身边的统计学

　　《身边的统计学：AI时代的统计思维普及课》是一本统计学科普读物，引入人们身边的多个趣味故事，将统计学看似复杂的知识用通俗易懂的方式呈现，让没有任何基础的读者也能轻松理解。本书从统计学的基础知识讲起，结合多个生活中的故事带领读者学习统计学的核心知识，并展望其在新时代背景下的特征和前景，从而让读者建立初步的统计思维，并用其判断和分析实际问题。通过阅读本书，读者会发现统计学其实距离人们并不遥远，也没有那么难，它与人们的日常生活息息相关。《身边的统计学：AI时代的统计思维普及课》共9章，分为3篇。第1篇基础知识，涵盖的主要内容有统计学简介、数据的基本特征、样本及其可能存在的问题等；第2篇统计分析实践，涵盖的主要内容有常用描述性统计分析方法、假设检验的基本步骤、推断性统计预测、统计决策的注意事项等；第3篇前景展望，涵盖的主要内容有大数据技术赋能后和智能化应用场景下的统计学展望以及统计预测等。《身边的统计学：AI时代的统计思维普及课》故事丰富，趣味性强，代入感强，特别适合没有任何基础的统计学初学者阅读，也适合各行各业想建立基本统计思维的人及数据分析爱好者阅读，还适合作为统计学科普读物供相关爱好者阅读。

暂缺《身边的统计学》作者简介

第1章.懂点统计学，能更明事理 /  002
1.1 引言 /  002
1.2 有助于正确地了解自己 /  004
1.3 误用统计学方法可能造成伤害 /  005
1.4 让你的行为合理地谨慎 /  008
1.5 揭开谜团，发掘真相 /  011
1.6 看清真相，防止被蒙 /  012
1.7 同样的数据，不同的结论 /  013
第2章.认识统计数据的各种特征 /  016
2.1 迷人的数据无处不在 /  017
2.1.1 数据是推动创新的一股力量 /  017
2.1.2 数据是发掘真相的一把钥匙 /  018
2.1.3 数据是探索未知奥秘的导航 /  018
2.2 多种多样的来源 /  019
2.3 初探数据的特征 /  020
2.3.1 数据分类 /  021
2.3.2 能表述性质的数据 /  022
2.3.3 有数量意义的数据 /  022
2.3.4 定量数据与定性数据的关系 /  024
2.4 数据的内容质量 /  025
2.4.1 数据是否真实 /  025
2.4.2 数据是否准确 /  026
2.4.3 与目标是否相关 /  027
2.5 数据的安全隐患 /  028
2.6 数据的使用与分析 /  030
第3章.弄清楚可能存在的样本问题 /  032
3.1 吸烟30年的他为何身体超级棒 /  032
3.1.1 吸烟又健康的王爷爷 /  032
3.1.2 一般性结果不排除有特例 /  034
3.1.3 全方位考察一下特例 /  035
3.1.4 需要怎样检验特例 /  037
3.2 你相信吃巧克力能减肥吗 /  038
3.2.1 感觉反常识吗 /  039
3.2.2 风靡全球的报道 /  040
3.2.3 使用化名的作者 /  040
3.2.4 研究过程是这样的 /  041
3.2.5 问题出在哪里 /  042
3.2.6 类似的形形色色的研究 /  043
3.2.7 警惕那些小样本研究 /  045
3.2.8 警惕只说结论的新奇观点 /  046
3.3 到底能不能“开灯睡觉” /  047
3.3.1 媒体说的好可怕 /  047
3.3.2 那个统计靠谱吗 /  048
3.3.3 追根溯源看一看 /  049
3.3.4 样本好像不对劲儿 /  050
3.3.5 原作者也承认样本有问题 /  051
3.3.6 证据无效，晚上睡觉踏实了 /  052
3.4 哪里安装钢板能降低飞机被击落的概率 /  052
3.4.1 哪些部位更脆弱 /  053
3.4.2 关于选取样本和推论的不同声音 /  055
3.4.3 有偏差的样本会导致错误的结论 /  056
3.5 样本越多越准确吗 /  057
3.5.1 用200多万的样本量，预测结果怎么失败了 /  057
3.5.2 便利性样本自然导致有偏差的结果 /  059
3.5.3 网络时代就能充分覆盖全部目标人群了吗 /  060
3.5.4 Z时代样本对象选多了吗 /  061
3.6 小结：看穿样本 /  064
第4章.看透用什么方法分析数据 /  066
4.1 京港澳少年儿童绘画大赛为什么通过投票评比 /  067
4.1.1 投票结果决定是否获胜 /  068
4.1.2 喜欢猫咪的人多还是喜欢狗狗的人多 /  069
4.2 新冠病毒的潜伏期究竟是14天还是24天 /  070
4.2.1 什么是中位数 /  072
4.2.2 如何使用中位数 /  073
4.3 为什么拖后腿的总是我 /  073
4.3.1 你的工资被入统了吗 /  074
4.3.2 使用了什么样的工资统计口径 /  076
4.3.3 谁说平均工资是大多数人的工资 /  077
4.3.4 谁拉高了普通人的平均工资 /  077
4.3.5 求职时别被平均薪酬忽悠了 /  079
4.3.6 再看到平均数先要扪心三问 /  080
4.4 平均年增长率怎么计算更合适 /  081
4.4.1 更符合实际的均值计算方法 /  083
4.4.2 买基金，看清收益率 /  083
4.5 想要的究竟是稳定还是刺激 /  084
4.5.1 如何才能找个更准点到达的公交车 /  084
4.5.2 哪位同学更可能逆袭考上重点高校 /  087
4.6 哪位学生候选人的支持率更高 /  088
4.6.1 美国的学校录取新生存在性别歧视吗 /  091
4.6.2 辛普森悖论现象是如何发生的 /  093
4.6.3 如何才能避免出现辛普森悖论 /  094
4.7 冰淇淋会导致犯罪？这纯属巧合 /  095
4.7.1 存在相关性，但违背常识 /  095
4.7.2 不卖冰淇淋就没有犯罪了吗 /  096
4.7.3 什么是相关性分析 /  097
4.7.4 小明外出与手机使用时间的关系 /  098
4.8 国内最安逸城市排名遭质疑 /  099
4.8.1 数据能够支持结论吗 /  100
4.8.2 数据之间的差距显著吗 /  101
4.9 生活中常遵循的钟形分布曲线 /  102
4.9.1 股市只有5%的人赚钱 /  103
4.9.2 身高的正态分布 /  105
4.9.3 选择吃什么晚餐 /  105
4.9.4 考试成绩分布 /  106
4.9.5 小结 /  107
4.10 英语学得好的人为什么法语和西班牙语也学得好 /  107
4.10.1 语言学习者的特征 /  108
4.10.2 制订个性化英语学习方案 /  109
4.10.3 学霸为什么门门功课得A /  110
4.10.4 足球踢得好，打篮球也不差 /  112
第5章.别忘了要进行数据检验 /  114
5.1 做奶茶先放奶还是先放茶 /  114
5.1.1 奶茶味道的测试检验 /  115
5.1.2 为什么要喝8杯奶茶 /  116
5.1.3 怎么知道不是瞎猜的 /  117
5.1.4 品茶能力的显著检验 /  119
5.2 男生比女生数学成绩更好吗 /  119
5.2.1 数学成绩引发的性别困惑 /  119
5.2.2 关于男女成绩的假设检验 /  120
5.2.3 p值不代表成绩差异的大小 /  121
5.2.4 假设检验是必不可少的 /  122
5.3 智能手表电池续航时间像宣传的那么长吗 /  123
5.4 打不打疫苗被感染的概率问题 /  124
5.4.1 打不打疫苗感染的概率一样 /  125
5.4.2 新疫苗产品的有效性检验 /  126
5.4.3 辉瑞疫苗的保护率解读 /  127
第6章.谨慎使用统计结果作决策 /  129
6.1 看着好看的统计结果 /  129
6.1.1 有技巧地描述数据 /  130
6.1.2 投资回报率同比增长200% /  132
6.1.3 价格上涨幅度大吗 /  132
6.1.4 图表显示变化很大 /  133
6.1.5 结语 /  137
6.2 被统计数据误导的决策 /  137
6.2.1 就诊时间怎么增加了 /  137
6.2.2 减少促销合适吗 /  139
6.3 统计口径谎言——两个第一 /  140
6.3.1 谁才是第一名 /  140
6.3.2 两个第一不奇怪 /  143
6.4 忽略基数规模差异的把戏 /  145
6.4.1 哪个品牌的电动车更加可靠 /  145
6.4.2 投诉率高的产品一定差吗 /  147
6.4.3 仅比较增长率是不客观的 /  149
第7章.基于大数据技术赋能的统计学 /  154
7.1 大数据的威力 /  154
7.1.1 大数据的新特征 /  155
7.1.2 大数据分析的高速度 /  156
7.1.3 大数据的统计新思路 /  157
7.2 大数据预测 /  158
7.2.1 谷歌流感趋势预测——大数据预测是可行的 /  159
7.2.2 数据量大不等于完整——也可能存在系统误差陷阱 /  160
7.2.3 利用相关数据预测应小心陷阱 /  162
7.3 大数据也会“垃圾进入/垃圾输出” /  164
7.3.1 不要过度依赖大数据 /  164
7.3.2 大数据清洗非常重要 /  165
7.4 不被数据算法控制而变“疯魔” /  168
7.4.1 那是算法陷阱惹的祸 /  168
7.4.2 信息茧房是怎么建成的 /  170
7.4.3 算法偏差和算法歧视 /  172
7.4.4 如何挣脱数据算法的控制 /  174
第8章.基于智能化应用场景的统计学 /  176
8.1 学哪个专业未来更有前途 /  176
8.2 探索两个学科的起源 /  178
8.3 人工智能的本质是精装版的统计学吗 /  179
8.4 数据是统计学和人工智能的共同基础 /  181
8.5 人工智能比统计学使用的数据更丰富 /  183
8.6 统计学与人工智能之间相距千万里 /  184
8.7 统计学与人工智能使用数据的方式不同 /  186
8.8 人工智能专业为什么要学好统计学 /  188
第9章.统计预测照亮未来之路 /  191
9.1 生活中时常发生预测 /  191
9.2 父母身材高，孩子以后会长多高 /  193
9.3 受教育程度不同，未来的收入差多少 /  195
9.3.1 多读一年书到底能带来多少收入 /  195
9.3.2 高学历必然得到高工资吗 /  198
9.3.3 历史可能会重演 /  201
9.4 哪年是毕业生最难的就业季 /  202
9.5 篮球得分预测需要不断地调整 /  205
9.6 人工智能技术使统计预测更准吗 /  206
9.6.1 将曾经的不可能变为可能 /  206
9.6.2 大数据助力现代预测 /  210
9.6.3 人工干预相对少 /  211
9.6.4 始终保持批判性 /  211