统计数据背后的真相 读《How to lie with statistics》
统计学数据背后的故事
统计学数据背后的故事统计学是一门研究数据收集、分析和解释的科学。
通过统计学，我们可以深入了解数据背后的故事，揭示出隐藏在数字背后的真相。
本文将探讨统计学数据背后的故事，从而窥探数据背后的真实意义。
一、数据背后的故事数据，并不仅仅是一些冰冷的数字，它是对于现实世界的抽象和总结。
而这些数字背后，往往隐藏着人们的行为、心理和社会规律。
统计学正是通过分析这些数据，帮助我们理解背后的故事。
以人口统计为例，通过对人口数量、年龄分布、性别比例等数据进行分析，我们能够了解到一个地区的人口结构和发展趋势。
从这些数据中，可以发现人口老龄化的程度，以及一些社会问题的原因和解决方案。
数据背后的故事可能包括某一地区经济的繁荣或衰退，社会的稳定或动荡等等。
同样，对于经济统计数据的分析也能揭示出一国或地区的经济发展状态。
通过分析国内生产总值（GDP）、消费指数、就业率等经济指标，我们可以判断一个经济体的发展速度、经济结构的改善和投资方向的优化等。
这些数据背后的故事可能包括某个行业的兴衰，某个地区的经济合作模式等。
二、揭示数据背后的真相统计学不仅仅是对数据的收集和整理，更重要的是通过适当的方法，揭示数据背后隐藏的真相。
在数据的分析中，我们需要小心陷入到数据的陷阱中，避免被误导。
首先，我们需要考虑数据的来源和采集方法。
数据的来源和采集方法会对数据的可靠性和有效性产生重要影响。
如果数据来源不确切或采集方法存在偏差，那么分析结果可能会出现错误的偏差。
因此，在进行数据分析时，我们需要注意对数据进行可靠性和有效性的验证。
其次，我们需要关注数据之间的关系和相关性。
在统计学中，我们通过相关性分析等方法来探究不同数据之间的关系。
相关系数的计算可以帮助我们了解两个变量之间的相关性，从而进一步解读数据的背后故事。
最后，我们需要审慎地解读数据。
数据本身并没有价值，真正的价值在于我们如何解读并运用数据。
我们需要避免盲目追求数字背后的表面含义，而是要有系统的思维和深入的分析。
《统计学基础：透过数据看世界》随笔
《统计学基础：透过数据看世界》读书笔记目录一、统计学基础概述 (2)1.1 统计学定义与作用 (3)1.2 统计学的基本概念 (3)1.2.1 总体与样本 (5)1.2.2 参数与统计量 (5)1.2.3 随机变量与概率分布 (7)二、数据收集与整理 (7)2.1 数据的来源与类型 (9)2.2 数据收集方法 (11)2.3 数据整理与描述 (12)三、数据分析方法 (13)3.1 描述性统计分析 (15)3.1.1 均值、中位数与方差 (16)3.1.2 偏度与峰度 (17)3.1.3 数据可视化 (17)3.2 推断性统计分析 (18)3.2.1 假设检验 (20)3.2.2 置信区间 (22)3.2.3 方差分析 (22)四、回归分析与预测 (24)4.1 线性回归分析 (25)4.2 多元线性回归分析 (26)4.3 时间序列分析 (28)五、统计学应用案例 (30)5.1 经济学领域 (31)5.2 社会学领域 (32)5.3 生物学领域 (34)六、总结与展望 (35)6.1 本书重点回顾 (36)6.2 统计学的未来发展趋势 (38)一、统计学基础概述作为一门处理数据的科学，为我们提供了一种系统的方法来收集、整理、分析和解释数据，从而揭示事物的内在规律和趋势。
在日常生活和工作中，我们经常需要面对大量的数据，如销售数据、人口统计数据、医疗记录等。
这些数据背后隐藏着许多有价值的信息，但只有通过科学的统计方法才能被挖掘出来并加以利用。
统计学的基础主要包括描述性统计和推断性统计两部分，描述性统计主要通过对数据的整理和展示，提供对数据的基本认识，如平均数、中位数、众数等统计量。
这些统计量可以帮助我们概括和描述数据的中心趋势和离散程度。
而推断性统计则是基于样本数据对总体进行推断和预测，它可以帮助我们估计总体的参数值，并检验我们对总体的假设是否成立。
统计学还涉及数据的收集和抽样方法，有效的收集方法能够确保数据的准确性和完整性，而合理的抽样方法则能够使我们以较小的成本获取足够的信息来支持决策和分析。
每周一本书《揭开数据真相》：质疑“看得见”的数据，挖出“看不见”的真相
每周一本书《揭开数据真相》：质疑“看得见”的数据，挖出“看不见”的真相本周给大家推荐的书是《揭开数据真相：从小白到数据分析达人》，这本书的技术门槛不高，主要目的是让读者学会如何质疑“看得见”的数据，并挖出“看不见”的数据真相，还原基本的事实。
来源：数据猿作者：jean小编寄语：“你看到的，只是我想让你看到的”，让数据说话，说客观其实也不客观，所以别太迷信数据啦~统计数据之所以强大有力，是因为它一点都不care我们的情怀、梦想和信仰——数据让我们客观地看待事物。
但是，当数据耿直的显示了人们讨厌的结果时，命运只能被操纵，最终变成“漂亮”的数据（企业财报、销售额、阅读量等等）……因此懂得解释统计数据，了解各种歪曲、滥用数据的技术对于理解数据真相是非常必要的。
本周给大家推荐的书是《揭开数据真相：从小白到数据分析达人》，这本书的技术门槛不高，主要目的是让读者学会如何质疑“看得见”的数据，并挖出“看不见”的数据真相，还原基本的事实。
有人会担心，我没有经过系统科学训练，是不是要再去读一个数学课程呢？其实完全没必要，那些复杂的数学公式主要用来让你崩溃的（回想自己的高数课程），最重要的还是见识一些常见套路，遇到类似的能举一反三，升华出来一些方法论就更棒了。
这本书就从很多实例中总结了数据分析的技巧和“骗人”招数。
比如通过内在不完备的样本，精心挑选的平均数，统计图表范围的切割，相关系数因果关系的误解，混淆逻辑，操控是非，达到一些不可告人的目的。
这并不是一本教科书，让你去学习深奥枯燥的统计数学，而是用风趣幽默的例子从别的视角来观察世界，启迪智慧。
比如本书的第十章在讲确认性偏差时，作者就“分母”的重要性举了一个很有趣的例子：假设有一群人看见你盯着一根树枝就把树枝折断了只要你不告诉这些人一个事实——你盯着这些树枝看了很久而树枝迟迟不断，那么，这些人肯定会对你表面上的断树功力大感敬畏。
在奇妙的统计学讨论中，只提分子、不提分母可以让不真实的事情看上去很真实。
统计学 学生课外优秀阅读书目推荐
应用统计学学生课外优秀阅读书目推荐1、统计学David Freedman等著，魏宗舒，施锡铨等译，中国统计出版社推荐理由：《统计学》是引导人们对统计问题进行思考的一本杰出的教材，它是迄今为止我们所见到的最出色的关于统计思想的入门书。
它以清晰的日常语言和各种类型的例子向人们介绍解决统计问题的若干技巧，展示了统计在诸如经济、教育、遗传、医药、物理、化学、环境污染、政治及社会科学、心理学等方面所起的至关重要的作用。
在整个展开过程中除了加减乘除等简单运算之外，整本书几乎没有公式，但是讲到了统计思想的精髓。
2、Mind on statistics(英文版）机械工业出版社推荐理由：只需要高中的数学水平，统计的扫盲书。
有一句话影响很深：Mathematics as to statistics is something like hammer, nails, wood as toa house, it's just the material and tools but not the house itself。
3、漫画统计学入门作者 : 拉里-戈尼克/沃尔科特-史密斯，辽宁教育出版社推荐理由：《漫画统计学入门》涵盖了现代统计学的所有精髓：数据的汇总、整理；随机变量；伯努利实验；中心极限定理；假设检验；估计置信区间；林林总总，所有这一切都在书中用简洁、明了的文字和妙趣横生的插图加以了解释。
4、数理统计学简史作者 : 陈希孺，湖南教育出版社推荐理由：本书概述了自17世纪中叶以来三百多年间,数理统计学发展的历史,记录了一些深远影响的大事、思想源头、重要发展之间的关系、重要人物的思想和贡献等内容，包括:概率基本概念的起源和发展,伯努利大数定律和狄莫旨二项概率正态逼近,贝叶斯关于统计推断的思想,最小二乘法与误差分布--高其正态分布的发现过程,社会统计学家对数理统计方法的主要贡献等。
5、漫话信息时代的统计学——兼话诺贝尔经济学奖与统计学作者：韦博成，中国统计出版社2011年10月推荐理由：《漫话信息时代的统计学兼话诺贝尔经济学奖与统计学》为一本普及型读物，其目的是希望使更多的人了解统计学。
统计数据背后的真相 — 读《How to lie with statistics》
范围、方法等都不一样，两方面数据结果根本没有可比性。
新浪公布的那个结果是我们在国内128个城市采取计算机辅助电话访问的调查结果，而搜狐公布的那份结果是我们在北京、上海、广州、青岛、南京5个重要城市采取街访方式的调查结果。
那5个最重要的城市和其他128个城市的网络普及率、人对网络的偏好都不一样，数据结果反映的东西肯定也不同”，普通网民在关注到“第一”的同时会去关注这些背后的数据吗？另外就是同一个数据，但是图表的基准值、刻度等不一样，也会导致图表表达出的效果截然不同，比如下面两个图，左边第一眼给人的感觉是2名用户之间的上网时长差异不大，而右边这个给人的感觉是差异非常大。
这个资料有意义吗？许多统计资料在我们一眼就能看出是有误的。
比如前一阵因为BT事件，一调查机构宣称：在他们随机调查的100位网友中，有87.53%的网友支持封杀BTchina；有时在对用户进行分类时，对于分类结果，分成的各个类别的用户是否都能在现实中找到对应的人群，或者说周围认识的每一个人是否都能找到属于自己的类别，这都是一眼能够看出是否有意义的。
最后再举一个最常见但也最经常被误导的两个例子：很多人在学生时代肯定都听过老师有过这样的计算：离某某考试还有1个月时间，扣去一天8小时共10天的睡眠时间，扣去一天约4小时共5天的进餐活动等时间，再扣掉每周两天共8天的双休日，这时余下的学习时间就只剩7天了，这时一听都觉得很紧张，但是感觉没有这么短啊，其实是我们被老师忽悠了；一个产品开发项目计划本来总时长是1个月，后来因为某种变更，需求规划时间要增加15%，界面设计时间要增加20%，开发的时间要增加10%，测试时间要增加5%，则总时间要增加50%？实际总时间增加肯定不到20%。
在这个信息爆炸的时代，统计本是一个通过数据揭露本质的有力工具，但遗憾的是，统计未必能够揭示真实，有时候还可能成为假象的帮凶。
当我们面对生活中形形色色的统计数据时，还要多保持一些理智和清醒，并要有所保留地看待问题。
统计数字会撒谎
统计数字会撒谎作者：廖颖林来源：《中国纺织》2010年第03期“自从使用了某某牌牙膏，我们的蛀牙减少了23％。
”或许你刚被这样的广告宣传攻陷，对这新款牙膏的“神奇功效”深信不疑，但是美国统计专家达莱尔·哈夫(Darrell Huff)告诉你：“没有比这更无聊的广告了。
”没错，问题就在这个“23％”上。
在一个用事实说话的社会，我们接触到了越来越多的统计数据和资料，例如各种经济数据、证券信息、投资可行性研究报告、公司财务报告等。
但是却有不少销售员、公关公司、广告撰稿人等在滥用书中所揭露的“数据造彼方法”来蒙蔽对数据知识不甚了解的客户、消费者和上司。
面对这些良莠不齐、真伪并存的数据或资料，我们需要去粗取精、去伪存真的过程。
我们又该如何进行鉴别?20世纪50年代，美国的各大媒体和宣传机构就已经开始越来越重视利用统计——“这个神秘的语言”——说话，然而大量的统计数据、统计资料由于主、客观的原因被滥用，很难起到描述事实、传递信息的作用。
相反，还往往对读者形成误导。
达莱尔·哈夫——一位具有深厚统计背景的新闻记者一发现了这一现象。
他在广泛调查的基础上，从报刊、杂志、书籍中，从美国统计学会一些统计学家提供的实例中，收集了大量案例，并在1954年写下了《How to Lie with Statistics》一书。
该书一经出版，便畅销美国，成为美国20世纪50年代的畅销书之一，并受到了当时美国各种书评杂志的好评，至今依然常常被美国不少权威媒体所引用。
《管理评论》认为：“哈夫先生用如此生动的，充满人情味的方式来论述统计这个干巴巴的课题，真是一剂灵丹妙药，我们太需要这本书了，它虽然娱乐性强、浅显易读，却十分具有说服力。
”《图书期刊》如此评价：“作者和制图者倾注了全力，给大家提供了一本十分轻松活泼的读物和卡通画。
它们能给你带来娱乐，又能引发思考，而且还揭穿了许多统计方法的谎言。
”《大西洋》评价道：“这是一本具有善意破坏性的书，读完它后，你对于‘万能统计’的信任将大大降低。
《统计陷阱》读后感
《统计陷阱》《统计陷阱》本书是美国著名的统计学家达菜尔·哈夫的名著。
该书自1954年出版至今，多次重印并被译成多国文字，是一本影响深远的经典性著作。
《统计陷阱》一书之所以能够历久弥新，是因为其实用性，作者重说明、轻证明，重文字描述、轻理论推导，并结合活生生的案例，语方轻松诙谐，深入浅出，介绍了一些统计语和方法，更揭示了许多统计骗局，本书一共分八章：第一章内在有偏的样本主要将通过偏差的样本来获得想要的数据，文中举例耶鲁大学毕业生的工资来说明这个问题，给出统计结论时却并未给出样本，通过合理的猜测，可以知道这样的样本是有偏差的，例如能联系上的人一般都不穷，愿意告诉别人自己工资的人更不穷第二章精心挑选的平均数一般给统计结论时却并不给出是哪种平均数，是算术平均还是中位数或者是众数，通过这种方式来欺骗人，例如最近很流行的居民平均居住面积，平均收入等第三章没有披露的数据反复做试验，指给出对自己有利的数据，例如我想证明抛硬币正面出现的次数是80%，那么我每次抛10次，反复抛，直到某次试验正面出现8次，以此作为支持我结论的数据第四章毫无意义的工作计算某一个数据时，需要知道这个数据可能的误差，如果不考虑这个误差，则数据毫无意义，例如智力测验，需要首先明确测验可能的误差，例如正负3，平均智力是100正负3，如果不考虑这个误差，而直接说平均智力是100，a的智力是98，b的智力是101，b的智力比a的好，这样的结论是没有意义的第五章惊人的统计图形通过对图形的夸张画法，来达到误导读者的目的，例如将y轴不从0开始，x，y比例不一致等第六章平面图形本章与上一章比较类似，不过图形换成了平面图形，平面图形不只有高度还有宽度，例如通过钱袋子来比较工资，本来2倍的工资只需要钱袋子高两倍就可以，但这样不协调，因此要更宽，更鼓，导致的结果就是不是2倍，看着是8倍第七章不相匹配的资料问题本身并不能真实地反映这个问题所代表的观点，例如黑人与白人的就业机会均等 == 黑人与白人平等，事实上有种族歧视的人更愿意回答二者的工作机会相等，而同情黑人的人更愿意回答不等，另外很多数据与最终的结论也没有多大的关系，例如药物实现，实验室的环境，药物与最后在药店里购买的药物有可能很不一样，或者实验室环境与人体环境差别很大，等等，都导致数据的不准确性。
《统计数据会说谎》课件
详细描述
一些学者在研究中为了证明自己的观点，可能会篡改或编造 实验数据，或者选择性地使用部分数据来支持自己的论点， 导致研究结果失真。
05
如何避免统计数据的说谎
提高公众的数据素养
培养对数据的敏感性和批判性思维
01
让公众了解数据的基本概念、特点和局限性，学会从多角度分
析数据，不盲目相信或传播数据。
惕，仔细核实数据的真实性和可靠性。
04
统计数据的说谎案例
媒体报道中的数据误用
总结词
媒体在报道时往往为了制造轰动效应 或引导读者做出某种判断，会选择性 地使用或解读数据，导致数据误导。
详细描述
媒体在报道时有时会忽略数据的背景 信息，只选取部分数据来支持他们的 观点，或者对数据进行断章取义的解 读，使读者产生误解。
数据的选取偏差
总结词
在收集和选择数据时，可能会因为主观因素或外部压力而产生偏差，导致数据不 能客观反映实际情况。
详细描述
数据的选取偏差通常源于对数据的理解不足或偏见，导致只选取符合某种观点或 利益的数据，而忽略其他重要信息。例如，在市场调研中，如果只选择有利于自 己产品的数据，而忽略其他竞争产品的优点，就会产生数据选取的偏差。
损害信任
不准确的统计数据会破坏 人们对数据和信息来源的 信任，影响数据和信息的 公信力。
浪费资源
基于错误数据的决策可能 导致资源的不合理分配， 造成资源浪费。
提高对统计数据的重视和警惕性
增强意识
通过培训和宣传，提高人 们对统计数据重要性的认 识，了解数据质量对决策 的影响。
严格审核
建立数据审核机制，对统 计数据进行严格把关，确 保数据的准确性和可靠性 。
数据解读的误区
数据分析的奥秘：发现数据背后的隐藏信息
数据分析的奥秘：发现数据背后的隐藏信息引言每天我们都生活在海量的数据中。
不论是通过互联网使用社交媒体、购物网站，还是在工作中使用电子表格和数据库，我们都在每时每刻都接触到各种各样的数据。
然而，我们是否真正了解这些数据背后隐藏的信息呢？数据分析的目的就是通过搜集、清理、分析和解释数据，以揭示数据背后的隐藏信息。
它是一门既有科学性又有艺术性的学科，需要结合统计学、计算机科学和领域知识来挖掘出有价值的信息。
在本文中，我们将探索数据分析的奥秘，了解它如何帮助我们发现数据背后的隐藏信息。
数据的搜集和清理在开始分析数据之前，我们首先需要搜集所需的数据。
数据可以来源于各种渠道，例如调查问卷、传感器、网站访问日志等等。
然而，很多时候我们会遇到一些挑战，例如数据的完整性和准确性。
有时候数据可能缺失一些重要的字段，或者存在错误的记录。
因此，在进行分析之前，我们需要清理和处理数据，以确保其准确性和可靠性。
数据清理的过程包括去除重复数据、处理缺失值、修复错误的记录等等。
这是一个繁琐而重要的任务，因为不准确的数据会导致分析结果的错误或误导。
在处理数据时，我们可以使用各种工具和技术，如数据清洗软件和自动化算法，来提高数据的质量和可用性。
数据的分析和解释一旦我们完成数据的清理，就可以开始进行数据的分析和解释了。
数据分析是一个多层次的过程，包括描述性分析、探索性分析、统计分析和预测分析等。
通过这些分析，我们可以发现数据中的模式、趋势和异常情况，提取有用的信息。
描述性分析是数据分析的第一步，它旨在描述数据的基本特征。
我们可以计算数据的均值、中位数、众数等统计指标，了解数据的分布情况。
探索性分析是进一步探索数据的过程，通过绘制图表、计算相关系数等方法，发现数据中的关联性和趋势。
统计分析是一种更加精确的分析方法，通过应用统计学原理和方法，对数据进行推断和假设检验。
预测分析则是使用已有的数据来预测未来的趋势和结果，可以帮助我们做出决策和规划。
统计数据会说谎读后感
统计数据会说谎读后感
你知道吗，以前我总觉得统计数据那就是板上钉钉的事实，就像数学公式一样，一加一肯定等于二。
可是这本书完全颠覆了我的想法。
书里讲了好多例子，都是关于那些看似确凿的统计数据，其实背后藏着各种猫腻。
我当时就想，原来我们平时看到的数据，说不定很多都是在“骗”我们呢！
就比如说，有些数据的样本选取就很有问题。
可能只选了一小部分特定的对象，然后就得出一个看似普遍适用的结论。
这就好比你只看了一群爱运动的人的健康状况，就说所有人只要运动就肯定健康，这显然不合理嘛。
看到这里的时候，我就忍不住摇头，心里想着，这也太能糊弄人了吧！
还有那些数据的呈现方式，那也是大有文章。
同样的数据，用不同的图表或者表述方式，给人的感觉就完全不一样。
这让我想起了有时候在广告里看到的数据，看着好像很厉害，可仔细一琢磨，可能就是被“美化”过的。
这真的很容易误导我们消费者啊，你说是不是？
不过呢，这本书也不是一味地在揭露黑暗面。
它其实也在提醒我们，要学会正确地看待统计数据。
不能盲目相信，要有点批判性思维。
我觉得这一点对我们在这个信息爆炸的时代特别重要。
现在到处都是数据，各种各样的统计结果在我们眼前晃悠，如果我们没有一点分辨能力，那就只能被牵着鼻子走了。
我在想，要是更多的人能读一读这本书就好了。
这样大家在面对那些看似权威的统计数据时，就不会轻易被忽悠了。
你看了这本书也会有同样的感觉吗？这真的是一
本能让你对数据有全新认识的好书啊！我感觉我以后再看到数据，肯定会多留个心眼儿了。
这书的影响，真的是很深远呢！。
统计数据会说谎阅读心得
统计数据会说谎阅读心得一、概述在当今社会中，数据无处不在，从商业报告到社交媒体统计，再到政府发布的统计数据。
这些数据真的可靠吗？统计数据会说谎，本文将探讨为什么统计数据会撒谎，以及如何识别和避免被误导。
统计学是一门旨在从数据中提取有意义信息和结论的科学，当涉及到统计数据时，事情并不总是那么简单。
统计数据会因为各种原因而说谎，从而误导读者。
在本阅读心得中，我们将探讨统计数据为什么会说谎，以及如何识别和避免被误导。
1. 数据作为现代社会的重要组成部分在现代社会中，数据已经成为了不可或缺的一部分。
它像空气一样弥漫在我们的生活中，从商业决策、医疗健康，到教育、交通乃至国家治理，每一个方面都离不开数据的支撑。
作为一名统计学家，我深知数据的重要性。
但当我们沉浸在这些美丽而富有洞察力的数据时，也需要时刻保持警惕，防止数据被误用或篡改。
因为数据本身并没有意义，只有当它被正确解读和使用时，才能真正发挥其价值。
2. 数据分析和解读的重要性在数据分析的过程中，我们不仅要关注数据的准确性和完整性，更要学会如何正确地解读这些数据。
数据本身并不能告诉我们任何事情，它只是一种工具，帮助我们更好地理解和分析现实世界。
对数据进行深入的分析和解读，是每一个数据分析师不可或缺的技能。
我们需要明确数据解读的目标，这可能是为了评估一个项目的成功程度，也可能是为了发现潜在的市场机会，或者是为了优化业务流程。
无论目标是什么，我们都应该确保我们的解读方法与目标的契合度，这样才能确保我们的分析工作具有实际意义。
我们要掌握正确的数据解读方法，这包括统计学原理、数据可视化技巧以及领域专业知识等。
通过运用这些方法，我们可以从数据中提取出有价值的信息，并形成能够支持决策的见解。
数据解读是一个持续的过程，随着市场和业务环境的变化，我们需要不断地更新我们的解读方法和策略，以适应新的情况。
我们才能确保我们的数据分析工作始终与现实世界保持一致，为决策者提供真正有价值的见解。
如何看穿统计数据造假
声 誉 却 让 你 糊 里 糊 涂 地 将 结 论 看 成 了 到 底 是 因 为 选 择 不 当 ，还 是 像 这 个 案
有 时 ． 材 料 只 给 出 了 百 分 数 ， 却
康 奈 尔 大学 说 的 。
例 一 样 。 调 查 者 有 意 识 地 选 择 对 自 己 没 有给 出原 始 数 据 ，这 种 数 据 也 带 有欺
题 采 探 讨 ．从 而 通 过 问 题 的 答 案 来 避 能 够 说 明 问题 ），却 使 非 的东 西 昕迷 惑 。 最 后 还 用 了 一 个 狡 猾 的 措 辞 — — 平 均
数 — — 来 掩 盖事 宴真 相 ．
是 谁 这 么 说 ？ 首 先 ，要找 的 第 一 样 东西 是 偏 差 。
如何看穿统计数据造假
［美 ］达莱尔 一啥夫
并不 是你遇 见的 所有统 计 信息都 能 用化学 分析 或化验 室里 那一 套设备 来 检 验 。但 是 你 可 以提 出 几 个 简单 的 问
自 己 更 为 有 利 的 男 一 年 为 基 期 ；或 是 使 用 不 恰 当 的 测 算 方 式 ， 例 如 ． 明 明 是 中 位 数 更 能 说 明 问 题 （或 许 足 过 于
己有 利 的数 据 ，剔除 对 自 己不 利的 数 据 ： 从 而试 图说 明 家 已 进 入繁 荣 时 期 、
也 可 以 改 变 衡 量 的 标 准 ， 比 如 存 对 比
之 前 提 到 的 那 个 声 称 ｈ大 学 会 导
时 先 用 某 一 年 为 基 期 ，而 后 又 选 择 对 致 女 性 结 婚 概 率 降 低 的 作 者 正 是 利 用
悦读 ／秀场 ／收藏 ／旅途 ／经济ＡＢＣ
一 编者按 ： 统计 数 字 会说 谎 》是 达 莱 尔 ·哈 夫 的传 世 之 作 ，该 书 大胆 地 揭 露 了
数据分析的统计数据分析
数据分析的统计数据分析在当今数字化的时代，数据如同海洋一般浩瀚，而数据分析则成为了我们在这片海洋中航行的指南针。
其中，统计数据分析作为数据分析的重要分支，更是发挥着关键作用。
首先，我们来理解一下什么是统计数据分析。
简单来说，它是运用统计学的方法和原理，对收集到的数据进行处理、分析和解释，以揭示数据背后隐藏的规律、趋势和关系。
那么，为什么统计数据分析如此重要呢？想象一下，一家企业想要了解自己产品在市场上的销售情况。
通过统计数据分析，他们可以了解不同地区、不同时间段、不同消费群体对产品的购买量和偏好。
这有助于企业制定更精准的营销策略，优化产品设计，提高市场竞争力。
在进行统计数据分析时，数据的收集是第一步。
这就好比做饭要有食材，数据就是我们分析的“食材”。
数据的来源多种多样，可以是企业内部的销售记录、客户信息，也可以是来自市场调研、行业报告等外部渠道。
而且，数据的质量至关重要。
不准确、不完整的数据就像变质的食材，会影响最终的分析结果。
收集到数据后，接下来就是数据的整理和预处理。
这包括检查数据的完整性、准确性，处理缺失值和异常值等。
比如说，如果在销售数据中发现某个月的销售额异常高或低，就需要进一步调查原因，看是数据录入错误还是有特殊的市场情况。
然后是选择合适的统计分析方法。
常见的方法有描述性统计分析、推断性统计分析等。
描述性统计分析可以帮助我们了解数据的集中趋势（如均值、中位数）、离散程度（如标准差、方差）等特征。
而推断性统计分析则可以根据样本数据对总体进行推断和预测。
举个例子，如果我们想知道某种新药物对治疗某种疾病的效果，通过对一部分患者进行临床试验，然后运用推断性统计方法，就可以推断出这种药物在整个患者群体中的效果。
在分析过程中，一定要注意数据的可视化。
将复杂的数据通过图表（如柱状图、折线图、饼图等）直观地展示出来，能够帮助我们更快速、更清晰地理解数据的含义和趋势。
比如，用柱状图展示不同产品的销售额对比，用折线图展示销售额随时间的变化趋势。
不靠谱的统计数字如何欺骗了你？
不靠谱的统计数字如何欺骗了你？【⼀】在这个信息爆炸的时代，我们的周围总是充斥着各种各样的新闻和数据，⽐如“⼴东本科⽣平均⽉薪7000，你拖后腿了吗？”、“北京⼈初婚平均年龄为27岁，结婚越晚越稳定”、“从除⼣开始放假会让很多员⼯觉得浪费⼀天假期”……⾯对这些数字时，你是否会在被戳中痛点后默默回⼀句“我⼜⼀次被代表了”或者“哥⼜拖后退了”？当然，还有⼀些所谓的研究结果甚⾄通过⽹络被快速传播，成为了⼈⼈都知道的“科学”事实：“近视眼戴眼镜会眼球变突”、“家⽤电⼦设备辐射⼤，所以⼿机不要放床头、电脑⼀定要⽤防辐射的机箱，接电话时不要离⽿朵太近”、“碱性体质的孕妇更容易⽣⼉⼦”……这些所谓的“科学”通过“⽤数字说话”的⽅式吸引了你的注意⼒。
可是，客观真实的数字摆在那，我们就能正确认识世界了吗？今天，精读君就为⼤家推荐⼀部美国统计专家达莱尔·哈夫的著作《统计数字会撒谎》，看看我们周围的数据中都暗含了哪些骗局。
作者达莱尔是⼀名⾃由记者，因其1954年出版的这本精彩、⼤为畅销的《统计数字会撒谎》⽽深受数代极客的爱戴。
【⼆】“平均年收⼊10万”，对你来说是什么概念？作为揭露数据造假的经典⼯具书，这本《统计数字会撒谎》在50年代⼀出版，就成为有些⼈的“⼼头⼤患”，他们在全世界对其进⾏围追堵截，就是因为害怕读者看到书中的真相。
它诞⽣之后，不仅被奉为“世界统计学普及读物第⼀畅销书”、“25本投资经典之⼀”、“经典社会学读本”，⽽且被誉为“数据造假曝光宝典”，在世界畅销50年⽽不衰。
达莱尔⽤风趣的插图和通俗的语⾔把⾼深的统计写得像“故事书”⼀样精彩，这种独具⼀格的⾏⽂和编排使得此书更具魅⼒。
此外，书中还揭露了⼤量⾄今仍被销售员、专家、记者或者⼴告撰稿⼈频频使⽤的“⾏骗⼯具”，如：有偏的样本，精⼼挑选的平均数，遗漏某些重要的数据，混淆因果关系，滥⽤⼀维图形等。
更为重要的是，达莱尔在书中破解了如何识破虚假统计数据。
统计学解读数据背后的故事
统计学解读数据背后的故事统计学作为一门科学，专门研究数据的收集、分析和解释，能够揭示数据背后的故事。
通过统计学的方法和技巧，我们可以更好地理解数据所呈现的趋势和规律。
本文将探讨统计学如何帮助我们解读数据背后的故事，以及其在不同领域的应用。
一、统计学的基本概念和原理统计学是一门独立的科学学科，它关注的是数据的收集、整理和分析。
统计学家使用统计方法和技术来推断和预测数据的特征、趋势和关系。
常见的统计学方法包括描述统计、推断统计和回归分析等。
1. 描述统计描述统计是统计学中最基本的方法，它通过数值指标和图标来描述数据的集中趋势和变异程度。
常见的描述统计指标包括均值、中位数、标准差和范围等。
图标形式可以有直方图、饼图和散点图等，用以展示数据的分布情况。
2. 推断统计推断统计是基于样本数据对总体特征进行推断和预测的方法。
它利用概率和抽样理论，通过估计总体参数和进行假设检验来得出结论。
推断统计有助于我们从数据中挖掘出更多的信息，以便做出合理的决策。
3. 回归分析回归分析是研究变量间关系的一种统计技术。
它通过建立数学模型，分析自变量对因变量的影响程度和方向。
回归分析常用于预测和解释因果关系，对于理解数据背后的故事具有重要意义。
二、统计学在市场营销中的应用统计学在市场营销领域有着广泛的应用，可以帮助企业了解消费者行为、市场趋势和竞争对手的表现。
1. 消费者行为分析通过统计学的方法，可以对消费者行为进行分析，了解他们的购买偏好、消费习惯和反馈意见。
这有助于企业制定更有针对性的销售策略，提升产品和服务的质量。
2. 市场趋势预测统计学可以通过对历史数据的分析和建模，预测市场的趋势和走向。
这对企业决策和市场营销活动的规划至关重要，能够帮助企业抢占市场先机。
3. 竞争对手分析统计学可以帮助企业对竞争对手的销售数据、市场份额和产品定价等进行分析，以评估自身在市场中的竞争地位。
通过对竞争对手的数据进行解读，企业可以找到自身的优势和改进的空间。
统计数据撒谎
•问题三：遗漏了什么？
通常，你并不会被告知包含了多少观测值，这个数据的缺失，特别当 信息来源于信息存在利害关系一方时，已足以使你对整件事情提出质
大家好才是真 的好
疑。比如，当均值与中位数相差甚远时，需要注意那些没有标明类型
的平均数。很多数据因为没有比较而变得缺乏意义。
如何反驳统计资料——真相只有一个
3
图形图表变身 —— 看我72变
黄金联盟的黄金奖励 持续6000C，第3个月奖励1g黄金 第6个月奖励2g黄金， 第9个月奖励3g黄金
第12个月奖励4g黄金
2g
1g
3g
4g
宣导时，图形上长、宽、高按比例放大，文字上的“2”倍，给人
的感觉却是8倍，刺激感更强。
统计数字撒谎的
4种方式
精选的平均数
未披露的数据 图形图表变身
平均睡眠时间为 7.8小时
4
混乱的神逻辑 ——见证统计操纵
•百分数也给误解提供了肥沃的土壤，和小数一样，它也能为不确切的 事物蒙上精确的面纱。
A：本月绩优 率环比提升 20个点
B：本月绩优 率环比提升 25%
如何反驳统计资料——真相只有一个
•怎样凭双眼就能识破虚假的统计资料，并揭开它的老底，同样重要的是，如何在一大 片充满欺骗性的数据海洋中找出可靠有用的资料。
•问题一：谁说的？
首先寻找的是偏差——出于名誉或收入的考虑， 而需要证明某些结论，他们提供的数据都有可能 产生偏差.
•——
提出5个问题
如何反驳统计资料——真相只有一个
•问题二：他是如何知道的？
数值是否足够大，从而能解释问题？观察值是否足够多，从而保证结 论的可靠性？——对于许多报告中的内容，通过观察，你会发现由于 缺乏足够多的观测值，报告的内容不足以说服任何人。
统计学 学生课外优秀阅读书目推荐
应用统计学学生课外优秀阅读书目推荐1、统计学David Freedman等著，魏宗舒，施锡铨等译，中国统计出版社推荐理由：《统计学》是引导人们对统计问题进行思考的一本杰出的教材，它是迄今为止我们所见到的最出色的关于统计思想的入门书。
它以清晰的日常语言和各种类型的例子向人们介绍解决统计问题的若干技巧，展示了统计在诸如经济、教育、遗传、医药、物理、化学、环境污染、政治及社会科学、心理学等方面所起的至关重要的作用。
在整个展开过程中除了加减乘除等简单运算之外，整本书几乎没有公式，但是讲到了统计思想的精髓。
2、Mind on statistics(英文版）机械工业出版社推荐理由：只需要高中的数学水平，统计的扫盲书。
有一句话影响很深：Mathematics as to statistics is something like hammer, nails, wood as toa house, it's just the material and tools but not the house itself。
3、漫画统计学入门作者 : 拉里-戈尼克/沃尔科特-史密斯，辽宁教育出版社推荐理由：《漫画统计学入门》涵盖了现代统计学的所有精髓：数据的汇总、整理；随机变量；伯努利实验；中心极限定理；假设检验；估计置信区间；林林总总，所有这一切都在书中用简洁、明了的文字和妙趣横生的插图加以了解释。
4、数理统计学简史作者 : 陈希孺，湖南教育出版社推荐理由：本书概述了自17世纪中叶以来三百多年间,数理统计学发展的历史,记录了一些深远影响的大事、思想源头、重要发展之间的关系、重要人物的思想和贡献等内容，包括:概率基本概念的起源和发展,伯努利大数定律和狄莫旨二项概率正态逼近,贝叶斯关于统计推断的思想,最小二乘法与误差分布--高其正态分布的发现过程,社会统计学家对数理统计方法的主要贡献等。
5、漫话信息时代的统计学——兼话诺贝尔经济学奖与统计学作者：韦博成，中国统计出版社2011年10月推荐理由：《漫话信息时代的统计学兼话诺贝尔经济学奖与统计学》为一本普及型读物，其目的是希望使更多的人了解统计学。
统计学数据背后的真相
统计学数据背后的真相统计学是一门研究数据收集、整理、分析和解释的学科。
在现代社会中，统计学数据被广泛应用于各个领域，从科学研究到商业决策，无所不在且不可忽视。
然而，我们对于统计学数据的运用和解读是否真正了解其背后隐藏的真相呢？一、样本选择的重要性在进行统计调查和数据研究时，样本选择是至关重要的。
样本的选择包括抽样方法和样本规模，决定了研究结果的准确性和可信度。
当样本选择不具代表性时，统计数据就不能真实反映总体情况。
因此，在进行统计分析时，必须保证样本选择的全面性和随机性，以确保数据的可靠性。
二、数据收集和处理的规范性统计学数据的真实性和准确性取决于数据的收集和处理过程。
数据收集的过程中，采取的调查方法和工具需要严格遵守科学规范，确保数据的可靠来源和无误。
数据处理的过程中，必须对数据进行权重调整、异常值处理等步骤，以消除干扰因素和提高数据的可信度。
三、样本容量对数据结果的影响样本容量是指样本的大小或数量，对统计学数据结果的可靠性和稳定性具有重要影响。
样本容量越大，统计结果越能代表总体情况，减小抽样误差。
因此，在进行数据分析时，需要充分考虑样本容量的合理性，并在保证可行性的基础上尽量扩大样本容量，以提高数据结果的有效性。
四、数据解读的主观性数据解读是指对统计学数据进行解释和分析的过程，涉及到研究者的主观判断和背景知识。
对于同一组统计数据，不同的研究者可能得出不同的结论，这取决于其对数据的认知和解读能力。
因此，在进行数据解读时，需要客观分析数据的显著性和相关性，避免个人主观偏见的影响。
五、数据的时效性和可持续性统计学数据的时效性和可持续性是其应用价值的重要方面。
数据的时效性要求数据的更新速度跟上社会发展和变化的脚步，以保证数据结果的实时性和有效性。
数据的可持续性要求数据能够进行长期的追踪和比较，以便进行趋势分析和预测。
因此，在进行数据研究和应用时，需要关注数据的时效性和可持续性，以确保其具备持久影响力和实用价值。
统计探幽数据背后的世界
统计探幽数据背后的世界统计探幽：数据背后的世界在我们生活的这个数字化时代，数据无处不在。
从我们每天的手机使用时间、消费记录，到城市的交通流量、气候变化的监测数据，数据已经成为了我们理解世界、做出决策的重要依据。
而在这海量的数据背后，隐藏着一个充满奥秘和价值的世界，等待着我们通过统计去探索和揭示。
统计，简单来说，就是收集、整理、分析和解释数据的一门学科。
它不仅仅是一堆数字的罗列和计算，更是一种能够帮助我们从混乱中发现规律、从复杂中提取关键信息的有力工具。
当我们面对纷繁复杂的数据时，统计就像是一盏明灯，照亮我们前行的道路，让我们能够看清事物的本质。
比如说，在医学领域，统计发挥着至关重要的作用。
研究人员通过对大量病例的统计分析，可以了解某种疾病的发病率、治愈率、不同治疗方法的效果等。
这有助于他们制定更有效的治疗方案，提高医疗水平，拯救更多的生命。
以新冠疫情为例，各国的卫生部门通过对病例数、死亡数、康复数等数据的实时统计和分析，能够及时了解疫情的发展态势，制定相应的防控措施，如封锁城市、推广疫苗接种等，从而有效地控制疫情的传播。
在经济领域，统计同样不可或缺。
政府通过统计国内生产总值（GDP）、通货膨胀率、失业率等宏观经济数据，可以评估国家经济的运行状况，制定相应的经济政策。
企业通过对市场需求、销售额、成本等数据的统计分析，可以了解市场动态，优化生产和营销策略，提高企业的竞争力。
投资者通过对股票价格、公司财务报表等数据的统计分析，可以做出更明智的投资决策，降低投资风险。
不仅如此，统计在社会科学、自然科学、工程技术等众多领域都有着广泛的应用。
在教育领域，通过对学生的考试成绩、学习行为等数据的统计分析，可以评估教学质量，发现学生的学习问题，改进教学方法。
在环境科学领域，通过对空气质量、水质、土壤污染等数据的统计分析，可以了解环境状况，制定环境保护政策。
在交通领域，通过对交通流量、交通事故等数据的统计分析，可以优化交通规划，改善交通拥堵状况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
统计数据背后的真相读《How to lie with statistics》在当今互联网普及的社会中，几乎每一个人都会和统计数字接触，例如各种经济数据、证券信息、房地产投资可行性报告、公司财务报告、以及与互联网相关的各种页面数据点击量、网页流量、用户量统计、用户趋势分析报告等；数据分析正在以从未想象过的方式影响着我们的生活；然而大量的统计数据、统计资料由于主、客观的原因被滥用，很难起到描述事实、传递信息的作用，相反，往往还对读者形成误导，与此同时带来的问题是越来越多的人员会通过数据造假来蒙蔽对数据知识不是特别了解的人员，从而达到他们背后的目的；所以当我们在面对这些真假难分的数据时，我们又该如何去鉴别？
在之前读过的《How to lie with statistics》一书中提到当我们接触一个统计资料时，提5个简单的问题可分辨大部分的统计资料，分别是：谁说的，他是如何知道的，遗漏了什么，是否有人偷换了概念以及这个资料有意义吗。
谁说的？
经常会遇到利用数据图表进行问题说明的情况，这时我们往往会关注于这些数据到底是什么意思而忽略这些数据的来源和它的时效性。
当遇到数据的来源是某权威人士、权威机构时，这些话往往是为了掩盖真实的资料来源。
有些数据图表虽然确实引用了权威的数据，但是很有可能的是别有用心的只截取了其中的一部分数据，虽然数据是权威可信的，但结论却是自己加的，以偏概全的结果是得到与原来数据完全相反的结论。
另外当在问数据来源时，一定要补上问一句这是什么时候的数据了；数据是非常具有时效性的，如果用之前的数据来解释当前的现象，也会造成错误的结论。
比如下面这两个图表是前后相隔半年针对图片软件使用情况所做的调查，可以看到变化很大；假如我们也要做一款全新的图片软件，参考这两张不同时间的调查图表可能会导致产品定位的截然不同。
所以当我们在看到一个统计图表的时候，首先要想这个图表是从哪里来的，是什么时候的图表，我们应该问一句：“谁说的？”接着我们应该接着我们还应追加第二个问题：他是如何知道的？
他是如何知道的？
主要是看这些数据是怎么得到的，也就是调查的样本是否足够大，样本是否有偏，调查的人群是否涵盖了所有的用户。
下面是两张针对播放器用户所做的亮点功能调查，一个是样本量100的结果，一个是样本量2000的结果，在样本量不一样时结果差异会很大。
在互联网产品设计中，还有一个比较常见的问题是，当遇到一个设计或者一个功能不确定时，往往会直接询问周围同事的建议，可这并不能代表整个用户，导致结果的偏差。
还有比如在一款新产品发布时，经常会做产品的可用性测试，得到的结论是一半的用户在某个功能的操作上存在问题，也许会觉得问题挺严重，实际可能是50%背后一共测试了两个用户，其中有一个用户遇到了问题。
是否遗漏了什么？
也就是看对结论有影响的因素是否都列举出来。
比如说，调查表明公司的员工平均月薪是2万，调查涵盖了公司所有员工，外界一看，哇，该公司的员工工
资好高啊，其实背后的原始数据没有纰漏出来，该公司有100个员工，总经理的工资是100万，而剩下的员工平均工资是1万，一平均，就说该公司的平均月薪是2万。
比如在做一次竞品之间的满意度调查时发现自己产品的满意度明显高于竞争产品，大家看了都觉得很开心，但是却忽略了调查的方法，实际上该调查的对象都是最常使用自己产品的用户，那结果肯定是不言而喻。
再说满意度的问题，如果针对自己的用户进行了产品的满意度调查，结果是85分（百分制），可能觉得产品还不错，可是缺少了和竞品的比较，85分到底是怎样一个水平，不得而知，实际情况是竞品用户的满意度都是在90分以上。
下面两张分别是只有自己产品的满意度和有竞品满意度的图表，效果截然不同。
是否偷换了概念？
在看统计资料时，从收集原始资料到得出结论的整个过程，是否存在着概念的偷换。
比如在收集数据时问题问的是可支配收入，下结论说的是收入；问题问的是使用过什么产品，结论说是经常使用什么产品；实际调查只针对某几项因素，下结论时却不加定语限制，让人觉得是整体的情况描述，就似现在国内大学排名，不同机构采用不同的指标排出不同的结果，实际公布时对采用的指标只字不提，结果往往误导和迷惑读众。
给我印象深刻的是在2008年奥运会结束后四大门户网站都对外称自己在奥运会期间的报道取得了第一，让网友摸不着头脑的同时也让业界疑虑丛生。
其实
导致这种结果的第一个原因是不同公司排名所采用的指标不一样，指标分别有“用户访问量”、“网页流量”、“平均每位用户停留时间”、“访问速度”、“冠军访谈数量”等，这样四大门户都可以对外声称在奥运报道上取得了第一；第二个原因是引用的数据源不一样，导致数据上的差异，甚至不同公司引用同一家调研公司的数据都是不一样的，摘录其中一段调研公司的解释：“新浪、搜狐用的是我们两次不同的调查数据，这两次调查的城市范围、方法等都不一样，两方面数据结果根本没有可比性。
新浪公布的那个结果是我们在国内128个城市采取计算机辅助电话访问的调查结果，而搜狐公布的那份结果是我们在北京、上海、广州、青岛、南京5个重要城市采取街访方式的调查结果。
那5个最重要的城市和其他128个城市的网络普及率、人对网络的偏好都不一样，数据结果反映的东西肯定也不同”，普通网民在关注到“第一”的同时会去关注这些背后的数据吗？
另外就是同一个数据，但是图表的基准值、刻度等不一样，也会导致图表表达出的效果截然不同，比如下面两个图，左边第一眼给人的感觉是2名用户之间的上网时长差异不大，而右边这个给人的感觉是差异非常大。
这个资料有意义吗？
许多统计资料在我们一眼就能看出是有误的。
比如前一阵因为BT事件，一调查机构宣称：在他们随机调查的100位网友中，有87.53%的网友支持封杀BTchina；有时在对用户进行分类时，对于分类结果，分成的各个类别的用户是否都能在现实中找到对应的人群，或者说周围认识的每一个人是否都能找到属于自己的类别，这都是一眼能够看出是否有意义的。
最后再举一个最常见但也最经常被误导的两个例子：
很多人在学生时代肯定都听过老师有过这样的计算：离某某考试还有1个月时间，扣去一天8小时共10天的睡眠时间，扣去一天约4小时共5天的进餐活动等时间，再扣掉每周两天共8天的双休日，这时余下的学习时间就只剩7天了，这时一听都觉得很紧张，但是感觉没有这么短啊，其实是我们被老师忽悠了；一个产品开发项目计划本来总时长是1个月，后来因为某种变更，需求规划时间要增加15%，界面设计时间要增加20%，开发的时间要增加10%，测试时间要增加5%，则总时间要增加50%？实际总时间增加肯定不到20%。
在这个信息爆炸的时代，统计本是一个通过数据揭露本质的有力工具，但遗
憾的是，统计未必能够揭示真实，有时候还可能成为假象的帮凶。
当我们面对生活中形形色色的统计数据时，还要多保持一些理智和清醒，并要有所保留地看待问题。
因为“如果一个人以种种肯定的立论开始，他必将终止于各种怀疑；但如果他愿意抱着怀疑的态度开始，那么他必将获得肯定的结论。
”。