内容简介

市场推广人员在产品包装上重点突出了什么，为什么突出这些数据？

为什么年度报告上，有些数据以饼状图的形式出现，而其他数据以柱状图出现？

销售预测是基于哪些数据得出的？

你的医生说你的病是由某些行为引起的，还是这些行为只是和你的疾病相关？

你知道如果待在一家公司不动，赚的钱会更少吗？

在奥运赛事中，去掉高分和低分再取平均值，对运动员公平吗？

为什么美国大多数总统的任期为1460天或者2921天？

晚睡的人智商会比较高吗？

星巴克旁边的房子升值更快吗？

穿耐克鞋就能像乔丹一样灌篮？

过了保质期的食品到底能不能吃？

我们每天都在刷头条、浏览弹窗，每天都会接触海量的数据信息，这些信息背后隐藏着什么真相？如何识别那些一本正经的胡说八道？

普通人一天大约要接收30G的数据，但大部分人不知道如何正确地解读这些数据。MIT数据学专家在本书中讲述了如何破译每天接触到的数据，将复杂的问题变得更简单和直观。

本书涉及商业、零售、广告、育儿等诸多领域的真实案例，以及时常为人们所误解的数据概念。在本书中，你不仅能够找到如何在信息庞杂的世界中识别数据谎言、挖掘有用信息的方法，而且还能找到凭借该答案迅速做出明智决定的深刻智慧。

作品目录

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
· · · · · ·

作者简介

约翰•H. 约翰逊

麻省理工学院（MIT）计量经济学博士。约翰作为专家证人在诸多涉及运用、解释数据的案件审理过程中担任证人、顾问工作。作为埃奇沃思经济咨询公司创始人，约翰领导下的数据驱动型公司被美国国家公共电台、《华盛顿邮报》、《今日美国》、《赫芬顿邮报》等媒体争相报道。

迈克•格鲁克

毕业于约翰•霍普金斯大学。作为一名获奖作家和营销专家为全美国范围内多家龙头企业和报纸撰写文章。迈克担任格鲁克公司（Bluckworks）总裁，格鲁克公司位于纽约州布法罗市，专注于广告文案、市场营销等业务。迈克善于将复杂的话题以平实易懂的方式进行解读。

精彩摘录

有一点很重要，即找到显著性差异并不能告诉我们某种关系是关联性的还是因果性的，同时也不能告诉我们是否存在遗漏变量影响着最终结果。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（而非出于巧合），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。衡量显著性差异时，普遍为人所接受的P值为小于0。05（相当于5%可能性）。这个数值得到广泛应用的时间可以追溯到20世纪20年代，推广者为数学家罗纳德·费希尔，他的研究方向为肥料对作物产生的影响。

——引自章节：效果显著/113