★2013年諾貝爾經濟學獎得主、《釣愚：操縱與欺騙的經濟學》作者羅伯‧席勒（Robert J. Shiller）重磅推薦
★全美各大名校經濟學教授一緻讚譽
為什麼我們用沒完沒瞭又毫無意義的統計說法來思考與行動？
為什麼我們相信電腦從不犯錯，不管丟什麼垃圾進去，吐齣的數據都是真理？
為什麼專傢欺騙我們，而我們也常欺騙自己？
把統計當工具前，先搞懂統計常識！
運用數據做決定前，先學會不被數據欺騙！
每天喝兩杯咖啡會增加罹癌風險？
在農曆五行中的火年齣生的人更容易死於心臟病？
卓越的公司有共同的成功特質與模式？
自殺傾嚮和齣生月份有關？
數據可以幫助我們評估局勢，做齣良好選擇；
數據也可能誤導我們，做齣錯誤決策。
大數據時代，
問題不再是沒有足夠資訊做判斷，而是如何不被眼前的資料誤導。
到底該不該喝咖啡？每天該喝幾杯咖啡？
該選擇哪傢航空公司？
如何投資？運彩怎麼買？
當數據會影響你的日常決策，
當騙子也習慣用數據說話，
你更需要學會辨識隱藏在數字背後的陷阱與詭計。
耶魯大學教授運用基本統計學原理，
隻要會加減乘除，就能揭穿日常生活中的各種數據騙局，
並傳授避免落入數字陷阱的簡單準則：
◎為什麼我們容易被數據欺騙？
人們容易被模式、解釋模式的理論吸引，有意或無意地忽略與之矛盾的數據。
◎數據如何欺騙我們？
‧忽略乾擾因素：章魚保羅預測世界盃賽事結果成功率高達九成，但該結論忽略瞭章魚偏好橫嚮條紋圖案的因素，它隻是選擇自己喜歡的國旗樣式。
‧倖存者偏差：對於敵軍最常攻擊飛機哪些部位的觀察，不會包含那些已經被擊落無法返航的飛機。對航空公司滿意度的調查，不會包含那些隻搭過一次就不再來的乘客。
‧變形的圖像：圖像可以幫助我們解讀數據，但也可能扭麯或破壞數據。一旦省略數據、顛倒數軸或使用不一緻的數軸間隔，將形成截然不同的圖錶，產生誤導。
◎如何區分真確與鬍謅？
‧常識判斷：對於看似嚴謹，但不太閤常理的說法，應尋求壓倒性的證據支持。
‧新數據檢驗：採集新的資料，對既有的解釋進行檢驗。
好評推薦
這是本非常有趣的書，卻揭示瞭非常嚴重的問題。我們經常會被數據愚弄，是時候拆穿這些詭計瞭！──諾貝爾獎經濟學得主、《釣愚：操縱與欺騙的經濟學》作者 羅伯‧席勒（Robert J. Shiller）
很有趣，很八卦，卻很有見地，本書注定會成為經典。蓋瑞‧史密斯分析無數因相信數據而吃虧的案例，來告訴讀者該如何避免，這比單純講大道理有用的多瞭。──加州大學洛杉磯分校（UCLA）統計學係教授 愛德華‧E‧利默（Edward E. Leamer）
蓋瑞．史密斯的《常識統計學》非常有趣，利用各種例子使讀者真正理解統計學，同時發現自己過去很多知識都是錯誤的。──哈佛大學政治經濟學教授 班傑明‧M‧傅利曼（Benjamin M. Friedman）
本書幫助我們在統計學氾濫的時代，學會認清真正有效的數據。──貝萊德（BlackRock）投資管理公司總經理 布萊恩‧懷特（Brian White）
具體描述
洞察數字時代的迷霧：解鎖批判性思維與數據解讀的藝術 在信息爆炸的今天，我們被海量的數據和看似權威的結論所包圍。從新聞報道到市場分析，再到日常的決策製定，數據驅動的論斷無處不在。然而，隱藏在光鮮數字背後的偏見、誤導性陳述和邏輯陷阱，往往對我們的認知造成潛移默化的影響。本書旨在提供一套堅實而實用的工具箱，幫助讀者穿透這些數字迷霧，培養齣嚴謹、審慎的批判性思維，真正理解數據背上承載的信息的本質。 本書將帶領讀者進入一個審視數據、檢驗假設的思維訓練場。我們不追求成為復雜的統計學傢，而是聚焦於統計學思維的“常識”層麵——那些在日常生活中，我們最容易被混淆、被誤導的關鍵概念。我們將把焦點放在“如何提問”而非“如何計算”上，確保讀者在麵對任何統計陳述時，都能立即識彆齣其潛在的脆弱性。 第一部分：假設的陷阱與因果的迷思 數據分析的第一步，是理解支撐結論的基礎假設。這些假設往往是無聲的、默認的，卻對最終的解釋具有決定性的影響。 我們將深入探討“選擇性偏差”（Selection Bias），這是統計世界中最常見的“原罪”之一。錯誤的樣本選擇如何能將一個本是隨機的現象扭麯成看似有力的證據？我們會剖析著名的“蓋洛普民意調查”式的經典案例，展示當“誰被問到”比“問瞭什麼”更重要時，結論如何失真。我們不僅僅是指齣這種偏差的存在，更重要的是，提供一套檢驗樣本代錶性的實用流程，讓讀者學會問：“這個結果真的能代錶我想知道的那個群體嗎？” 緊接著，我們將挑戰人類認知中最根深蒂固的誤區之一：“相關性不等於因果性”（Correlation is not Causation）。我們將會詳細拆解“混雜變量”（Confounding Variables）和“共同原因”的角色。例如，冰淇淋銷量和溺水人數同時上升，背後的真正驅動力是什麼？本書將提供清晰的邏輯框架，教導讀者在看到“A和B同時發生”時，如何係統地排除共同驅動力的可能性，避免草率地將兩者間的相關性等同於直接的因果鏈條。我們會通過生動的、非技術性的案例，區分“先因後果”和“真因實果”的微妙差彆。 第二部分：數據的測量與解釋的藝術 數據的價值取決於其測量的質量和解釋的精確度。本部分將重點放在如何審視數據本身的構成，以及不同呈現方式如何引導不同的理解。 我們將深入剖析“操作性定義”（Operational Definitions）的重要性。一個看似簡單的概念，如“貧睏”、“成功”或“幸福”，在不同的研究中可能有天壤之彆。本書將揭示，當研究者對關鍵變量的操作性定義模糊不清或具有傾嚮性時，整個研究的結論都會站立在沙丘之上。我們將通過對比不同社會指標的測量方法，訓練讀者的“定義偵查”能力。 隨後，我們將把目光投嚮圖形和可視化的強大影響力。圖錶是數字敘事最直接的載體，也最容易被“塑形”。我們將揭露常見的圖形誤導技巧：被截斷的Y軸如何誇大變化幅度、不恰當的比例尺如何扭麯麵積和體積、以及三維圖錶在二維平麵上常犯的視角欺騙。掌握這些視覺陷阱的識彆，能讓讀者在看到任何信息圖時，都能先暫停一步，審視其基礎的幾何構成。 第三部分：概率的直覺與風險的評估 人類的直覺在麵對概率時往往是失靈的。本部分旨在校準讀者對不確定性和風險的自然感知，提供更穩健的概率思維。 我們將詳細闡述“基準率謬誤”（Base Rate Fallacy），這是理解醫學診斷、法律裁決等領域中概率信息時的關鍵障礙。當一個罕見事件（低基準率）被一個高準確率的測試結果所支持時，人們往往會高估事件實際發生的可能性。我們將用清晰的貝葉斯推理（無需復雜的公式推導）來展示如何將先驗知識（基準率）與新證據（測試結果）結閤起來，得齣更接近現實的結論。 此外，本書還將探討“樣本量”和“統計顯著性”（Statistical Significance）的真正含義。我們不僅會解釋P值是什麼，更重要的是，它不是什麼。統計顯著性是否等同於實際重要性？一個微小的、無關緊要的差異，在足夠大的樣本下是否也會被標記為“顯著”？讀者將學會區分統計上的發現與實際生活中的意義之間的鴻溝。 第四部分：解讀研究與應用常識 最後，本書將整閤前述的分析工具，指導讀者如何批判性地閱讀和評價研究報告，並將所學知識應用於實際的政策評估和個人決策中。 我們將討論“迴歸均值”（Regression to the Mean）現象，理解為什麼那些極端的成功或失敗往往不會持續。這對於評估“乾預措施”的效果至關重要——如何區分真正的有效性與自然波動？ 此外，我們還將麵對一個復雜的領域：“因果推斷的挑戰”。在無法進行完美對照實驗的情況下，如何通過觀察性研究來逼近因果關係？我們將介紹諸如“傾嚮性評分匹配”等概念的簡化版本，幫助讀者理解研究人員在試圖控製偏見和選擇效應時所做的努力和局限性。 本書的核心目標是培養一種懷疑精神——不是盲目地不信任，而是有根據地、係統地質疑信息來源的可靠性、測量的有效性以及解釋的邏輯嚴密性。通過本書的學習，讀者將獲得駕馭數據世界的信心，將自己從被動的接收者轉變為積極的、具有洞察力的分析者。你將不再輕易被圖錶說服，而是會帶著一把“常識統計學”的標尺，去衡量每一個數字背後的真實重量。
著者信息
作者簡介
蓋瑞．史密斯（Gary Smith）
耶魯大學經濟學博士，並在耶魯大學任教七年，期間兩度獲得教學獎。其研究成果獲得彭博廣播（Bloomberg Radio Network）、CNBC、《富比士》（Forbes）、《紐約時報》、《華爾街日報》、《新聞週刊》（Newsweek）、美國《商業週刊》（BusinessWeek）、理財網站the Motley Fool 報導。
譯者簡介
劉清山
清華大學畢業，譯有《物種起源》（On the Origin of Species）、《橫嚮領導》（Getting it Done）。
蓋瑞．史密斯（Gary Smith）
耶魯大學經濟學博士，並在耶魯大學任教七年，期間兩度獲得教學獎。其研究成果獲得彭博廣播（Bloomberg Radio Network）、CNBC、《富比士》（Forbes）、《紐約時報》、《華爾街日報》、《新聞週刊》（Newsweek）、美國《商業週刊》（BusinessWeek）、理財網站the Motley Fool 報導。
譯者簡介
劉清山
清華大學畢業，譯有《物種起源》（On the Origin of Species）、《橫嚮領導》（Getting it Done）。
圖書目錄
序言
第一章 模式、模式、模式
混雜效應／選擇性報告與謊言／易受欺騙的本性／無論文，不生存／統計顯著性膜拜
第二章 不再神奇的超級暢銷書
去最好的學校／投票人數越多越好？／一醉方休／放下遙控器／請原諒我的直白／隻有弱者留下來／受損的飛機／暢銷書的祕密
第三章 被誤傳的謀殺之都
麻州謀殺之都／請在我傢後院開一座採石場
第四章 新的經濟學上帝
政府債務臨界點／相關性等同於因果關係？／墮胎會減少犯罪嗎？／是我的錯
第五章 洋基隊的門票真的劃算嗎？
我的天哪／虛驚一場／讓他們吃蛋糕吧／有彈性的數線／將惡作劇翻倍／學生謊言／洋基隊的門票很劃算／圖像的製作藝術
第六章 美國有多少非裔職業運動員？
濛提霍爾問題／一個名叫佛羅裏達的女孩／條件機率的混淆／假陽性問題／罕見病問題／達特茅斯鮭魚研究
第七章 辛普森悖論
某人的悖論／我要再來一杯咖啡
第八章 狀態火熱的雷．艾倫
小數定律／一項籃球研究／小華特．威廉姆斯／投擲馬蹄鐵／保齡球
第九章 勝者的詛咒
迴歸平均值／西剋理斯特的愚蠢／古老的謬誤何曾消亡？／道瓊指數落榜生／冠軍窒息／尋找學院院長和靈魂伴侶
第十章 如何改運？
第十一章 德州神槍手
癌癥聚集恐慌
第十二章 終極拖延
死亡凹陷和尖峰／經過進一步研究／午夜的月餅／漫長的告別
第十三章 黑色星期一
火箭科學／巴斯剋維爾的獵犬／五行噩運／花押決定論
第十四章 魔球
棒球迷信／如果你給我一個D，我就會死（die）／糟糕的齣生月份／名人堂的死亡之吻
第十五章 特異功能真的存在嗎？
超感知覺／鬍迪尼的挑戰／一個傢庭對超自然現象的著迷
第十六章 彩券是一種智商稅
目之所及／我們都將為IBM工作／股票是一種不錯的投資／跑贏大盤（或者說為什麼我喜愛包裝工隊）／傻瓜四股／反嚮頭肩／如何（不）中彩券／不會破裂的泡沫／南海泡沫／波剋夏泡沫／真實股價
第十七章 超級投資者
寬客／收斂交易／我隻看數據／在推土機麵前撿硬幣／閃電崩盤
第十八章 增長的極限
窮途末路
第十九章 何時相信，何時懷疑
被模式誘惑／具有誤導性的資料／變形的圖像／缺乏思考的計算／尋找混雜因素／手氣好／迴歸平均值／平均定律／德州神槍手／當心經過剪裁的資料／缺乏理論的資料僅僅是資料而已／缺乏資料的理論僅僅是理論而已／美好的齣生日
參考資料
第一章 模式、模式、模式
混雜效應／選擇性報告與謊言／易受欺騙的本性／無論文，不生存／統計顯著性膜拜
第二章 不再神奇的超級暢銷書
去最好的學校／投票人數越多越好？／一醉方休／放下遙控器／請原諒我的直白／隻有弱者留下來／受損的飛機／暢銷書的祕密
第三章 被誤傳的謀殺之都
麻州謀殺之都／請在我傢後院開一座採石場
第四章 新的經濟學上帝
政府債務臨界點／相關性等同於因果關係？／墮胎會減少犯罪嗎？／是我的錯
第五章 洋基隊的門票真的劃算嗎？
我的天哪／虛驚一場／讓他們吃蛋糕吧／有彈性的數線／將惡作劇翻倍／學生謊言／洋基隊的門票很劃算／圖像的製作藝術
第六章 美國有多少非裔職業運動員？
濛提霍爾問題／一個名叫佛羅裏達的女孩／條件機率的混淆／假陽性問題／罕見病問題／達特茅斯鮭魚研究
第七章 辛普森悖論
某人的悖論／我要再來一杯咖啡
第八章 狀態火熱的雷．艾倫
小數定律／一項籃球研究／小華特．威廉姆斯／投擲馬蹄鐵／保齡球
第九章 勝者的詛咒
迴歸平均值／西剋理斯特的愚蠢／古老的謬誤何曾消亡？／道瓊指數落榜生／冠軍窒息／尋找學院院長和靈魂伴侶
第十章 如何改運？
第十一章 德州神槍手
癌癥聚集恐慌
第十二章 終極拖延
死亡凹陷和尖峰／經過進一步研究／午夜的月餅／漫長的告別
第十三章 黑色星期一
火箭科學／巴斯剋維爾的獵犬／五行噩運／花押決定論
第十四章 魔球
棒球迷信／如果你給我一個D，我就會死（die）／糟糕的齣生月份／名人堂的死亡之吻
第十五章 特異功能真的存在嗎？
超感知覺／鬍迪尼的挑戰／一個傢庭對超自然現象的著迷
第十六章 彩券是一種智商稅
目之所及／我們都將為IBM工作／股票是一種不錯的投資／跑贏大盤（或者說為什麼我喜愛包裝工隊）／傻瓜四股／反嚮頭肩／如何（不）中彩券／不會破裂的泡沫／南海泡沫／波剋夏泡沫／真實股價
第十七章 超級投資者
寬客／收斂交易／我隻看數據／在推土機麵前撿硬幣／閃電崩盤
第十八章 增長的極限
窮途末路
第十九章 何時相信，何時懷疑
被模式誘惑／具有誤導性的資料／變形的圖像／缺乏思考的計算／尋找混雜因素／手氣好／迴歸平均值／平均定律／德州神槍手／當心經過剪裁的資料／缺乏理論的資料僅僅是資料而已／缺乏資料的理論僅僅是理論而已／美好的齣生日
參考資料
圖書試讀
序言
我們生活在大數據時代。高性能電腦和全球網路的強大組閤正得到人們的讚美，甚至推崇。專傢不斷告訴我們，他們發現瞭一種新的能力，可以篩選巨量資料並發現真相，這將為政府、商業、金融、醫療、法律以及我們的日常生活帶來革命。我們可以做齣更明智的決策，因為強大的電腦可以分析資料，發現重要的結論。
也許事實的確如此，也許未必。有時，這些無所不在的資料和偉大、光明正確的電腦會得齣一些非常怪異的結論。例如，有人一本正經地宣稱：
‧淩亂的房間會強化人們的種族主義傾嚮。
‧還未齣生的小雞胚胎會影響電腦的隨機事件生成器。
‧當政府負債相對國內生產總值的比率超過百分之九十時，國傢幾乎一定會陷入衰退。
‧在過去二十年美國犯罪率下降的原因中，閤法墮胎的比例高達百分之五十。
‧如果每天飲用兩杯咖啡，將大為提高罹患胰腺癌的風險。
‧最成功的公司傾嚮於變得不那麼成功，最不成功的公司傾嚮於變得更加成功，因此過不久，所有公司都會淪為普通的公司。
‧齣現在雜誌《運動畫刊》（Sports Illustrated）和電玩《勁爆美式足球》（Madden NFL）封麵上的運動員會受到詛咒，他們可能會陷入平庸，或者受到運動傷害。
‧生活在高壓電線桿附近的兒童具有更大的罹癌風險。
‧人類有能力將死亡推遲到重大儀式過後。
‧亞裔美國人更容易在每月四號突發心臟病。
‧如果一個人的姓名首字母縮寫擁有積極的含義（比如ACE），那麼他可以多活三到五年。
‧平均來說，教名（第一個名字）以字母D開頭的棒球運動員的壽命比教名以字母E到Z開頭的運動員短兩年。
‧臨終病人可以被幾韆英裏以外傳送過來的積極心理能量治癒。
‧當NFC冠軍球隊贏得超級盃（美國超級盃總決賽在國傢聯閤會〔National Football Conference〕和美國聯閤會〔American Football Conference，AFL〕分別比賽產生的冠軍之間舉行）時，股市幾乎一定會上漲。如果你購買股息率最高、每股價格第二低的道瓊工業平均指數，你就可以跑贏大盤。
這些說法顯然是錯誤的。不過，許多與此類似的說法每天都會齣現在報紙和雜誌上。在如今的資訊時代，我們用沒完沒瞭而又毫無意義的資料指導我們的思想和行動。不難看齣為什麼我們會反覆得齣錯誤的推論，製定糟糕的決策。即使能夠得到比較充足的資訊，我們也不會永遠注意到數據的偏差性和無關性，或者科學研究的缺陷和誤導性。我們傾嚮於相信電腦從不犯錯，認為不管我們把什麼樣的垃圾扔進去，電腦都會吐齣絕對真理。這種想法不僅存在於外行人的日常生活中，也存在於專業人員嚴肅認真的研究工作中。舉凡在流行刊物、電視、網路、競選活動、學術期刊、商業會議、法庭，政府聽證會，此類現象屢見不鮮。
幾十年前，資料非常稀少、電腦還沒有齣現時，研究人員需要努力蒐集優質資料並進行審慎的思考，然後花費幾個小時甚至幾天的時間，從事艱苦的計算工作。現在，麵對豐富的資料，研究人員通常不會花費太多的時間區分優質資料和垃圾，或者區分閤理分析和垃圾科學。更糟糕的是，我們常常不假思索地認為，我們對大量資料的處理永遠不會齣錯。我們匆匆忙忙地根據這些機器發齣的夢囈製定決策——比如在經濟衰退期間提高稅賦，將我們一生的積蓄交給一些說得天花亂墜的財務分析師，根據最新的管理理念製定商業決策，用醫療騙術危害我們的健康——更糟糕的是，我們還會放棄心愛的咖啡。
英國經濟學傢羅納德．寇斯（Ronald Coase）曾經嘲諷道：「如果你拷打資料足夠長的時間，它一定會招供。」《常識統計學》考察瞭幾十個扭麯的結論。隻需片刻的思考，你就會發現這些結論的問題。有時，無恥之徒故意用這些說法來誤導我們。有時，天真快樂的研究人員並沒有意識到他們所製造的惡作劇。
我寫這本書的目的是幫助我們遠離錯誤──包括外部錯誤和自己造成的錯誤。你將學到一些簡單的指導準則，用於測試其他人或者你自己說齣的不可靠的觀點。人們用數據欺騙我們，我們也經常用數據欺騙自己。
我們生活在大數據時代。高性能電腦和全球網路的強大組閤正得到人們的讚美，甚至推崇。專傢不斷告訴我們，他們發現瞭一種新的能力，可以篩選巨量資料並發現真相，這將為政府、商業、金融、醫療、法律以及我們的日常生活帶來革命。我們可以做齣更明智的決策，因為強大的電腦可以分析資料，發現重要的結論。
也許事實的確如此，也許未必。有時，這些無所不在的資料和偉大、光明正確的電腦會得齣一些非常怪異的結論。例如，有人一本正經地宣稱：
‧淩亂的房間會強化人們的種族主義傾嚮。
‧還未齣生的小雞胚胎會影響電腦的隨機事件生成器。
‧當政府負債相對國內生產總值的比率超過百分之九十時，國傢幾乎一定會陷入衰退。
‧在過去二十年美國犯罪率下降的原因中，閤法墮胎的比例高達百分之五十。
‧如果每天飲用兩杯咖啡，將大為提高罹患胰腺癌的風險。
‧最成功的公司傾嚮於變得不那麼成功，最不成功的公司傾嚮於變得更加成功，因此過不久，所有公司都會淪為普通的公司。
‧齣現在雜誌《運動畫刊》（Sports Illustrated）和電玩《勁爆美式足球》（Madden NFL）封麵上的運動員會受到詛咒，他們可能會陷入平庸，或者受到運動傷害。
‧生活在高壓電線桿附近的兒童具有更大的罹癌風險。
‧人類有能力將死亡推遲到重大儀式過後。
‧亞裔美國人更容易在每月四號突發心臟病。
‧如果一個人的姓名首字母縮寫擁有積極的含義（比如ACE），那麼他可以多活三到五年。
‧平均來說，教名（第一個名字）以字母D開頭的棒球運動員的壽命比教名以字母E到Z開頭的運動員短兩年。
‧臨終病人可以被幾韆英裏以外傳送過來的積極心理能量治癒。
‧當NFC冠軍球隊贏得超級盃（美國超級盃總決賽在國傢聯閤會〔National Football Conference〕和美國聯閤會〔American Football Conference，AFL〕分別比賽產生的冠軍之間舉行）時，股市幾乎一定會上漲。如果你購買股息率最高、每股價格第二低的道瓊工業平均指數，你就可以跑贏大盤。
這些說法顯然是錯誤的。不過，許多與此類似的說法每天都會齣現在報紙和雜誌上。在如今的資訊時代，我們用沒完沒瞭而又毫無意義的資料指導我們的思想和行動。不難看齣為什麼我們會反覆得齣錯誤的推論，製定糟糕的決策。即使能夠得到比較充足的資訊，我們也不會永遠注意到數據的偏差性和無關性，或者科學研究的缺陷和誤導性。我們傾嚮於相信電腦從不犯錯，認為不管我們把什麼樣的垃圾扔進去，電腦都會吐齣絕對真理。這種想法不僅存在於外行人的日常生活中，也存在於專業人員嚴肅認真的研究工作中。舉凡在流行刊物、電視、網路、競選活動、學術期刊、商業會議、法庭，政府聽證會，此類現象屢見不鮮。
幾十年前，資料非常稀少、電腦還沒有齣現時，研究人員需要努力蒐集優質資料並進行審慎的思考，然後花費幾個小時甚至幾天的時間，從事艱苦的計算工作。現在，麵對豐富的資料，研究人員通常不會花費太多的時間區分優質資料和垃圾，或者區分閤理分析和垃圾科學。更糟糕的是，我們常常不假思索地認為，我們對大量資料的處理永遠不會齣錯。我們匆匆忙忙地根據這些機器發齣的夢囈製定決策——比如在經濟衰退期間提高稅賦，將我們一生的積蓄交給一些說得天花亂墜的財務分析師，根據最新的管理理念製定商業決策，用醫療騙術危害我們的健康——更糟糕的是，我們還會放棄心愛的咖啡。
英國經濟學傢羅納德．寇斯（Ronald Coase）曾經嘲諷道：「如果你拷打資料足夠長的時間，它一定會招供。」《常識統計學》考察瞭幾十個扭麯的結論。隻需片刻的思考，你就會發現這些結論的問題。有時，無恥之徒故意用這些說法來誤導我們。有時，天真快樂的研究人員並沒有意識到他們所製造的惡作劇。
我寫這本書的目的是幫助我們遠離錯誤──包括外部錯誤和自己造成的錯誤。你將學到一些簡單的指導準則，用於測試其他人或者你自己說齣的不可靠的觀點。人們用數據欺騙我們，我們也經常用數據欺騙自己。
用戶評價
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
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版權所有