的实用方法，帮助管理者在季度报告的迷雾中捕捉到真正的市场信号。 A/B测试的陷阱与精髓： A/B测试是数字化转型的基石，但一次“失败”的测试意味着什么？我们不仅会讲解如何设置有效的对照组，更会探讨在业务敏感期或资源受限情况下，如何优化测试周期与统计功效，以实现最快、最可靠的决策迭代。 第二部分：驱动引擎——从数据描述到预测性洞察 如果说第一部分是“看见”数据，那么第二部分则是“驾驭”数据。本部分将带领读者跨越描述性统计的边界，进入预测性分析的领域，但我们的重点永远是“如何应用”，而非“如何计算”。 我们将聚焦于那些能直接影响业务增长的关键指标分析： 客户价值的量化模型（LTV与CAC）： 如何准确地计算客户生命周期价值（LTV）和客户获取成本（CAC），是决定营销预算分配的命门。本书将拆解构建稳定LTV模型的关键变量，并阐述当模型预测与实际表现出现偏差时，业务部门应该如何反应。 风险与不确定性的量化： 商业的本质是管理风险。我们将介绍如何使用概率分布的概念，来量化项目失败的可能性，以及在投资组合中实现风险分散的实用策略。这不是深奥的金融工程，而是针对项目经理和部门主管的“风险语言”。 回归分析的商业应用： 摒弃复杂的多元回归方程，聚焦于“解释力”。我们通过分析一家电商平台的促销活动数据，展示如何识别哪些因素（如价格敏感度、渠道偏好）对最终转化率的影响最大，从而指导下一次运营策略的制定。 第三部分：决策落地——将洞察转化为行动力 数据分析的价值，最终体现在能否有效指导下一步的行动。本部分是本书的实践高潮，它关注的是“沟通”与“执行”的桥梁。 我们探讨如何将复杂的分析结果，转化为清晰、有说服力的商业叙事： 可视化叙事的力量： 好的图表胜过千言万语。本书提供了一套“反向设计”图表的方法论——即从“你想让决策者相信什么”出发，选择最恰当的视觉呈现方式，避免信息扭曲和误导。 构建数据驱动的文化： 引入数据决策并非一蹴而就。我们将分享在不同层级（从基层执行到高层董事会）推广数据思维的实用步骤，包括如何建立有效的反馈循环机制，确保分析结果不会在组织内部“石沉大海”。 从假设到迭代的闭环管理： 商业环境瞬息万变，数据模型需要不断校准。本书详细阐述了如何建立一个持续监控模型性能、并在必要时触发“模型重校准”的运营流程，确保数据决策的长期有效性。 本书的独到之处 本书的最大价值在于其强烈的实践导向和对“人性化决策”的深刻洞察。我们假设读者拥有基本的商业常识，但未必有深厚的数学背景。因此，所有复杂的概念都通过生动的商业场景、具体公司的决策困境和解决过程得以阐释。这不是一本教你如何计算标准差的书，而是一本教你如何利用对标准差的理解，避免在年度预算会议上被数据“打脸”的书。 读完本书，你将不再畏惧数据报告，而是能以一种更加审慎、更有洞察力的眼光，审视每一个商业决策背后的逻辑支撑，真正实现从“感觉对”到“数据支撑”的飞跃。 目标读者： 中小型企业管理者与高层决策者 市场营销、产品运营与用户体验分析师 寻求提升职场核心竞争力的专业人士 对数据驱动决策感兴趣的商业领域初入者 让我们一起，用数据看清商业世界的真实面貌。
著者信息
作者简介
安德鲁．维克斯（Andrew Vickers）
牛津大学临床医学博士，任职于美国纽约纪念斯隆．凯特琳癌症中心的生物统计与流行病学部门，专职研究方法。他活跃于许多癌症研究领域，包括外科手术结果、分子标记以及临床试验。他也进行统计方法的原创研究，特别是预测模型评鑑这方面。在写这本书时。以他为主要作者或共同作者的科学论文，已经超过二百篇。
维克斯博士在统计教学这方面有着强烈的兴趣。他是纪念斯隆．凯特琳癌症中心生物统计课程的课程领导者，并且在康乃尔医学院教医学系学生生物统计。维克斯博士目前与其家人定居于纽约市布鲁克林区。
译者简介
杜炳伦
杜炳伦（M.Ed., University of Idaho）为资深教师，美国爱达荷大学课程与教学硕士，美国田纳西大学诺克斯维尔校区（University of Tennessee, Knoxville）应用教育心理学博士班。赴美留学期间，有幸于田纳西大学校长讲授奖学者暨美国教育研究协会主席—史凯乐．哈克博士（Dr. Schuyler Huck）门下学习。曾荣获田纳西大学教育‧健康‧人类科学学院，特拉维斯．霍克（Travis Hawk）学术杰出奖。其英文着作「百分位数与百分等级（Percentile and Percentile Rank）」被收录于美国圣哲（Sage）出版商所发行的《测量与统计百科全书》（Encyclopedia of Measurement and Statistics）。中文着作有《上学的代价》，其长销译作《解读统计与研究》，拯救了无数研究所学生，并且广为两岸四地各大学图书馆所收藏。经营的统计教学网站，资源丰富，无惑不解。平时喜好从事有益于身心健康的各项活动。
译者网站：mypaper.pchome.com.tw/readingstatistic
安德鲁．维克斯（Andrew Vickers）
牛津大学临床医学博士，任职于美国纽约纪念斯隆．凯特琳癌症中心的生物统计与流行病学部门，专职研究方法。他活跃于许多癌症研究领域，包括外科手术结果、分子标记以及临床试验。他也进行统计方法的原创研究，特别是预测模型评鑑这方面。在写这本书时。以他为主要作者或共同作者的科学论文，已经超过二百篇。
维克斯博士在统计教学这方面有着强烈的兴趣。他是纪念斯隆．凯特琳癌症中心生物统计课程的课程领导者，并且在康乃尔医学院教医学系学生生物统计。维克斯博士目前与其家人定居于纽约市布鲁克林区。
译者简介
杜炳伦
杜炳伦（M.Ed., University of Idaho）为资深教师，美国爱达荷大学课程与教学硕士，美国田纳西大学诺克斯维尔校区（University of Tennessee, Knoxville）应用教育心理学博士班。赴美留学期间，有幸于田纳西大学校长讲授奖学者暨美国教育研究协会主席—史凯乐．哈克博士（Dr. Schuyler Huck）门下学习。曾荣获田纳西大学教育‧健康‧人类科学学院，特拉维斯．霍克（Travis Hawk）学术杰出奖。其英文着作「百分位数与百分等级（Percentile and Percentile Rank）」被收录于美国圣哲（Sage）出版商所发行的《测量与统计百科全书》（Encyclopedia of Measurement and Statistics）。中文着作有《上学的代价》，其长销译作《解读统计与研究》，拯救了无数研究所学生，并且广为两岸四地各大学图书馆所收藏。经营的统计教学网站，资源丰富，无惑不解。平时喜好从事有益于身心健康的各项活动。
译者网站：mypaper.pchome.com.tw/readingstatistic
图书目录
序言：如何阅读本书？
1 我告诉朋友，我的工作比他想像中的更有趣：统计学是什么？
数据的描述
2 当比尔盖兹走进一间小餐馆：平均数与中位数
3 当比尔盖兹再次回到小餐馆：标准差与四分位距
4 偏斜的射门与误判
5 你不可能拥有2.6个小孩：不同类型的数据
6 为何你的高中数学老师是对的：如何画一张图
数据的分配
7 梯盘棋与血清血红素水平：常态分配的见解
8 如果常态分配如此常见，为何我的数据从来就不是？
9 但我喜欢那件毛衣：什么程度的合身才算是「足够」的合身？
研究结果的变动：信赖区间
10 长头发：中年大叔的标准误差
11 怎么避开雨天婚礼：变动与信赖区间
12 统计领带，为什么你不应该戴一条：进一步探讨信赖区间
假设检定
13 选一条骑车回家的路：p-值为我们做了什么
14 干牙刷的机率：p-值到底是什么？
15 麦可乔丹将不会接受这个虚无假设：如何诠释高p-值？
16 运动与生意之间的差别：t-检定与威寇森检定
17 与朋友们聚会：样本数、精确度以及统计检定力
回归与决策
18 何时拜访芝加哥：关于线性与逻辑氏回归
19 我的助理今天是短发造型：关于回归与混淆
20 我不理会孩子的咳嗽，我太太惊慌失措：关于特异性与敏感性
21 避开大特价：帮助你做决定的统计
一些常见的统计学错误，以及它们教我们什么东西
22 比约翰汤米多一个：四个统计学错误，容易被忽略却都很重要
23 剷除无用的p-值：一个统计检定应该只回答一个科学问题
24 如何拍摄电视节目：不提供有意义数值的统计分析
25 93岁，体重700磅，美国佛罗里达州的超级老爹山姆：在回归分析里两个常见的错误
26 回归单身的麦克：一位条件不错的朋友仍然单身的统计学解释
27 OJ‧辛普森，莎莉‧克拉克，乔治与我：关于条件机率
28 男孩遇见女孩，女孩拒绝男孩，男孩开始多重检定
29不曾发生在我身上的一些事情：你为什么不应该比较p-值
30 如何赢得马拉松比赛：测量随时间发生的事物时要避免错误
31 劣质统计学与培根三明治之间的差异：统计有所谓的「使用规则」吗？
32 检视你的垃圾桶：从错误中学习
33 有意义的数值：连结数学与科学
34统计学与人们息息相关，即使你看不见眼泪
讨论区答案
参考资料
索引
1 我告诉朋友，我的工作比他想像中的更有趣：统计学是什么？
数据的描述
2 当比尔盖兹走进一间小餐馆：平均数与中位数
3 当比尔盖兹再次回到小餐馆：标准差与四分位距
4 偏斜的射门与误判
5 你不可能拥有2.6个小孩：不同类型的数据
6 为何你的高中数学老师是对的：如何画一张图
数据的分配
7 梯盘棋与血清血红素水平：常态分配的见解
8 如果常态分配如此常见，为何我的数据从来就不是？
9 但我喜欢那件毛衣：什么程度的合身才算是「足够」的合身？
研究结果的变动：信赖区间
10 长头发：中年大叔的标准误差
11 怎么避开雨天婚礼：变动与信赖区间
12 统计领带，为什么你不应该戴一条：进一步探讨信赖区间
假设检定
13 选一条骑车回家的路：p-值为我们做了什么
14 干牙刷的机率：p-值到底是什么？
15 麦可乔丹将不会接受这个虚无假设：如何诠释高p-值？
16 运动与生意之间的差别：t-检定与威寇森检定
17 与朋友们聚会：样本数、精确度以及统计检定力
回归与决策
18 何时拜访芝加哥：关于线性与逻辑氏回归
19 我的助理今天是短发造型：关于回归与混淆
20 我不理会孩子的咳嗽，我太太惊慌失措：关于特异性与敏感性
21 避开大特价：帮助你做决定的统计
一些常见的统计学错误，以及它们教我们什么东西
22 比约翰汤米多一个：四个统计学错误，容易被忽略却都很重要
23 剷除无用的p-值：一个统计检定应该只回答一个科学问题
24 如何拍摄电视节目：不提供有意义数值的统计分析
25 93岁，体重700磅，美国佛罗里达州的超级老爹山姆：在回归分析里两个常见的错误
26 回归单身的麦克：一位条件不错的朋友仍然单身的统计学解释
27 OJ‧辛普森，莎莉‧克拉克，乔治与我：关于条件机率
28 男孩遇见女孩，女孩拒绝男孩，男孩开始多重检定
29不曾发生在我身上的一些事情：你为什么不应该比较p-值
30 如何赢得马拉松比赛：测量随时间发生的事物时要避免错误
31 劣质统计学与培根三明治之间的差异：统计有所谓的「使用规则」吗？
32 检视你的垃圾桶：从错误中学习
33 有意义的数值：连结数学与科学
34统计学与人们息息相关，即使你看不见眼泪
讨论区答案
参考资料
索引
图书序言
序
如何阅读本书？
乐于从事别人似乎恨之入骨的事情，感觉真的很怪。我从一堆数字当中，梳理出有助于人们过得健康长寿的知识。然而，如果我告诉朋友们，统计学是我的热爱，他们会奇怪地看着我，好像我有沟通障碍才会当个统计学宅男。
我认为，统计学被教授的方式，尤其是统计学教科书，使得大部分人们认为学习统计是一种虐待。统计学教科书很厚又很无聊，而且很贵。因此，我跟编辑建议我要写一本很薄又很无聊又很贵的书。他考虑了一下，但最终决定我必须要有更好的点子。所以我是这样想的：典型的统计学教科书(1)告诉你怎么跑统计，而非如何了解它，(2)充斥着公式，以及(3)一点也不有趣。我想，是否我可以写一些聚焦于(1)如何了解统计，(2)避免公式，以及(3)有趣的东西。
于是，我想到了要用说故事的方式，来写这本书。圣经的第十诫有提到，「你不应该贪图邻居的房子、妻子、驴或牛。」但没人会这样对话。取而代之，人们会说「隔壁的草地比较绿。」假设你不知道「隔壁的草地比较绿」来自于一个古老的有关羊吃草的故事，故事是这样的，羊儿们每天快乐地在自家草地吃着绿草。有一天牠们心血来潮，抬头张望了一下，发现隔壁桥下靠近溪水的草地比较绿，于是就跑过去吃那边的草。吃着吃着，牠们又抬头张望了一下，觉得还是原来吃草的草地比较绿。于是，牠们就这样来来回回地过桥吃草，总觉得隔壁的草地比较绿。我最后一次听见这个故事是我还在幼稚园的时候，但我现在仍然记得它以及它的意义。十诫说的道理一点也没错，但很难记住，因为它只告诉你应该要做什么，而非它的意义。我的意思是，说故事能帮助你了解事情的意义，所以终其一生都很难忘记。
本书各章就像故事一样，读起来简短又有趣。本书的另一个特色──讨论区，稍微严肃了一点。讨论的题目非常多样化，通常会有一个值得深思的问题，其他的题目可视为调剂学习之用。像是，讨论关于数学常数e的起源。
如果你有一些统计基础，大可随意浏览本书。否则，你应该从头读到尾。前十二章涉及一些最基本的概念。例如：平均、变异、分配以及信赖区间。接着有几章论及假设检定与p-值。最后讨论回归分析──这也是我在工作上最常使用的统计方法，以及决策──这通常是统计学应该扮演的角色，但却往往不是。本书的最后三分之一内容，从「比约翰汤米多一个」这一章开始，专注于讨论各种统计错误，因为我认为科学就是尝试错误的学习。在教学时，我会给提出蠢答案的学生奖励分数，因为我们往往能从这些回答上面学到东西。以p-值而言，只有在你看过其被误用的方式以及思考为何会犯下这样的错误之后，你才能够真正了解p-值的意涵。最后这几章，能真正地充实你的统计知识。
本书的能与不能
诚恳地希望，在读完本书之后，你将能够掌握许多统计的关键概念。我也希望你将能够避免那些常犯的统计错误。
因为我并没有在本书呈现任何统计公式，所以你并不能够确实进行计算与分析。如果你想要为你的研究或课堂作业进行统计分析，你必须查阅有公式和分析步骤的传统统计教科书。此外，本书也并不能如传统教科书一般，有专文索引能提供你查阅忘记的东西。所以，如果你的目的是跑统计分析，本书不应该是你唯一购买的书籍（即使它很适合你买来赠送给亲戚、朋友、同事、邻居以及路人甲）。另一方面，如果你是那种不想亲自进行任何统计计算与分析的人（这世界大多数人都是），但必须了解与诠释你遇到的统计──这部分人比你想像的要多，那么本书也许正是你所需要的。
研究设计的部分在哪里
我是个设计导向的统计学者。举例来说，缺失值在医学研究里是个大问题。统计学家已经提出许许多多处理缺失值的复杂统计技术。我个人的贡献在于提出一个非常简易的降低缺失值的方法，也就是在一开始时，电访在家的病人并只问两个问题以代替冗长的问卷。依照这个方法，我们把缺失值的百分比从25%降低至6%，那么复杂的缺失值处理技术就显得多余了。
因此，你也许会讶异在本书中并没有研究设计的段落。简言之，这是因为我不认为研究设计可以独立于统计之外并另辟章节。有专门的两章分别介绍回归分析与威寇森（Wilcoxon）检定，这是因为理论上，你可以分别操作它们。然而，你并不会认为，在进行回归分析或是威寇森检定时，可以完全不考虑你在分析的研究设计。据此，我没有特别写一章讨论研究设计。相反的，关于研究设计的评论已然交织于本书内容当中。
关于本书的故事与数据
当我开始写作的时候，编辑告诉我说：「安德鲁，我要你写出一本，到目前为止，最有趣的统计教科书。」所以我是这么想的：「太棒了，那么我只需要写下一则笑话就完成啦！」
的确，事情并不会如此简单，但也并不是那么遥不可及。从任何一点来看，本书的故事与数据都有助于你学习统计。这有时意谓着，简化与修饰有益于理解。在一些案例里，我模拟数据（统计术语「模拟」就是凭空捏造的意思）。我这么做是因为我手上的数据过于复杂，可能会让读者无法专注于理解统计概念。此外，你也会对一直看见前列腺癌厌烦──这是我目前主要的研究工作。
因此，接下来的故事与数据并不会100%贴近事实。我并不认为这会有所误导，但请不要用本书去诊断瑞典男性血球数（参看〈梯盘棋与血清血红蛋白水平：常态分配的见解〉），前列腺癌（参看〈何时拜访芝加哥：关于线性与逻吉斯回归〉），非洲裔美国人叫一辆计程车要多久时间（参看〈永远不会发生在我身上的一些事情：你为什么不应该比较p-值〉），或是我朋友麦克（参看〈回归单身的麦克：一位条件不错的朋友仍然单身的统计解释〉）。或甚至是否「恐吓从善」计画，有助于少年犯避免往后的犯罪生涯（参看〈干牙刷的机率：p-值到底是什么？〉）：我说它并不奏效，但是不要照单全收我的话，你自己去查查看（www.cochrane.org）。毕竟本书之目的是在阐述统计，而非制定什么打击犯罪政策。
我确实为这本书分析数据并且毫无回避地呈现我发现的结果。你应该能够复制我的分析。大部分的原始数据在网路上都找得到，但是如果你找不到，请让我知道，我将看看该如何帮助你。附带一提，我使用费雪精确检定。分析本书大部分的类目式数据。
我想要答谢普由（Pew）研究中心（www.pewresearch.org）发布其对美国大众所做有趣调查的原始数据。对跨宗教婚姻所持态度的数据，修改自2006年北爱尔兰生活与时代调查（www.ark.ac.uk）。美国1996年犯罪统计採自于www.statcrunch.com，这是对教学很有用的数据来源（但是，需要订阅才能使用）。针灸与头痛数据可下载自www.trialsjournal.com/content/7/1/15（你也可以读到一些我关于数据分享的想法）。前列腺癌数据（和瑞典男性血球数）来自于我和我的同事汉斯．莉亚（Hans Lilja）所进行的一系列研究。在医学数据库「PubMed」（http://www.ncbi.nlm.nih.gov/sites/entrez），使用关键字「Vickers Lilja」搜寻，可以找到更多的数据。产假的数据来自于珍妮．戈尼克（JanetGornick）的研究（参看Families That Work: Policies for Reconciling Parenthood and Employment. New York: Russell Sage Foundation, 2003）。
译者序
现今，统计教学已然蔚为显学。讽刺的是，不是因为这门学科很有趣，而是因为很难懂。老师们对于统计课程的有效教学，往往一筹莫展；学生们对于统计课程的莫名恐惧，每每浇熄了其想要做研究的热情。统计是一种科学方法。如果一个国家的统计教育处于奄奄一息的地步，那么这个国家的科学发展就会受阻，影响可谓深远。
既然要有效教学，就要从教学法着手。行为学派的教学法，强调胡萝卜与棍子。以统计教学而言，这根棍子打下去可不得了，因为统计学科的标准化纸笔测验，很可能让你得到难堪的分数，从此恨之入骨。认知学派强调输入与输出。老师使出洪荒之力，在黑板上写下一堆统计公式，企图把十年功力如醍醐灌顶般地传授给学生，然而个个消化不良，殊不知输入与输出只存在于电脑世界。这些都对统计教学造成了伤害。
要学好一件事，首先必须不能讨厌它；要学好统计，首先要去除对统计的厌恶感。因此，基础统计学课程的教学目标，反而不是汲汲营营于认知与技能方面的东西，而是要把学习情绪当作是最先要处理的课题。感谢一些统计学家注意到这方面的重要性，一些不那么生硬的教科书应运而生，如同本书。
本书作者有丰富的实务经验，结合了许多趣闻，以深入浅出的方式把统计观念介绍给读者。我把这本书定位在统计学辅助用书，如果是正式的统计学课程，建议搭配一本有系统性内容的基础统计学教科书。然而，请不要误会「辅助」二字为「不重要」，这本书所探讨的内容极为重要，很多地方都是基础的衍生，甚至有一般统计学教科书所达不到的深度。如果同学们进行小组合作学习，探索讨论区问题的可能答案，那么透过这样的训练，渐渐地，你会发现，你的研究报告读起来很有深度且具有个人风格，而不是只有统计数值的堆砌。
由于作者背景的关系，书中案例偏向于医疗领域。然而，统计观念是跨学科领域的，牛牵到北京还是只牛；t-检定不论用在教育学、心理学或社会学，都还是t-检定。书中所探讨的统计分析，只有一小部分是医疗领域常用的技术。这也不打紧，因为多一点点的医疗知识，其实对个人身心健康很有帮助，尤其在现今医病关系紧张的年代。
统计学有许多很绕口的名词。有时候，完全相反的名称却是代表同一件事。例如，本书所提及的单变量回归（univariate regression），指的就是二变量回归（bivariate regression）。前者以独变项作为计算单位，所以只有一个独变项；后者是二变量相关分析（bivariate correlation analysis）的进化版，也是只有一个独变项。有时候，多变项回归（multivariable regression）指的就是多重回归（mutiple regression）。如果你学习统计时发现类似的情况，请不要恼怒，因为甚至有专文探讨到底名字要怎么取。这件事实告诉我们，只要懂得其分析结构，读者们大可以绕过这些似乎是来自于外星球的语言，迳自取名为自家宠物的名字。
本书原价约42块美金，换算成新台币之后，约是一位研究所学生十天的饭钱，这实在是不小的负担。有鑑于中文类的统计学教科书选择性不多，引进此种风格的原文书实属必要。「引进」的模式有一个好处，就是让知识产权降价，造福广大的中文读者，这也是我翻译统计学教科书的主要目的。这种模式，从我的第一本译作已被两岸四地各类型大学图书馆收藏的情况看来，已然发酵。
最后，不论你是在书店随手翻阅到本书，或是在统计课的建议阅读书单上看见本书，甚或是在图书馆的书架上不小心瞄到本书，我都要说声恭喜，因为你将以极低的代价，得到几乎是原汁原味的东西。愿展读愉快！
如何阅读本书？
乐于从事别人似乎恨之入骨的事情，感觉真的很怪。我从一堆数字当中，梳理出有助于人们过得健康长寿的知识。然而，如果我告诉朋友们，统计学是我的热爱，他们会奇怪地看着我，好像我有沟通障碍才会当个统计学宅男。
我认为，统计学被教授的方式，尤其是统计学教科书，使得大部分人们认为学习统计是一种虐待。统计学教科书很厚又很无聊，而且很贵。因此，我跟编辑建议我要写一本很薄又很无聊又很贵的书。他考虑了一下，但最终决定我必须要有更好的点子。所以我是这样想的：典型的统计学教科书(1)告诉你怎么跑统计，而非如何了解它，(2)充斥着公式，以及(3)一点也不有趣。我想，是否我可以写一些聚焦于(1)如何了解统计，(2)避免公式，以及(3)有趣的东西。
于是，我想到了要用说故事的方式，来写这本书。圣经的第十诫有提到，「你不应该贪图邻居的房子、妻子、驴或牛。」但没人会这样对话。取而代之，人们会说「隔壁的草地比较绿。」假设你不知道「隔壁的草地比较绿」来自于一个古老的有关羊吃草的故事，故事是这样的，羊儿们每天快乐地在自家草地吃着绿草。有一天牠们心血来潮，抬头张望了一下，发现隔壁桥下靠近溪水的草地比较绿，于是就跑过去吃那边的草。吃着吃着，牠们又抬头张望了一下，觉得还是原来吃草的草地比较绿。于是，牠们就这样来来回回地过桥吃草，总觉得隔壁的草地比较绿。我最后一次听见这个故事是我还在幼稚园的时候，但我现在仍然记得它以及它的意义。十诫说的道理一点也没错，但很难记住，因为它只告诉你应该要做什么，而非它的意义。我的意思是，说故事能帮助你了解事情的意义，所以终其一生都很难忘记。
本书各章就像故事一样，读起来简短又有趣。本书的另一个特色──讨论区，稍微严肃了一点。讨论的题目非常多样化，通常会有一个值得深思的问题，其他的题目可视为调剂学习之用。像是，讨论关于数学常数e的起源。
如果你有一些统计基础，大可随意浏览本书。否则，你应该从头读到尾。前十二章涉及一些最基本的概念。例如：平均、变异、分配以及信赖区间。接着有几章论及假设检定与p-值。最后讨论回归分析──这也是我在工作上最常使用的统计方法，以及决策──这通常是统计学应该扮演的角色，但却往往不是。本书的最后三分之一内容，从「比约翰汤米多一个」这一章开始，专注于讨论各种统计错误，因为我认为科学就是尝试错误的学习。在教学时，我会给提出蠢答案的学生奖励分数，因为我们往往能从这些回答上面学到东西。以p-值而言，只有在你看过其被误用的方式以及思考为何会犯下这样的错误之后，你才能够真正了解p-值的意涵。最后这几章，能真正地充实你的统计知识。
本书的能与不能
诚恳地希望，在读完本书之后，你将能够掌握许多统计的关键概念。我也希望你将能够避免那些常犯的统计错误。
因为我并没有在本书呈现任何统计公式，所以你并不能够确实进行计算与分析。如果你想要为你的研究或课堂作业进行统计分析，你必须查阅有公式和分析步骤的传统统计教科书。此外，本书也并不能如传统教科书一般，有专文索引能提供你查阅忘记的东西。所以，如果你的目的是跑统计分析，本书不应该是你唯一购买的书籍（即使它很适合你买来赠送给亲戚、朋友、同事、邻居以及路人甲）。另一方面，如果你是那种不想亲自进行任何统计计算与分析的人（这世界大多数人都是），但必须了解与诠释你遇到的统计──这部分人比你想像的要多，那么本书也许正是你所需要的。
研究设计的部分在哪里
我是个设计导向的统计学者。举例来说，缺失值在医学研究里是个大问题。统计学家已经提出许许多多处理缺失值的复杂统计技术。我个人的贡献在于提出一个非常简易的降低缺失值的方法，也就是在一开始时，电访在家的病人并只问两个问题以代替冗长的问卷。依照这个方法，我们把缺失值的百分比从25%降低至6%，那么复杂的缺失值处理技术就显得多余了。
因此，你也许会讶异在本书中并没有研究设计的段落。简言之，这是因为我不认为研究设计可以独立于统计之外并另辟章节。有专门的两章分别介绍回归分析与威寇森（Wilcoxon）检定，这是因为理论上，你可以分别操作它们。然而，你并不会认为，在进行回归分析或是威寇森检定时，可以完全不考虑你在分析的研究设计。据此，我没有特别写一章讨论研究设计。相反的，关于研究设计的评论已然交织于本书内容当中。
关于本书的故事与数据
当我开始写作的时候，编辑告诉我说：「安德鲁，我要你写出一本，到目前为止，最有趣的统计教科书。」所以我是这么想的：「太棒了，那么我只需要写下一则笑话就完成啦！」
的确，事情并不会如此简单，但也并不是那么遥不可及。从任何一点来看，本书的故事与数据都有助于你学习统计。这有时意谓着，简化与修饰有益于理解。在一些案例里，我模拟数据（统计术语「模拟」就是凭空捏造的意思）。我这么做是因为我手上的数据过于复杂，可能会让读者无法专注于理解统计概念。此外，你也会对一直看见前列腺癌厌烦──这是我目前主要的研究工作。
因此，接下来的故事与数据并不会100%贴近事实。我并不认为这会有所误导，但请不要用本书去诊断瑞典男性血球数（参看〈梯盘棋与血清血红蛋白水平：常态分配的见解〉），前列腺癌（参看〈何时拜访芝加哥：关于线性与逻吉斯回归〉），非洲裔美国人叫一辆计程车要多久时间（参看〈永远不会发生在我身上的一些事情：你为什么不应该比较p-值〉），或是我朋友麦克（参看〈回归单身的麦克：一位条件不错的朋友仍然单身的统计解释〉）。或甚至是否「恐吓从善」计画，有助于少年犯避免往后的犯罪生涯（参看〈干牙刷的机率：p-值到底是什么？〉）：我说它并不奏效，但是不要照单全收我的话，你自己去查查看（www.cochrane.org）。毕竟本书之目的是在阐述统计，而非制定什么打击犯罪政策。
我确实为这本书分析数据并且毫无回避地呈现我发现的结果。你应该能够复制我的分析。大部分的原始数据在网路上都找得到，但是如果你找不到，请让我知道，我将看看该如何帮助你。附带一提，我使用费雪精确检定。分析本书大部分的类目式数据。
我想要答谢普由（Pew）研究中心（www.pewresearch.org）发布其对美国大众所做有趣调查的原始数据。对跨宗教婚姻所持态度的数据，修改自2006年北爱尔兰生活与时代调查（www.ark.ac.uk）。美国1996年犯罪统计採自于www.statcrunch.com，这是对教学很有用的数据来源（但是，需要订阅才能使用）。针灸与头痛数据可下载自www.trialsjournal.com/content/7/1/15（你也可以读到一些我关于数据分享的想法）。前列腺癌数据（和瑞典男性血球数）来自于我和我的同事汉斯．莉亚（Hans Lilja）所进行的一系列研究。在医学数据库「PubMed」（http://www.ncbi.nlm.nih.gov/sites/entrez），使用关键字「Vickers Lilja」搜寻，可以找到更多的数据。产假的数据来自于珍妮．戈尼克（JanetGornick）的研究（参看Families That Work: Policies for Reconciling Parenthood and Employment. New York: Russell Sage Foundation, 2003）。
译者序
现今，统计教学已然蔚为显学。讽刺的是，不是因为这门学科很有趣，而是因为很难懂。老师们对于统计课程的有效教学，往往一筹莫展；学生们对于统计课程的莫名恐惧，每每浇熄了其想要做研究的热情。统计是一种科学方法。如果一个国家的统计教育处于奄奄一息的地步，那么这个国家的科学发展就会受阻，影响可谓深远。
既然要有效教学，就要从教学法着手。行为学派的教学法，强调胡萝卜与棍子。以统计教学而言，这根棍子打下去可不得了，因为统计学科的标准化纸笔测验，很可能让你得到难堪的分数，从此恨之入骨。认知学派强调输入与输出。老师使出洪荒之力，在黑板上写下一堆统计公式，企图把十年功力如醍醐灌顶般地传授给学生，然而个个消化不良，殊不知输入与输出只存在于电脑世界。这些都对统计教学造成了伤害。
要学好一件事，首先必须不能讨厌它；要学好统计，首先要去除对统计的厌恶感。因此，基础统计学课程的教学目标，反而不是汲汲营营于认知与技能方面的东西，而是要把学习情绪当作是最先要处理的课题。感谢一些统计学家注意到这方面的重要性，一些不那么生硬的教科书应运而生，如同本书。
本书作者有丰富的实务经验，结合了许多趣闻，以深入浅出的方式把统计观念介绍给读者。我把这本书定位在统计学辅助用书，如果是正式的统计学课程，建议搭配一本有系统性内容的基础统计学教科书。然而，请不要误会「辅助」二字为「不重要」，这本书所探讨的内容极为重要，很多地方都是基础的衍生，甚至有一般统计学教科书所达不到的深度。如果同学们进行小组合作学习，探索讨论区问题的可能答案，那么透过这样的训练，渐渐地，你会发现，你的研究报告读起来很有深度且具有个人风格，而不是只有统计数值的堆砌。
由于作者背景的关系，书中案例偏向于医疗领域。然而，统计观念是跨学科领域的，牛牵到北京还是只牛；t-检定不论用在教育学、心理学或社会学，都还是t-检定。书中所探讨的统计分析，只有一小部分是医疗领域常用的技术。这也不打紧，因为多一点点的医疗知识，其实对个人身心健康很有帮助，尤其在现今医病关系紧张的年代。
统计学有许多很绕口的名词。有时候，完全相反的名称却是代表同一件事。例如，本书所提及的单变量回归（univariate regression），指的就是二变量回归（bivariate regression）。前者以独变项作为计算单位，所以只有一个独变项；后者是二变量相关分析（bivariate correlation analysis）的进化版，也是只有一个独变项。有时候，多变项回归（multivariable regression）指的就是多重回归（mutiple regression）。如果你学习统计时发现类似的情况，请不要恼怒，因为甚至有专文探讨到底名字要怎么取。这件事实告诉我们，只要懂得其分析结构，读者们大可以绕过这些似乎是来自于外星球的语言，迳自取名为自家宠物的名字。
本书原价约42块美金，换算成新台币之后，约是一位研究所学生十天的饭钱，这实在是不小的负担。有鑑于中文类的统计学教科书选择性不多，引进此种风格的原文书实属必要。「引进」的模式有一个好处，就是让知识产权降价，造福广大的中文读者，这也是我翻译统计学教科书的主要目的。这种模式，从我的第一本译作已被两岸四地各类型大学图书馆收藏的情况看来，已然发酵。
最后，不论你是在书店随手翻阅到本书，或是在统计课的建议阅读书单上看见本书，甚或是在图书馆的书架上不小心瞄到本书，我都要说声恭喜，因为你将以极低的代价，得到几乎是原汁原味的东西。愿展读愉快！
杜炳伦
台北
台北
图书试读
第19章
我的助理今天是短发造型：关于回归与混淆
漫画英文
胖子：唉！又多了2公斤，是因为垃圾食物的关系吗？或是因为不运动才使我一直吃垃圾食物和一直增肥呢？
瘦子：看来我们需要进行多变项回归分析。
妙趣横生的对话
对一位感冒的人，我说事情发生了变化；对一位突然没了胡子的朋友，我说你刮胡子了；对一位突然变短发的同事，我说你剪头发了。令人伤心的是，大部分的时间里，我没有什么令人有趣的事情可说。
另一方面，头发案例的确告诉我们，关于回归的一些事情。让我们想像，几百人排成一列，然后你去猜测他们上个星期是不是刚剪了头发。某些情况很容易判断（例如：某位老兄本来长发披肩）。总的来说，你会认为短头发是最近才剪的。整体上，你的猜测不会刚好那么准：你不会知道，中间长度的头发，是不是最近才把长发剪短或是留长。
我之所以知道我的助理剪了头发，是因为我天天看着他留着一头长发。所以，星期二的长发是星期三长发的一个有力的预测因子。这告诉我们，如果这个世界不符合某种预测，而你认为这是个有力的预测，那么某事发生的机率就会增加。现在记住，回归是关于预测：我们试着预测一个依变项y（像是马拉松时间），依据的是一个或更多的x（像是训练强度）。所以，回归对于「某事发生」（像是剪头发）的预测是有助益的。
说客为汉堡、薯条以及奶昔辩护
速食通常含有大量的脂肪（像是乳酪汉堡）与糖分（像是奶昔），而据我所知，食用大量的脂肪与糖分会导致肥胖。我有一组2000位美国人回答饮食与运动习惯的数据，将近三分之二的研究参与者，至少偶尔吃速食，而他们的肥胖率比不吃速食的研究参与者要高（21% vs.15%；p＜0.01）。然而，在我开始要思考我手上的研究发现时，有位美国垃圾食物协会说客代表拜访我。这位代表宣称，汉堡与肥胖无关，只是因为又穷又没受过什么教育的人们，倾向于吃垃圾食物，而这些群体一般都不努力锻鍊身体且有着糟糕的饮食习惯。
我的助理今天是短发造型：关于回归与混淆
漫画英文
胖子：唉！又多了2公斤，是因为垃圾食物的关系吗？或是因为不运动才使我一直吃垃圾食物和一直增肥呢？
瘦子：看来我们需要进行多变项回归分析。
妙趣横生的对话
对一位感冒的人，我说事情发生了变化；对一位突然没了胡子的朋友，我说你刮胡子了；对一位突然变短发的同事，我说你剪头发了。令人伤心的是，大部分的时间里，我没有什么令人有趣的事情可说。
另一方面，头发案例的确告诉我们，关于回归的一些事情。让我们想像，几百人排成一列，然后你去猜测他们上个星期是不是刚剪了头发。某些情况很容易判断（例如：某位老兄本来长发披肩）。总的来说，你会认为短头发是最近才剪的。整体上，你的猜测不会刚好那么准：你不会知道，中间长度的头发，是不是最近才把长发剪短或是留长。
我之所以知道我的助理剪了头发，是因为我天天看着他留着一头长发。所以，星期二的长发是星期三长发的一个有力的预测因子。这告诉我们，如果这个世界不符合某种预测，而你认为这是个有力的预测，那么某事发生的机率就会增加。现在记住，回归是关于预测：我们试着预测一个依变项y（像是马拉松时间），依据的是一个或更多的x（像是训练强度）。所以，回归对于「某事发生」（像是剪头发）的预测是有助益的。
说客为汉堡、薯条以及奶昔辩护
速食通常含有大量的脂肪（像是乳酪汉堡）与糖分（像是奶昔），而据我所知，食用大量的脂肪与糖分会导致肥胖。我有一组2000位美国人回答饮食与运动习惯的数据，将近三分之二的研究参与者，至少偶尔吃速食，而他们的肥胖率比不吃速食的研究参与者要高（21% vs.15%；p＜0.01）。然而，在我开始要思考我手上的研究发现时，有位美国垃圾食物协会说客代表拜访我。这位代表宣称，汉堡与肥胖无关，只是因为又穷又没受过什么教育的人们，倾向于吃垃圾食物，而这些群体一般都不努力锻鍊身体且有着糟糕的饮食习惯。
用户评价
评分
哇，這本書名聽起來就超吸引人的！「34個讓你豁然開朗的統計學小故事」，光是聽到「豁然開朗」就覺得心裡一亮。最近剛好在思考很多事情，總覺得有些看不清的點，大概就是需要一些啟發吧。以前對統計學的印象就是數字、公式、圖表，聽起來有點枯燥，但「小故事」這個詞卻讓人立刻聯想到生動有趣的內容，彷彿不是在學課本，而是在聽別人分享有趣的經驗。想像一下，坐在咖啡廳裡，點一杯喜歡的飲品，配上這本書，慢慢品味每一個小故事，然後在故事的結尾，突然發現那些原本困擾的難題，因為統計學的視角而變得清晰明朗，這種感覺肯定很棒！而且，34個故事，聽起來份量剛剛好，不會太少讓人意猶未盡，也不會太多讓人讀不完而產生壓力。真的好期待這本書能帶來哪些意想不到的啟發，讓我在日常生活中，甚至在工作上，都能用更聰明、更有系統的方式去思考問題。
评分這本《34個讓你豁然開朗的統計學小故事》，光是書名就已經讓我充滿了好奇！最近剛好在讀一些關於決策和心理學的書籍，總覺得有些地方，如果能從統計學的角度去解讀，會更加透徹。我一直覺得，統計學並非只存在於學術象牙塔，它其實滲透在我們生活的各個角落，只是我們可能沒有意識到。這本書的「小故事」形式，聽起來非常吸引人，應該能把原本聽起來有些枯燥的統計概念，變得生動有趣、易於理解。我非常期待能透過這些故事，了解統計學是如何幫助我們理解因果關係、辨識假象，甚至做出更優質的決策。例如，在投資理財、健康管理，或是人際互動中，統計學的思維邏輯，究竟能帶給我們哪些意想不到的啟示？我希望這本書能像一位引路人，帶領我進入統計學的奇妙世界，讓我真正感受到「豁然開朗」的樂趣。
评分坦白說，我以前對統計學是有點距離感的，總覺得是個比較學術、比較專業的領域。但「34個讓你豁然開朗的統計學小故事」，這個書名真的太有吸引力了！「小故事」這三個字，立刻讓我覺得統計學好像變得親切了許多，不再是遙不可及的知識，而是可以透過閱讀來輕鬆理解。我非常期待這本書能用引人入勝的方式，解釋一些生活中常見但可能被忽略的統計現象。像是，為什麼新聞報導的某些數據會讓人產生誤解？或是，在做任何決定時，如何運用簡單的統計概念來幫助自己做出更合理的判斷？我希望這本書能讓我發現，統計學原來不只是冰冷的數字，而是充滿智慧和洞察力的工具，能夠幫助我們更清晰地看透事物的本質，進而做出更明智的選擇，真正感受到「豁然開朗」的過程。
评分每次看到「統計學」這幾個字，腦海裡總是浮現出課本上密密麻麻的公式和圖表，瞬間就感到一股無形的壓力。然而，這本書的書名「34個讓你豁然開朗的統計學小故事」，卻像一股清流，讓人眼睛一亮。我猜測，這本書裡的故事，應該不是那種硬梆梆的學術案例，而是透過生動有趣的敘述，來闡釋統計學的原理和應用。我對「豁然開朗」這四個字充滿了期待，希望能藉由這些故事，打破我對統計學的刻板印象，發現原來統計學可以這麼有趣，這麼貼近我們的生活。想像一下，在閱讀的過程中，能像偵探一樣，從數據中抽絲剝繭，找出事情的真相；或者，像一位聰明的決策者，用數據來支持自己的判斷。這不僅能提升我的思辨能力，也能讓我在日常生活中，更有效地分析和理解周遭的世界。
评分說真的，我一直對統計學有種既敬畏又有點卻步的感覺。總覺得那是一門高深的學問，需要很強的數學基礎，才能真正理解。但人生中總會遇到一些需要數據佐證、需要客觀分析的時候，這時候就會覺得如果對統計學多一點了解，或許就能做出更明智的判斷。這本書名「34個讓你豁然開朗的統計學小故事」，就正中我的紅心！「小故事」這三個字，瞬間拉近了統計學和我的距離，彷彿它不再是冷冰冰的數字，而是充滿人情味、貼近生活的分享。我最期待的就是，透過這些故事，能夠了解統計學是如何應用在各種實際情境中的，例如，為什麼有些廣告看起來很吸引人，但實際上數據卻顯示效果平平？或者，在做市場調查時，如何避免落入陷阱？我相信，透過這些「小故事」，我能夠學到一些實用的觀念，讓我在面對生活中的各種資訊時，能有更獨立、更批判性的思考能力。
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