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。

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。

明尼苏达州在诊断食物引起的疾病方面比美国其他州更出色的情况。尽管该州发生了多起食品召回事件，但并非所有受污染的食物都来自那里，也不是运输源头或居民更容易感染相关疾病。实际上，由于明尼苏达州健康农业部的高效工作，当地居民可能享有比其他地区更好的食品安全保障。这表明高诊断水平有助于发现和处理问题，保障公众健康。作者以此为例，引出全书主题——如何理解和运用日常生活中的数据做出更明智的决策，并强调了在信息充斥的时代正确解读数据的重要性。书中通过真实或假设案例，解析易被误解的数据概念，并提供应用知识的方法。



小数据在日常生活中扮演着重要角色，尽管它不如大数据那样引人注目。从食品标签、天气预报到银行账户和医疗卫生信息，小数据无处不在。然而，人们对这些随处可见的数据却常常抱有质疑态度，甚至有时会选择坚持错误的认知，即使事实摆在眼前。

在这种情况下，学会正确理解和运用数据变得尤为重要。通过培养对数据的敏感度，我们可以避免掉入数据陷阱，成为更为成熟的数据接收者。这不仅能提升我们在日常生活中的决策质量，还能让数据在我们的生活中发挥出更大的价值。

以SY Syms更名的故事为例，这个实际生活中的案例展示了如何有趣且有效地运用数据。通过对数据的深入分析，公司找到了更适合的品牌名称，这一改变不仅提升了品牌形象，还带来了实实在在的商业成功。这样的例子生动地说明了数据在决策过程中的力量，以及它如何帮助我们做出更好的选择。

掌握数据处理和解读的能力，意味着我们能更好地理解周围的世界，更明智地作出决定。无论是在购物、投资还是日常生活中的各种选择，数据都能为我们提供有力的支持。因此，培养对数据的敏感度和运用能力，是我们在信息时代必备的一项技能。

第一章 无处不在的数据：从大数据到小数据

1986年，“挑战者号”航天飞机在极低气温下发射，由于O型环失去弹性无法有效密封燃料箱，最终引发爆炸。尽管工程师曾警告可能存在的问题，但由于缺乏关键数据和对风险的错误评估，发射仍然进行。这次事故凸显了决策过程中考虑所有相关数据的重要性，以及忽视潜在小问题可能导致的重大后果。

数据抽样在分析中的作用至关重要，但同时也存在潜在的问题。即使是小规模的数据，抽样错误也可能导致严重的误解。文中通过“挑战者号”航天飞机的案例，强调了选择样本正确性对数据分析的影响。为确保研究样本能准确代表总体，避免因样本偏差导致推断失误，数据专家致力于提高抽样的有效性和代表性。

然而，抽样研究也有其局限性。即使样本数量庞大，选取不准确也会降低结果可靠性。例如，心理学本科生的行为研究不能推广到全人类；美国国家体重控制注册中心的数据由于女性比例过高，限制了结论的普适性。此外，医院报告的数据可能只反映部分伤害情况，而非所有受伤事件，因此理解数据来源和抽样方法至关重要。

自陈式数据在收集个人行为信息时也存在问题。人们可能会不诚实、有偏见或记忆不准，导致数据错误。比如，多数人高估自己的驾驶技术，自我报告的身高和体重往往与实际不符。尽管有时自陈式数据是唯一可得的，但其可靠性有限。要成为成熟的数据接收者，需意识到并考虑这些局限性。

抽样在人口普查、总统选举和社区资金分配中发挥着关键作用。例如，美国人口普查依赖抽样获取准确数字。去麸质食品热潮的研究显示，全国范围内的研究结果可能与特定群体（如乳糜泻患者）的研究有显著差异。

数据完整性对分析至关重要。芝加哥公立学校提供了大量学生表现和成长的数据，但在NWEA学业进展测评中发现部分特许学校未上报信息。这可能是由于学校成立时间短、班级规模小或故意隐瞒。即便缺失的数据不会显著影响总体结果，但可能会影响人们对情况的理解和决策。

奥巴马在决定抓捕本·拉登时也面临数据不完整的问题。因此，在做决策时，应明确所需数据，并意识到基于有限样本的结论可能存在偏差。充分理解数据的来源、抽样方法以及完整性，对于做出准确判断和有效决策至关重要。

第二章 对“挑战者号”评估结果的异议：抽样如何影响结果

平均数、中位数和众数是统计学中的三个关键概念。平均数代表所有数值相加后除以数量的结果；中位数则是将数据排序后的中间值，在偶数情况下取中间两个数的平均；而众数则表示出现频率最高的数值。通过西雅图切尔西公寓住户年收入的例子，展示了这三个量可能存在的显著差异，强调了在数据分析时选择合适统计指标的重要性。

平均值在理解数据分布时具有重要意义，但其应用也存在局限性。单独的平均值往往需要其他数据作为支持，否则可能会产生误导。例如，在比较市长和副市长的平均工资时，不同的样本集会导致平均值的变化。此外，工作年限与收入的关系提示我们，长期在同一公司任职可能会影响个人收入水平。在评估学生成绩时，加权平均值有助于反映各考试对总成绩的不同权重，确保更公正的评价。

平均数在整合数据时也发挥着作用，特别是在选举结果的汇总中。然而，面对来自不同渠道、采用不同方法收集的数据，平均值可能无法完全反映实际情况。此时，需要考虑每个结果的权重、误差影响以及调查方法的差异。离群值在数据中同样重要，它们可能是错误、特殊情况或媒体报道焦点的体现。离群值对平均数有显著影响，但判断其是否为异常的标准并不固定，需根据具体情境分析。跳动的音符——离群值，它们可能改变我们从数据中得出的结论，因此在数据分析过程中识别和处理离群值至关重要。

理解“虚幻优越感”有助于我们更准确地评估自我，做出更为理智的决策。这种现象存在于人们对自己能力或表现的过高评价中，特别是在涉及风险和自我评价的情境中。认识到虚幻优越感的存在，能帮助我们在做决定时更加客观，降低因过度自信而导致的风险。

总的来说，统计学中的平均数、中位数和众数为我们提供了理解数据分布的不同视角；而平均值的应用则需要结合其他信息，避免产生误导。在处理整合数据和离群值时，我们需要考虑权重、误差和调查方法的差异，并识别并妥善处理异常值，以确保分析结果的准确性。最后，了解虚幻优越感有助于我们在面临风险决策时更加理智，降低因过度自信带来的潜在危害。

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

智能手机使用与教育水平的相关研究揭示了苹果手机在知识层次较高区域的普及率更高，但这并不意味着苹果用户更聪颖。作者通过比较眼镜佩戴者和睡眠时间的关系，阐明了关联与因果之间的差异，强调观察到的关联不一定代表决定性因素。他还指出标题党常利用这些联系来吸引读者注意，提醒公众面对此类信息时应保持理智，避免轻信简单的因果推论。

本·施密特教授分析教学评价数据的研究发现性别在评分中可能存在的偏见。例如，男性教师被形容为“乏味”的频率较高，而女性工程师被质疑能力的次数较多。然而，这些统计结果不足以断定性别是影响评价的主要原因。为了得出准确结论，必须控制其他可能影响评价的因素，如课程难度、学生表现和教授亲和力等。作者举例说明，比如探究女教师是否更常教授困难且不受待见的科目，强调全面分析的重要性。他指出，数据间的关联并不一定反映因果关系，遗漏变量可能是造成虚假相关的原因。因此，在解读数据与现象之间的联系时，应保持审慎，并寻找更多证据支持结论。

人类大脑天生善于识别模式，这使我们在日常生活中倾向于寻找因果关系，甚至在缺乏实际联系的情况下也试图建立联系。这种倾向导致了对“幸运”物品的依赖，尽管理智上知道它们并无实际效果，但期望和对世界认知的需求驱使我们寻求关联。例如，在MMR疫苗与孤独症的争议中，尽管科学证据否定两者间的因果关系，家长的情绪可能会影响他们解读数据，进而产生错误的观点。人们倾向于寻找支持自己预设立场的证据，而忽视可能存在的遗漏变量，这种实证性偏见可能导致认知偏差。因此，在处理数据和理解关系时，应保持开放思维，警惕混淆关联性和因果性，避免情绪干扰我们的判断。

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

民意调查中误差范围是一个关键因素，它反映了结果的不确定性。例如，彭博社的一项投票显示杰布·布什领先斯科特·沃克，但误差范围为±4.4%，这意味着实际支持率可能相反，是布什落后于沃克。误差范围来源于统计学，用来衡量随机性和研究中的不确定性，并非绝对的支持度界限。

抽样调查的设计对误差范围有直接影响。样本的大小和选择方法决定了我们能否准确地反映总体情况。更大的样本通常能提供更小的误差范围，但增加样本量也会提高成本。因此，研究人员需要权衡样本大小与研究的成本效益，确保结果具有足够的代表性。

在分析数据时，我们要理解统计显著性并不意味着100%的正确性。例如，当p值小于0.05时，我们说结果是统计上显著的，但这仅表示结果可能是真实的，而不是绝对无疑的。此外，抽样误差是一个重要的概念，它指出即使从同一总体中抽取相同大小的样本，也可能得到不同的结果。这强调了抽样设计和样本功效在推断研究结果中的重要性。

置信区间是评估科学研究结果可信度的一个工具。它给出了一个范围，在这个范围内，真实值出现的概率较高。置信水平则反映了我们对数据测量正确性的信心程度。然而，媒体报道往往忽视这些概念，导致公众难以全面理解研究的复杂性和不确定性。例如，关于含糖饮料与肥胖症的研究，原始报告中的置信区间可能被简化或省略，使得读者无法充分了解关联的程度和实际意义。

效应尺度是另一个重要的考量因素，它帮助我们理解发现的实际影响。相关性并不足以说明问题，我们需要知道这种关系的强度，比如降低风险的具体百分比。即使研究结果显著，如果实际生活中的影响微不足道，那么这个发现对我们的日常生活就可能没有太大的指导意义。

综上所述，理解民意调查中的误差范围、抽样设计的重要性、统计显著性的局限性、置信区间和效应尺度，能帮助我们成为更成熟的数据消费者。面对各种信息时，我们要学会批判性思考，评估数据的价值，并据此做出明智的决策。

第五章 眼见真的为实吗？我们信仰统计学

教育评估中的数据真实性是重要议题。在“维加拉诉加利福尼亚”案中，法院依据学生测试成绩评价教师教学效果，但这些数据的可靠性受到质疑。专家伯利纳给出的不称职教师比例（1%~3%）基于个人估计且未经证实，这强调了教育评估应建立在可靠数据基础上，避免不确定估算影响决策。

数据可视化可能带来误导。例如，圆表示数据时，面积和直径差异会影响观众理解。直径更能突出差异，而面积可能显得均衡。视觉图形如图表能增强信息可信度，但也可能导致人们过度信任不准确的信息。餐馆菜单图片、商业广告中的形象等都体现了图像背后的意图，可视化结果可能忽视过程，影响深入理解。

数据可能存在误导，如汽车油表显示油箱为空但还能行驶几公里，商家故意提供错误信息。假新闻如17000名英国男子怀孕的例子指出数据错误可能源于编码失误。食品标签、网评造假、零脂肪食物标注等问题也反映了误导性数据的存在。理解“保质期”等隐藏含义对于避免混淆至关重要。

投资者也可能因误解数据而做出错误决策，如因谷歌收购Nest消息的误读导致购买错误股票。这强调了正确解读数据的重要性，尤其是在投资决策中。

综上所述，无论是教育评估、信息可视化还是投资决策，我们都应关注数据的真实性、准确性和深层含义，以避免被误导并作出明智判断。

第六章 非洲为什么会变小？歪曲与曲解

摘樱桃法则，这个概念源于筛选数据时只选取符合期望结果的部分，而忽略其余信息，以此来支持特定观点。餐馆老板和房东是这一现象的典型例子，他们分别从不同角度描述餐厅客流量，得出截然不同的结论。这种选择性偏误在统计学中被提及，它可能导致对数据的误解，影响我们对现实的理解。

文章通过实例揭示了数据筛选如何操纵我们的认知。比如，名人去世的时间、体育比赛中的统计数据以及房价变化等都被用来说明筛选数据如何塑造我们对世界的看法。政客和广告商常常利用数据筛选来达到自己的目的。政治竞选中，信息会被精心挑选以支持候选人的形象，如杜卡基斯的案例就展示了这种信息操控对选民的影响。广告中更是充斥着经过筛选的数据，强调产品的优点，比如某品牌可能只展示其产品在一项特定测试中的优异表现，而忽略其他不利数据。

文章提醒读者，在面对数据时要保持警惕。这意味着要仔细阅读小字、理解数据的选取标准、检查是否有缺失的信息、避免对单个数字过度解读，以及质疑数据来源的动机。这些步骤有助于我们做出更为明智的决策，不受筛选过后的数据所误导。例如，当看到一家公司声称其产品在市场上的份额增长了20%时，我们应该深入研究这个数据背后的具体情况，比如这个增长是基于怎样的时间范围、与哪些竞争对手相比，以及是否存在其他可能影响市场份额的因素。

总的来说，摘樱桃法则揭示了我们在处理信息时可能会遇到的陷阱。它提醒我们，数据并非总是客观和全面的，而是常常被有目的地挑选和解读。因此，我们必须学会批判性思考，深入分析数据，才能在信息海洋中找到真相，做出基于全面理解的决策。

第七章 筛选数据需要“摘樱桃法则”：疯狂筛选

预测未来是一项复杂任务，即使基于历史数据和详尽信息构建模型，也存在未知因素导致偏差。不可预见事件如铁路费用变化、政策法规影响或物种基因突变可能扰乱预测。数据筛选、遗漏变量等问题也可能影响预测准确性。预知与预测有别，前者要求精确预言，后者基于概率估算。模型误差、人为因素和时间推移带来的意外情况增加不确定性。预测未来并非易事，需考虑多种不确定性和潜在偏误。

正确理解预测意味着它能缩小结果不确定性，使可能性更集中。然而，人们往往追求确定性而忽视预测中的不确定性。经济学家明白他们的工作是规划而非精确预测。例如，社会保障系统预测基于多种可能情境。实际政策效果即使符合预期范围，也可能因未达简单期望引发不满。抛硬币示例显示理论与现实差异：最可能发生的事未必发生，多次实验接近理论概率，但小样本可能产生偏差。

对冲基金是投资工具，定义、策略和投资者资格各有要求。预测市场走势的准确性取决于数据质量。尼尔·伯杰认为历史数据不足以准确预测股市走向。对冲基金虽有时提供更好的风险调整收益，但不总比股票市场表现更好。长期资本管理公司失败案例揭示预测风险重要性。

对冲基金经理高额薪酬受批评，尽管2015年收入减少，但前25人仍赚得116.2亿美元。谈判中预测能力至关重要，了解备选方案能占据优势。预测受限于结果可能性范围，即便两种可能，民调也可能出错，如1948年杜威竞选美国总统的民调失误。

理解预测复杂性及其影响因素关键，如数据问题、模型选择和心理因素等。预测未来基于历史数据或模型理解，但数据错误会影响准确性。存在确定性和可能性两种预测类型，理解差异有助于分析内容。正确理解术语如概率、风险和比率至关重要，因为它们在不同领域可能含义不同。心理因素如自负、恐惧也影响预测结果。

预测相关知识包括理解术语重要性、随时间变化的预测准确性和接受一定程度不确定性的必要性。文中引用经济学家、地震学家、预言家和保险公司高管等例子，强调相同词汇在不同群体中的差异。棒球赛预测示例说明更多数据使预测更精确，基因药物进步帮助我们进行长期健康预测。尼尔·伯杰观点强调生活中总是存在不确定性，我们必须尽力做出最好的判断。尤吉·贝拉的名言进一步突出了预测未来的困难。

第八章 为什么福岛事故是可以预防的：预测未来的技术

各种统计学和数据相关的概念，如合计数据、平均值、大数据等，还提到了双变量关系、因果性、偏差以及预测的相关性。内容涵盖了从基本的数据定义到复杂的统计分析方法，帮助读者理解如何处理和解读不同类型的信息。



数据的真相