本网站不提供下载链接，喜欢看书的朋友请关注公众号：【lennylee的碎碎念】(lennyleede)，首页回复：授人以渔，自动获取搜索资源的方法。
内容简介:
让数据说实话是现代社会的基本生存技能
流量算法、总统大选民调、房地产泡沫、金融投资、医疗保健决策……
只需懂加减乘除，耶鲁大学热门统计学课程帮你拆穿日常生活中的数字谎言
·
·
◎ 编辑推荐
☆本书脱胎于耶鲁大学两度获得教学奖的热门公开课
☆诺贝尔经济学奖获得者罗伯特·希勒赞赏推荐
☆统计学不是数据堆砌，大数据时代，日常生活中处处都是“统计”。本书用简单的统计学原理揭示日常生活中的“数据陷阱”，让你能轻松掌握统计思维，从而拥有不被数据忽悠的人生。
·
➕➖✖️➗
·
◎ 内容简介
☛爆火短视频中有你也能轻松驾驭的流量密码；
☛允许堕胎可以降低犯罪率；
☛早晨喝一整壶咖啡可以延年益寿，每天喝两杯咖啡却会增加患癌的风险……
☆上述结论都是专业人士甚至是著名学者精心研究所得。如果你相信它们，你或许也应该相信章鱼保罗对世界杯比分的预测。
现代人被数据包围，无论是学习、工作，还是日常生活，都习惯了用数据说话，可怕的是，别有用心的人也学会了用数据说话。若要清醒思考，你需要学点统计学。
☆本书脱胎于耶鲁大学热门统计学课程，加里·史密斯教授在书中巧妙地揭示了生活中的各种数据骗局，并用简单的统计学原理揭穿了其中的把戏。本书行文轻松幽默而又逻辑缜密，堪称一堂别开生面的趣味统计课。
☆翻开本书，你能轻松掌握统计学背后的科学机制，掌握从数据中获取真知的技巧，从而全面补齐你的认知短板。
·
➕➖✖️➗
·
◎ 名人推荐
这是本非常有趣的书，却揭示了非常严重的问题。我们经常会被数据愚弄，是时候拆穿这些诡计了。
——罗伯特·希勒
诺贝尔经济学奖得主，《非理性繁荣》作者
统计学是金融领域极其常用的“修辞方式”。《简单统计学》帮助我们在统计学泛滥的时代学会认清真正有效的数据。史密斯教授帮了我们大忙。
——布莱恩·怀特
黑石公司总经理
加里·史密斯的《简单统计学》非常有趣，他利用多种例子使读者真正理解统计学。读者也会发现很多他们曾经学过的知识是错误的，本书会告诉他们错在何处。
——本杰明·弗里德曼
哈佛大学政治经济学教授
《简单统计学》很有趣，很八卦，却很有见地，本书注定会成为经典。加里·史密斯在书中分析了数不胜数因相信数据而吃亏的错误例子，帮助读者识别并避免这些错误，这比单纯地讲大道理有用多了。
——爱德华·E．雷姆
加州大学洛杉矶分校教授
作者简介:
序 言
第 1 章 模式、模式、模式
“具有超能力的保罗”
选择性报告与谎报
易受欺骗的本性
无论文，不生存
统计显著性膜拜
第 2 章 不再神奇的超级畅销书
去最好的学校
投票人数越多越好？
一醉方休
放下遥控器
84% 的旅客更喜欢本航空公司
从低处坠楼的猫咪死亡率更高？
加固没有弹孔的部位
抓到牌后再预测
第 3 章 被误传的谋杀之都
马萨诸塞州谋杀之都
苹果和李子干
第 4 章 新的经济学上帝
政府债务临界点
相关性等同于因果关系？
合法堕胎会减少犯罪吗？
是我的错
第 5 章 扬基队的门票真的划算吗？
误导性的放大
虚惊一场
让他们吃蛋糕吧
有弹性的数轴
将恶作剧效果翻倍
学生谎言
扬基队的门票很划算
图表的制作艺术
第 6 章 美国有多少非裔职业运动员？
三门问题
一个名叫佛罗里达的女孩儿
条件概率的混淆
假阳性问题
阳性检查结果并不可怕
死去的三文鱼获得诺贝尔奖
第 7 章 辛普森悖论
大学招生真的歧视女生吗？
我要再来一杯咖啡
第 8 章 手感火热的雷·阿伦
小数定律
手感火热真的存在吗？
小沃尔特·雷·威廉姆斯
好手感是存在的
终极好手感
第 9 章 胜者的诅咒
均值回归的欺骗
西克里斯特的愚蠢
经济学家也会犯错
道指落榜生
冠军墙
寻找学院院长和灵魂伴侣
第 10 章 如何转变运气？
第 11 章 得克萨斯神枪手
癌症聚集恐慌
第 12 章 终极拖延
死亡凹陷和尖峰
死亡真的能延迟到重大节日后吗？
秋夜月饼
漫长的告别
第 13 章 黑色星期一
火箭科学
巴斯克维尔猎犬
五行噩运
花押决定论
第 14 章 点球成金
棒球迷信
如果你给我一个 D，我就会死（die）
糟糕的出生月份
名人堂的死亡之吻
第 15 章 特异功能真的存在吗？
特异功能真的存在吗？
魔术师胡迪尼的挑战
一个家庭对超自然现象的着迷
第 16 章 彩票是一种智商税
无法准确预计的人口
我们都将为 IBM 工作
股票是一种不错的投资
跑赢大盘（或者说为什么我喜爱包装工队）
傻瓜带你战胜华尔街聪明人
测量投资者的情绪
如何（不）中彩票
不会破裂的泡沫
南海泡沫
伯克希尔泡沫
真实股价
第 17 章 超级投资者
宽客
收敛交易
我只看数据
在推土机面前捡硬币
闪电崩盘
第 18 章 增长的极限
神奇的复利
第 19 章 何时相信，何时怀疑
被模式诱惑
具有误导性的数据
变形的图表
缺乏思考的计算
寻找混杂因素
手感火热
均值回归
平均定律
得克萨斯神枪手
当心经过修剪的数据
缺乏理论的数据仅仅是数据而已
缺乏数据的理论仅仅是理论而已
美好的出生日
· · · · · · (收起)
原文摘录:
寻找统计显著性的一种方法是对多种理论进行检验，然后只宣布具有统计显著性的结果。即使只考虑毫无价值的理论，也会有 1/20 的检验表现出统计显著性。在海量数据和高速计算机的帮助下，在生成“可发表结果”的巨大压力下，无数毫无价值的理论得到了检验。成千上万的研究人员对无数理论进行检验，将那些具有统计显著性的结果记录下来，并将其他结果扔到一边。对于社会公众来说，我们只能看到这些统计工作的冰山一角。我们只能看到具有统计显著性的结果，看不到不具有统计显著性的结果。如果我们知道这些得到公布的检验背后隐藏着数百项没有得到公布的检验，而且知道对毫无价值的理论进行的检验中平均有 1/20 的检验能够得到统计显著性，我们一定会抱着更加怀疑的态度看待这些得到公布的结果。 (查看原文)
maxy218
4赞
2019-11-28 07:41:33
—— 引自章节：第1章 模式、模式、模式
另一种获得统计显著性的方法是利用数据发现理论。统计检验的假设是，研究人员首先提出一种理论，然后收集数据，以检验这种理论，然后汇报结果——这种结果可能具有统计显著性，也可能不具有显著性。许多人颠倒了这种程序，他们仔细研究数据，以发现某种模式，然后编造出符合这种模式的理论。在数据中搜寻模式的过程令人愉快，而且激动人心，就像玩数独或者解决神秘谋杀案一样。这些人从各个角度考察数据，将数据分解成基于性别、年龄和种族的类别，丢掉妨碍模式的数据，寻找任何有趣的现象。当他们发现某种模式时，他们开始思考其中的原因。
当研究人员钻研数据、寻找模式时，他们会进行数百次显性或隐性检验。你可以站在他们的立场上进行考虑。首先，你将数据作为一个整体进行考察。然后，你分别查看男性和女性的数据。接着，你将儿童和成年人的数据区分开；然后将儿童、青少年和成年人的数据区分开；然后将儿童、青少年、成年人和老年人的数据区分开。接着，你尝试不同的年龄界限。你将老年人的范围设置为 65 岁以上。当这种做法失败时，你将这个数字调整为 55 岁、60 岁、70 岁或者 75 岁。最终，你总会发现某种模式。即使研究人员不对数据的每一种排列进行正式的统计检验，他们也可以进行非正式检验，即寻找看上去具有统计显著性的数据排列。如果我们知道研究人员在公布结果之前以一百种不同的方式对数据进行了考察，我们一定会抱着怀疑的态度看待这些结果。
这些做法——选择性报告和数据搜刮——被称为数据挖掘。通过数据挖掘发现的统计显著性只能体现出研究人员的耐心。在独立检验证实或拒绝结论之前，我们无法判断某种数据挖掘马拉松到底证明了某种实用理论的有效性还是研究人员坚定的毅力。不过，通常情况下，这类检验并不会被人验证。毕竟，你无法通过证实他人的研究而成为明星；所以，为什么不把时间用于发现新理论呢？因此，通过数据挖掘得出的理论看上去很安全，既不会受到检验，也… (查看原文)
maxy218
4赞
2019-11-28 07:41:33
—— 引自章节：第1章 模式、模式、模式