統計的藝術：如何從數據中了解事實，掌握世界
豆瓣
Art of Statistics
大衛．史匹格哈特(David Spiegelhalter) 译者: 羅耀宗
简介
統計學如何幫助我們了解世界？
當資料不完美，我們能做出可靠的結論嗎？
在資料科學的時代，統計學如何與時俱進？
當疫情來襲，我們如何自己做好觀念上的準備？
在許多領域中，統計學都是必備的技能；在人工智慧的時代，統計在商務上的運用也越來越重要。
但是一般的統計學內容，即使有嚴謹的定義和推論，卻總是感覺和現實世界隔了一層，不知如何運用，也很難理解它。
許多人在學校或許讀過一點統計學，大概知道隨機變數、標準差、平均數、中位數的意義，但到底該怎麼用？如何應用到現實世界的問題呢？
然而，這本書不同，它帶你用一種全新的方式來了解統計學。它從一些現實世界的問題開始，例如：
地球上有多少棵樹？
培根三明治的致癌風險有多高？
我們能夠相信群眾智慧嗎？
如何衡量藥物的有效性？
英國人的一生中有多少個性伴侶？
病人多的醫院，存活率比較高嗎？
半個世紀以來，全球人口成長的型態如何？
為什麼老男人的耳朵都很大？
配上生動有趣的圖表，讓讀者更容易進入，也展示了將資料化為圖表的強大力量與陷阱，以及溝通、道德問題在統計上的重要性。
contents
致謝 11
導論 13
我們為什麼需要統計學／將世界化為資料／統計教學法／關於本書
第1章 用百分比了解情況：類別資料和百分率 31
次數和百分比的溝通／類別變數／比較一對百分比
第2章 滙總和溝通數字 51
描述資料分布的廣度／描述數字群之間的差異／描述變數之間的關係／描述趨勢／溝通／使用統計量說故事
第3章 為什麼我們還是要查看資料？母體與測量值 85
從資料中找答案——「歸納推論」的過程／當我們有了全部的資料／「鐘形曲線」／母體是什麼？
第4章 什麼因造成什麼果？隨機試驗 105
「相關不表示有因果關係」／到底什麼是「因果關係」？／不能隨機化時，怎麼辦？／當我們觀測到有關聯性，能夠怎麼做？／我們能否從觀測性資料得出因果關係的結論？
第5章 利用迴歸將關係建模 129
迴歸線就是模型／處理一個以上的解釋變數／不同種類的反應變數／超越基本的迴歸建模
第6章 演算法、分析和預測 149
尋找型態／分類和預測／分類樹／評估演算法的表現／機率「準確度」的組合測量值／過度配適／迴歸模型／更複雜的技術／演算法面對的挑戰／人工智慧
第7章 對於正在發生的事，我們能有多確定？估計和區間 191
性伴侶人數／拔靴法
第8章 機率：不確定性和變異性的語言 207
一點都不難的機率法則／條件機率—當機率取決於其他的事件／「機率」到底是什麼？／如果我們觀測一切，機率從何處介入？
第9章 結合機率與統計 229
中央極限定理／這個理論如何幫助我們確定估計值的準確度？／計算信賴區間／調查的誤差範圍／我們應該相信誤差範圍嗎？／當我們擁有所有的資料，會發生什麼事？
第10章 回答問題和宣稱發現：假說檢定 251
什麼是「假說」？／為什麼我們需要對虛無假說做正式的檢定？／統計顯著性／運用機率論／執行許多次顯著性檢定的危險／內曼—皮爾遜理論
第11章 用貝氏方法，從經驗中找答案 299
貝氏方法是什麼？／勝率和概似比／概似比和法醫學／貝氏統計推論／意識形態之爭
第12章 事情怎麼會出錯？ 331
「可再現性危機」／蓄意詐欺／「有問題的研究實務」／研究人員實際上做了多少有問題的研究實務？／溝通失敗／文獻會出什麼問題？／新聞辦公室／媒體
第13章 如何把統計做得更好 351
改善產生的結果／改進溝通／協助找出不良的做法／發表偏差／評估一項統計宣稱或報導／面對根據統計證據發表的聲明，要問的十個問題／資料倫理／良好的統計科學實例
第14章 結論 367
詞彙解釋 369
註釋 397
