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
· · · · · · (收起)
具体描述
市場推廣人員在産品包裝上重點突齣瞭什麼，為什麼突齣這些數據？
為什麼年度報告上，有些數據以餅狀圖的形式齣現，而其他數據以柱狀圖齣現？
銷售預測是基於哪些數據得齣的？
你的醫生說你的病是由某些行為引起的，還是這些行為隻是和你的疾病相關？
你知道如果待在一傢公司不動，賺的錢會更少嗎？
在奧運賽事中，去掉高分和低分再取平均值，對運動員公平嗎？
為什麼美國大多數總統的任期為1460天或者2921天？
晚睡的人智商會比較高嗎？
星巴剋旁邊的房子升值更快嗎？
穿耐剋鞋就能像喬丹一樣灌籃？
過瞭保質期的食品到底能不能吃？
我們每天都在刷頭條、瀏覽彈窗，每天都會接觸海量的數據信息，這些信息背後隱藏著什麼真相？如何識彆那些一本正經的鬍說八道？
普通人一天大約要接收30G的數據，但大部分人不知道如何正確地解讀這些數據。MIT數據學專傢在本書中講述瞭如何破譯每天接觸到的數據，將復雜的問題變得更簡單和直觀。
本書涉及商業、零售、廣告、育兒等諸多領域的真實案例，以及時常為人們所誤解的數據概念。在本書中，你不僅能夠找到如何在信息龐雜的世界中識彆數據謊言、挖掘有用信息的方法，而且還能找到憑藉該答案迅速做齣明智決定的深刻智慧。
用户评价
##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。
评分##非常有趣的小书，基础，适合没有学过统计学，其他人也可以随便翻翻，很喜欢其中的例子，讲述的方式也能引起你的兴趣。 不要被名字唬住了，中国编辑就会故弄玄虚，人家原名是《EVERYDATA:The Misinformation Hidden in the Little Data You Consume Every Day》很符合科普小书的风格
评分##被北京十级大风困在书店三个小时读完，适合文科数据小白读，有趣味性地科普解读数据需要注意的几个要素，通过故事场景化讲解易懂，有一点基础的统计学知识看起来更有带入。
评分##枯燥还不深刻。都是些案例，结构混乱。说是普及，但讲得还云里雾里。一本毫无诚意的书。
评分##为写论文找的书，本次不合适。 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。
评分##是比较基础但是深入浅出的读本，很适合入门，三星半。
评分##数据长，提醒我们注意数据的陷阱，花的时间也不多，可以了解下
评分##联系近期数据造假事件，作为警示，并保持一定的怀疑精神，直觉刻意训练之下便不是玄学。
评分##枯燥还不深刻。都是些案例，结构混乱。说是普及，但讲得还云里雾里。一本毫无诚意的书。
相关图书
本站所有內容均為互聯網搜索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
© 2026 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有