书籍介绍
在大数据时代，我们每天都在与数字打交道，它们无处不在，影响着我们的生活决策。然而，这些看似客观的数字背后隐藏着什么？它们如何塑造我们的认知，又可能带来哪些误导？《数据的真相》引领你探索数据的世界，揭示其真实面目，教你如何从海量信息中提炼价值，用数据讲述更准确的故事。
作者简介
约翰•H. 约翰逊，麻省理工学院计量经济学博士，精通运用和解释数据。他身为埃奇沃思经济咨询公司的创始人兼领导者，该公司在业界享有盛誉，常被权威媒体如美国国家公共电台、《华盛顿邮报》等报道。作为专家证人，他在法律案件中提供关键的证词和咨询服务。
迈克•格鲁克，毕业于约翰•霍普金斯大学，是一位屡获殊荣的作家和营销专家。他担任布法罗市的格鲁克公司（Bluckworks）总裁，该公司专注于广告文案与市场营销领域。格鲁克擅长将复杂概念以简洁明了的方式表达，使大众易于理解。他的文章曾为全美多个知名企业及报纸增色添彩。
推荐理由
《数据的真相》一书深入浅出地探讨了日常生活中的数据现象，揭示了数据背后的逻辑与陷阱。它不仅帮助读者理解如何运用数据做出明智决策，还强调在信息时代正确解读数据的重要性。无论你是学生、专业人士还是对数据科学感兴趣的普通读者，都能从中受益，提升自己处理和分析数据的能力。
适合哪些人读
对数据科学、统计分析感兴趣的读者
需要在工作中处理和解读数据的专业人士
希望提升批判性思维能力，避免被信息误导的大众读者
对日常生活中的数据现象感到好奇的学生或家长。
书籍目录
前言 / IX
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
用户评论
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。
喜马拉雅。挺有帮助的，样本陷阱，平均数陷阱，因果陷阱，结论陷阱（结论是否可信，是否在经济效益方面对我们有用）。
一般般，概念解释不够清晰明了；应用也就说了几个大而化之的笼统建议；实用性和开阔性略低。
【一句话简介】如何在海量数据中，识别数据谎言，挖掘有用信息。\n【个人阅读收获】\n★数据的时代里，每天小数据的接收没人每天高达30G，如何进行理解、思考、解读。\n★分别介绍了4组陷阱：样本陷阱、平均数陷阱、因果陷阱、结论陷阱。\n★因果陷阱里如何区分关联性和因果性，通过提问找到遗漏变量，对现实工作帮助很大。\n
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。
统计学入门小书
为写论文找的书，本次不合适。\n书本讲的是“小数据”，即每天环绕你周围的以字节记的数据，告诉你如何解读小数据并避免常见的数据陷阱。只记下了“小数据”的概念就没有再细看了。
统计学入门？嗯 差不多是这样
我们拥有的数据量很丰富，但数据给我们带来的回报正在迅速减少，因为一旦过了某个点，你掌握的信息越多，就越难理解其所包含的意义。