统计数据会说谎 中信出版社 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

（美）达莱尔·哈夫 著

图书标签:

• 统计学
• 数据分析
• 批判性思维
• 谎言
• 欺骗
• 概率
• 误导
• 真相
• 社会科学
• 科普

店铺： 中信出版社官方旗舰店

出版社： 中信出版集团

ISBN：9787508682143

商品编码：22774670785

品牌：中信出版（Citic Press）

包装：软精装

开本：32开

出版时间：2018-01-01

用纸：胶版纸

页数：176

正文语种：中文

世界上有三种谎言：谎言、弥天大谎和统计数据。
统计思维与读写能力一样，是帮你了解真实世界的必备技能。
本书帮你会看图表，会做比较，分辨虚实真假的统计数据，
拨开媒体、销售员、广告文案向你抛来的数据迷雾，
是揭露“虚假数据”的有力武器。
整数总是有问题。
无论什么时候你都不能怪我不说实话。这就是利用统计学撒谎的奥妙所在。
在没有重要数据的情况下，千万不要轻易相信一个平均数，一张图表，或是一条趋势线。否则你就会像一个只凭平均气温选择露营地的人一样盲目。
图表说明的是统计学家能“从包中掏出任何他想要的东西”。
让我们陷入困境的并非我们不知道的东西，而是我们知道但并不正确的东西。

这本书是美国统计专家达莱尔.哈夫的传世之作，该书引发的“编造虚假信息”话题受到美国社会持续普遍的关注和美国*威媒体的激烈争论。书里面大胆地揭露了至今仍然被销售员、广告撰稿人、记者甚至专家频频使用的大量的统计操纵技巧，同时还配有别具一格的风趣插图以及众多幽默的案例。神秘的统计学在这里被哈夫像讲故事一样一一道来，莞尔一笑中让你知晓深奥的统计学基本原理，掌握揭露“虚假数据”的*有力武器……

自50年代出版以来，此书不断再版，并被翻译成多种文字，在世界的影响力持久不衰，被誉为美国商业人士、研修人员的重要入门必修书之一。

达莱尔.哈夫，美国统计专家。1913年出生在美国爱荷华州，毕业于爱荷华州立大学（the State University of lowa）,获得学士学位和硕士学位，在此期间他由于成绩优异加入了美国大学优等生的荣誉学会（Phi Beta Kappa），同时还参加了社会心理学、统计学以及智力测验等研究项目。达莱尔·哈夫的文章多见于《哈泼斯》、《星期六邮报》、《时尚先生》以及《纽约时报》等美国*媒体。1963年，由于他的贡献被授予国家学院钟奖（National School Bell ）。

我的岳父从艾奥瓦州搬到加利福尼亚州没几天，就对我说：“这个地方的犯罪事件太多了！”他所读的报纸的确报道了许多犯罪事件。这份报纸从不放过报道当地的任何一起犯罪事件，而且以注重报道谋杀案闻名，其详尽程度超过了艾奥瓦州的任何一家大型报社。
我岳父的这一结论属于非正式统计。这个统计基于一个明显带有偏差的样本。与其他许多较为规范的统计一样，这个统计也存在虚假的成分。因为这个统计认为报纸上报道犯罪事件版面的大小是衡量犯罪率高低的标准。
几年前，十几位调查人员分别发表了一份关于抗组胺剂药物的报告。每份报告都表明，服用该药物后感冒会明显好转。紧接着就是各种各样的渲染，至少广告商是这么干的，于是这种药物被大量生产。造成这一结果的原因是人们一直对药物有着大量需求，也从未越过统计学去了解自己早已知道的事实。正如亨利·G·费尔森（Henry G. Felsen，他是一位幽默作家，但绝不是医学专家）很久以前所说的，适当的治疗可使感冒在七天之内痊愈，但如果任其自然发展，感冒则会持续一个星期。
那么，你读到和听到的事情大多也是如此。那些平均数、各种关系、趋势图以及图表并不总是一致。你所看见的未必是真实情况，事实上这些数据要么被过于夸大，要么被隐瞒。
在如今用事实说话的社会中，统计这种神秘的语言是如此诱人，但它却被人弄成了耸人听闻、华而不实、迷惑不清且过分简单的东西。在报道社会和经济趋势、商业状况、民意调查、普查时要用到大量数据，此时统计方法和术语就不可或缺。但是，如果作者们不能诚实报道甚至根本没有理解这些统计词汇，读者也就无法明白作者所说的内容，那么这些统计结果就只能是无稽之谈。
如今科普读物很受欢迎，但这些书籍往往滥用统计数据，这让人联想到这样一幅场景：灯光昏暗的实验室里，一个穿着白大褂的人忙得天昏地暗，还没有加班费，正如“加一点粉末，再加一点颜料”，这样的统计数据把许多重要的事实搞得面目全非。一个精心包装过的统计结果比希特勒的弥天大谎还要厉害，因为它虽然误导了你，但你还没法去指责它。
在教人如何用统计“行骗”的同类书籍中，这本书只能算是初级读本。它看起来像是一本“骗子指南”。也许我可以为这本书稍做辩解：这就好比一个洗手不干的窃贼出了一本回忆录，书中描述了如何能不出声地撬开门锁，其水平之高让研究生都佩服。既然“骗子”都已经熟练掌握了这些诡计，老实人又怎能不学来用于自卫呢？

《数字背后的真相：如何像数据科学家一样思考》 内容简介 在这个信息爆炸的时代，我们每时每刻都被海量的数据所包围。无论是商业决策、政策制定，还是日常生活的选择，数据分析似乎成了万能的钥匙。然而，正如我们所知，数字并非总是客观、中立的。它们可以被巧妙地操纵、误读，甚至被用作误导的工具。如果不对数据背后的逻辑和方法论有深刻的理解，我们很容易被表面的统计数字所蒙蔽，做出错误的判断。 本书《数字背后的真相：如何像数据科学家一样思考》，正是一部旨在揭示数据分析深层逻辑、培养批判性思维的实战指南。它并非一本枯燥的统计学教科书，而是一部深入浅出、充满案例的思维工具箱，旨在帮助每一位读者——无论你是否是专业的数据分析师——学会“读懂”数据，而非仅仅“相信”数据。 本书的核心理念在于，统计数据本身没有立场，但解读数据的人有。数据的呈现方式、收集过程、选择的角度，无不渗透着设计者的意图和潜在的偏见。要真正掌握数据，我们必须从源头开始审视。 第一部分：数据采集的陷阱与偏差的构建 数据是分析的基石，然而，基石本身可能就是倾斜的。本部分将详细剖析数据收集过程中最常见的“隐形陷阱”。 1. 抽样的艺术与欺骗： 我们将探讨“随机抽样”的理想状态与现实操作之间的巨大鸿沟。什么是“代表性样本”？当样本量不足或选择性偏差（Selection Bias）出现时，如何通过一个精心设计的问卷或调查，让结果指向任何你想要的方向？通过对历史经典案例的剖析，读者将学会辨别那些“看起来很科学，实则很武断”的抽样方法。 2. 测量的失真： 很多时候，我们试图量化的概念（如“幸福感”、“工作效率”）本身就是主观的。本章将深入研究测量工具的设计缺陷，探讨“观察者效应”（Observer Effect）如何影响数据的真实性。例如，一个模糊不清的定义如何导致不同人得出完全相悖的结论。 3. 幸存者偏差的迷雾： 为什么我们总是听到成功者的故事，却忽略了成百上千的失败者？幸存者偏差是信息世界中最普遍的逻辑谬误之一。本书将通过金融市场、创业案例等多个领域，展示如何识别那些因为“信息缺失”而产生的误导性结论。 第二部分：可视化——美化事实的视觉语言 在现代社会，图表比文字更有说服力。数据可视化是连接复杂数据与大众理解的桥梁，但它也是最容易被滥用的工具。 1. 刻度线的魔术： 本部分将揭示图表设计中常见的欺骗手法，从不从零开始的Y轴，到被故意拉伸或压缩的X轴。我们将展示如何通过简单的坐标轴调整，将微小的变化夸大成革命性的突破，反之亦然。 2. 选择正确的图表类型： 饼图、柱状图、散点图、面积图……每种图表都有其最适用的场景。不恰当的图表选择不仅无法清晰传达信息，更可能扭曲数据间的关系。我们将深入分析何时使用对数尺度，以及如何避免通过三维或阴影效果来转移观众对核心数据的注意力。 3. 叙事性与客观性的平衡： 图表应该讲述事实，但“讲述”本身就是一种选择。本章探讨如何控制信息的呈现顺序和突出重点，以构建一个“有倾向性”但又不至于“完全虚假”的数据叙事。 第三部分：相关性、因果性与伪装的逻辑 这是数据分析中最具挑战性也最容易引发误判的领域。人们天生倾向于将相关性等同于因果性，而这正是统计陷阱的核心所在。 1. 相关性的陷阱（Correlation vs. Causation）： 本部分将用大量生动幽默的案例，例如“冰淇淋销量与溺水人数的同步增长”，来阐释“第三变量问题”（The Third Variable Problem）。我们不仅要问“A是否导致了B”，更要追问“是否存在一个未被观察到的C，同时影响了A和B？” 2. 回归分析的边界： 回归模型是预测的有力工具，但其有效性严重依赖于模型设定的假设是否成立。我们将审视“过度拟合”（Overfitting）的危险——一个完美解释了过去数据却对未来毫无预测力的模型。同时，深入探讨外推法的风险，即当我们将模型结果应用到超出原始数据范围的情景时，会发生什么。 3. 概率思维与风险的评估： 在不确定的世界里，我们必须学会用概率来思考。本书将教授读者如何理解P值（P-value）的真正含义，如何解读置信区间，以及如何理性地评估风险，而非被那些“极小概率事件”的耸人听闻的宣传所左右。 第四部分：数据伦理与批判性思维的养成 最终，理解数据分析的本质，是培养一种健全的批判性思维习惯。 1. 隐藏的假设与价值判断： 每一个数据模型都是建立在一系列“假设”之上的。这些假设往往是无形的，却决定了模型的输出方向。本书引导读者深入挖掘研究背后的经济动机、政治倾向和文化预设。 2. 如何提问正确的问题： 数据分析的价值不在于回答已知的问题，而在于提出更有深度的问题。我们将提供一套提问清单，帮助读者在面对任何数据报告或统计结果时，能够系统性地进行解构和质疑。 3. 从被动接受到主动探究： 本书的最终目标，是帮助读者从一个被动的数据消费者，转变为一个积极的数据探究者。只有当我们习惯于探究数据的来源、处理方法和潜在的漏洞时，我们才能真正驾驭数字世界，而不是被它所奴役。 适用读者群： 本书面向所有对信息质量有要求的人士，包括企业管理者、市场营销人员、政策制定者、记者、学生，以及任何渴望在日常生活中做出更明智决策的普通读者。它将教会你如何识别那些试图用数字来“忽悠”你的信息，并为你提供一套坚实的工具，去发掘数字背后隐藏的、更接近真相的叙事。读完此书，你将不再轻易地相信任何一张图表、任何一个百分比，因为你已经学会了像一个真正的“数据侦探”一样去思考。

评分☆☆☆☆☆

最近我一直在反思，我们是如何被各种“数据”所影响的。从新闻里关于经济趋势的报道，到营销广告中“XX%的用户首选”的宣传语，数据似乎无处不在，并且往往被用来作为“铁证”。然而，《统计数据会说谎》这本书，却为我揭示了数据背后可能隐藏的“冰山一角”。 这本书最吸引我的地方，在于它并没有从高深的统计理论入手，而是通过大量贴近生活的案例，来阐述数据可能存在的误导性。作者就像一个经验丰富的侦探，带领我们一起去“解剖”那些看似完美的数据报告，找出其中的破绽。我印象特别深刻的是关于“平均值”的讨论。很多时候，我们听到“平均收入”或者“平均寿命”，就以为这是对大多数人的真实写照，但作者却用生动的例子证明，一个极端的数值，就可能将平均值拉高或拉低，从而掩盖了数据的真实分布情况。 作者还深入剖析了“选择性呈现”和“因果关系错位”等常见的“数据陷阱”。他解释了，为什么有时候广告商会精心挑选对他们有利的数据进行宣传，而忽略那些可能损害其形象的信息。同时，他也让我们警惕那些将“相关性”误当“因果性”的简单推论。这让我意识到，我们不能仅仅因为看到了两个事物之间存在联系，就草率地下结论，而需要深入探究其背后的逻辑和可能存在的第三方因素。 更让我感到受益的是，作者提供了一系列实用的方法，来帮助我们提高对数据的辨别能力。他鼓励我们要质疑数据的来源，考察数据的收集方法，关注数据的呈现方式，以及思考是否存在潜在的利益驱动。这些建议，不仅仅是针对统计学专业的读者，对于每一个身处信息时代的人来说，都具有重要的指导意义。 总而言之，《统计数据会说谎》这本书，给我带来了极大的启发。它打破了我过去对数据的一些刻板印象，让我认识到，数字并非总是客观公正的，它们也可能被用来误导和操纵。读完这本书，我感觉自己像是获得了一双“洞察数据”的眼睛，能够更加理性、更加审慎地看待周围的信息，从而做出更明智的判断。这是一本值得反复阅读，并且会在生活中不断发挥作用的书。

评分☆☆☆☆☆

最近在书店里闲逛，偶然翻到了这本书，它的名字《统计数据会说谎》立刻抓住了我的眼球。我一直觉得，数据是冰冷而客观的，但这个标题却带着一丝挑衅，让我好奇到底是什么样的内容，会让人如此断言。我平时工作中也接触不少数据，但往往是照单全收，从未想过数据背后可能隐藏着“故事”。 在开始阅读之前，我脑海中勾勒出了各种可能性：或许是关于如何操纵数据以达到某种目的的书？或者是一些统计学的“陷阱”揭秘？但实际阅读起来，这本书的内容远比我预想的要丰富和深刻。作者没有直接抛出令人咋舌的“骗局”，而是以一种循序渐进的方式，引导我进入一个全新的思考维度。 书中对我影响最大的一点，是关于“关联性”和“因果性”的区分。我们常常会看到一些统计结果，说A和B之间存在很强的关联，然后就很容易将其等同于A导致了B。但作者用了一个非常巧妙的例子，说明了这种跳跃性思维的危险性。他让我意识到，很多时候，我们看到的关联，可能只是第三方因素在起作用，或者仅仅是一种巧合。这种对因果关系的审慎探究，让我对很多新闻报道和研究结论有了更警惕的看法。 而且，作者还详细地讲解了各种统计方法的潜在局限性，以及在实际应用中可能出现的偏差。比如，抽样方法的选择对结果的影响是多么巨大，甚至是无意识的偏见，都可能悄悄地扭曲数据的意义。他提供的不仅仅是“不该相信什么”，更重要的是“应该如何去审视”。这让我感觉自己不再是那个被动接受数据信息的人，而是能够主动地去质询和分析。 这本书的阅读体验非常棒，它没有枯燥的说教，也没有故弄玄虚的理论，而是通过层层递进的逻辑和恰到好处的案例，让读者在不知不觉中掌握了辨别数据谎言的“秘籍”。读完之后，我感觉自己对周围的数据信息有了更敏锐的嗅觉，看待问题的角度也更加全面和客观。它不仅是一本关于统计学的书，更是一本关于逻辑思维和批判性阅读的启蒙读物。

评分☆☆☆☆☆

这本书拿到手的时候，就被封面上那个充满悬念的标题吸引住了——《统计数据会说谎》。我一直觉得数据是很客观、很精确的东西，但这个标题却在质疑它的真实性，这让我产生了极大的好奇心。拿到书后，我迫不及待地翻阅起来，想着书中到底会揭示出哪些隐藏在数字背后的“谎言”。 初读时，我并没有立即被书中复杂的公式或模型所淹没，反而是被作者引人入胜的叙事方式所吸引。他仿佛是一位经验丰富的侦探，带领读者一步步深入那些看似无懈可击的统计报告，去发现其中的蛛丝马迹。我一边读，一边回想自己曾经接触过的各种数据，比如新闻报道中的民意调查，或者公司内部的业绩报告。以前，我总是全盘接受，现在则会下意识地去思考，这些数字是怎么得出来的？有没有可能存在某些偏差或误导？ 书中通过大量的案例分析，将抽象的统计概念变得生动形象。我印象特别深刻的是关于“平均数”的讲解。作者用一个简单却极具说服力的例子，展示了当数据极端值存在时，简单的平均数是如何“欺骗”我们对整体情况的判断。这让我突然意识到，我们在日常生活中，常常因为过度依赖某些表面的统计数据，而忽略了其背后的复杂性。这种“恍然大悟”的感觉，是阅读这本书过程中最令人兴奋的时刻之一。 更让我着迷的是，作者并没有止步于揭示问题，而是提供了很多实用的方法和工具，帮助读者提高对统计数据的辨别能力。他鼓励我们保持批判性思维，不轻信表面的数字，而是去探究数据的来源、采样方法、分析逻辑，以及可能存在的利益相关者。这不仅仅是一本关于统计的书，更像是一本关于如何更聪明地理解世界的指南。读完之后，我感觉自己仿佛拥有了一双“火眼金睛”，能够穿透数据迷雾，看到更真实的世界。 总而言之，《统计数据会说谎》这本书，以其独特的视角、严谨的论证和生动的案例，彻底改变了我对统计数据的认知。它教会了我如何审慎地对待每一个数字，如何从多个角度去解读信息，以及如何在信息爆炸的时代，保持独立思考的能力。这本书的价值，远不止于学术上的启迪，更在于它对我们日常生活和决策产生的深远影响。我强烈推荐给每一个想要更深入理解世界，或者对数据感到困惑的人。

评分☆☆☆☆☆

当我第一次在书架上看到《统计数据会说谎》这本书的时候，我脑海里立刻浮现出那些在新闻报道、广告宣传中充斥着的各种“惊人”的统计数字。我一直隐隐觉得，这些数字有时候似乎有些“太巧合”，或者说，它们所呈现出的结论，和我的直观感受有些偏差。所以，这本书的出现，就像是为我打开了一扇窗，让我看到了数据背后可能隐藏的复杂性。 作者在开篇就抛出了一个非常引人入胜的观点，他认为，数据本身是中立的，但解读数据的人，以及数据被呈现的方式，却往往会带有主观意图，从而导致“数据说谎”。这让我开始反思，我平常是如何对待那些被呈现出来的“事实”的。我是否总是轻易地就相信了那些用数字包装起来的结论，而忽略了去追溯它的源头和逻辑？ 书中的一个章节，深入探讨了“选择性报告”的问题。作者解释了，当一个研究或调查的结果不尽如人意时，发布者很有可能会选择性地突出那些有利的部分，而忽略那些不利的证据，甚至是用一些“经过美化”的数据来掩盖真相。这让我联想到很多商业报告或者产品推广，它们常常会强调“XX%的用户选择了我们”，但却很少告诉你，有多少人最终放弃了，或者有多少人对这个选择并不满意。这种“只报喜不报忧”的策略，无疑是一种典型的“数据谎言”。 而且，作者还花了很大的篇幅去讲解如何识别“幸存者偏差”。这真的是一个非常普遍但又容易被忽略的误区。我们常常会听到很多成功人士的励志故事，他们往往会分享自己的经验和方法。但如果我们盲目地模仿，却忽略了那些同样使用了这些方法但最终失败的人，那么我们很有可能就会走上错误的道路。这本书让我深刻理解到，在分析任何统计现象时，都要考虑到“未被看见”的部分。 总的来说，《统计数据会说谎》这本书，给我带来了非常深刻的启发。它不仅仅是在教我如何识别数据中的“猫腻”，更是在教我如何建立一种更加审慎、更加深入的思考方式。读完之后，我感觉自己对周围的信息接收和判断能力都有了质的提升，也更加愿意去探究每一个结论背后的真相。

评分☆☆☆☆☆

最近，我一直在思考一个问题，那就是在我们日常生活中，有多少信息是真正可靠的？尤其是在数字时代，各种数据充斥着我们的生活，从新闻报道到社交媒体，再到各种商业宣传，似乎都离不开统计数字。而《统计数据会说谎》这本书，恰恰就触及到了这个令人不安但又不得不面对的现实。 这本书的魅力在于，它没有直接将统计学变成一门枯燥的学科，而是用一种非常接地气的方式，剖析了数据是如何被“制造”和“误读”的。我印象最深刻的是关于“图表欺骗”的章节。作者列举了许多通过调整坐标轴、改变比例尺等方式，来扭曲数据直观呈现效果的例子。这让我意识到，即使是看似最客观的图表，也可能隐藏着操纵的意图。以前我看到图表，总是直观地相信，现在则会下意识地去审视它的细节。 书中对于“相关不等于因果”的解释，更是让我醍醐灌顶。我过去常常容易犯这样的错误，看到两个事物之间有联系，就想当然地认为其中一个导致了另一个。但作者通过一系列的分析，清晰地阐释了，很多时候，我们看到的“联系”，可能只是一个更深层的原因在背后起作用，或者仅仅是一种巧合。这种对逻辑严谨性的要求，让我在面对各种“关联性”的说法时，变得更加理性。 另外，作者还提到了“不准确的样本”是如何影响统计结果的。他强调了样本代表性的重要性，以及在抽样过程中可能出现的各种偏差，比如“幸存者偏差”或者“便利抽样”。这让我理解了，为什么有时候我们会听到一些与自己认知完全不同的统计结果，因为收集这些数据的方式可能本身就存在问题，导致其结果无法代表整体。 总的来说，《统计数据会说谎》这本书，是一本极具价值的读物。它让我认识到，在信息的海洋中，保持清醒的头脑是多么重要。它不仅教会了我如何识别数据中的陷阱，更重要的是，它培养了我一种批判性的思维能力，让我不再轻易被表面的数字所迷惑，而是能够深入探究其背后的真相。我真心认为，这本书对任何想要更好地理解世界，做出更明智决策的人来说，都是一本必读之作。

评分☆☆☆☆☆

不错不错，快又好

评分☆☆☆☆☆

没有介绍说的那么深奥。

评分☆☆☆☆☆

书很薄，一两天就能看完。通俗易懂。

评分☆☆☆☆☆

书很薄，一两天就能看完。通俗易懂。

评分☆☆☆☆☆

不错不错，快又好

评分☆☆☆☆☆

没有介绍说的那么深奥。

评分☆☆☆☆☆

没有介绍说的那么深奥。

评分☆☆☆☆☆

书很薄，一两天就能看完。通俗易懂。

评分☆☆☆☆☆

书很薄，一两天就能看完。通俗易懂。