統計的藝術:如何從數據中了解事實,掌握世界 The Art of Statistics: Learning from Data

David Spiegelhalter 著 羅耀宗 譯

買這商品的人也買了...

商品描述

#英國Amazon網站1,700多位讀者,四顆半星強力推薦!

#英國劍橋大學統計學權威,帶給你最有趣、最有價值的統計思維

 

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。

本書的作者,英國劍橋大學的統計學權威大衛.史匹格哈特(David Spiegelhalter),十分擅長利用統計學說故事,而且概念清晰,盡量不談技術性的細節,他將統計學當中極易混淆的觀念,例如平均數和中位數、標準差、隨機試驗、母體、迴歸模型、隨機變數、預測區間和信賴區間、假說檢定(偽陽性、偽陰性問題)、P值、貝氏方法等等,以生動的實例和圖表,一步步清楚說明。

這本書也強調,統計學應該要教「PPDAC問題解決循環」,即「問題計畫資料分析結論及溝通」。先從定義問題開始,再制定計畫,包括要測量什麼、如何測量,然後要收集資料,根據計畫展開統計分析,最後決定適當的結論,並清晰準確地溝通給外界知道。

正如一句名言所說的:「所有的模型都是錯的,但有些模型有用。」雖然統計的模型並不完美,但是如果我們想要得出一些結論,在數據的洪流當中增進對這個世界的理解,這些模型還是有幫助的。

作者強調,統計學對於已知的事實作匯總,對於未知的不確定性作出估計,最後應該以謙遜的態度,說明我們能從資料中得到什麼,不能得到什麼要抱持小心審慎的態度,包括對於各種媒體報導的數據和說法,進行審慎的判斷

本書對於統計學及其廣泛的應用作了深入解讀,讀這本書,你會對統計學產生興趣,知道統計學在做什麼,以及如何應用到實際問題上,還有統計學這門學問的美妙精髓與限制,這些將是讀者珍貴的收穫。

作者簡介

作者簡介

大衛.史匹格哈特David Spiegelhalter
大衛.史匹格哈特爵士是英國的統計學家,劍橋大學統計實驗室(Statistical Laboratory)的溫頓風險與證據溝通中心(Winton Centre for Risk and Evidence Communication)主任。他是他所鑽研領域中最常被引用、且最具影響力的研究工作者之一,並獲選為2017-18年皇家統計學會(Royal Statistical Society)總裁。

譯者簡介

羅耀宗
台灣清華大學工業工程系、政治大學企業管理研究所碩士班畢業。曾任《經濟日報》國外新聞組主任、寰宇出版公司總編輯。所著《Google:Google成功的七堂課》(The Seven Success Lessons from Google)獲中華民國經濟部中小企業處九十四年度金書獎。另著有《第二波網路創業家:Google, eBay, Yahoo劃時代的繁榮盛世》(Netpreneurs 2.0)。譯作無數,包括《一課經濟學》、《選擇的自由》等。現為財金、商業、科技專業自由文字工作者、《哈佛商業評論》全球中文版特約譯者。

目錄大綱

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