文章出處：未來，統計學很有用
統計學有什麼用？可能在大多數人看來，它就是個枯燥的跟數字打交道的學科而已。
會讀書寫字，會說英語，對生活還有點幫助，會統計學，有什麼用武之地呢？
但是你想過沒，倒退個幾十年，什麼開車，什麼電腦，也都沒有用。
所以，換個角度想，統計學，或許就是你進入下一個時代的入口。
那統計學到底有什麼用，怎麼用呢？
解讀版電子書《赤裸裸的統計學》的作者從書裡給我們做了一個總結。
我們先來說說統計學有什麼用。
第一，它可以協助警察來管理治安。
《紐約時報》曾經有過這樣一篇報導：美國有個小鎮叫聖克魯斯，當地的警察局發現，
大多數暴力犯罪都是團伙作案，而且作案手法和作案時間都很有規律。
於是，他們就請來了兩位數學家、一位人類學家和一位刑事學家，
讓他們一起設計一套電腦程序來預測下一次犯罪的時間和地點。
結果這些人還真做成了這個程序，把以往的案例都輸進去之後，
果真就預測出：鬧市區的某個停車場即將有案件發生。
警方按照程序計算的時間趕到了這個停車場，
果然當場逮捕了兩個正在偷瞄車窗的女人，阻止了一起汽車盜竊案的發生。
這兩個人裡，一個是警察局的常客，另一個身上還帶著毒品。
第二，它可以給你的生活提供一些小竅門。
比如說，幫你快速找到一個商場的入口啊，幫你快速判斷一個學校裡學生的成績啊等等。
統計學裡有個概念叫正態分佈，意思是說，
數據的分佈就像一個鐘罩的形狀，總是兩邊低，中間高，大部分數據都在平均數附近。
那商場附近停著的車的數量也是呈正態分佈，
也就是說，正對商城入口的地方車最多，越往兩側，車的數量就越來越少。
所以，當你來到一家陌生的商場的時候，找到入口最快的方法就是哪車多就去哪。
那既然數據是對稱地分佈在平均值附近的，
如果你想知道一個學校所有學生的平均成績，
只需要掌握正確的樣本抽樣方法，選對100個人，就能算出所有學生的平均成績了。
第三，它可以協助醫學找出病因。
比如說自閉症。以往的各種調查研究都把自閉症的原因指向什麼超聲波、疫苗啊等等。
但是統計學發現，跟這些原因相比，自閉症跟大腦的腦容量關係更密切。
研究人員經過統計發現，自閉症兒童的腦容量幾乎要比一般兒童高出10%。
所以說，自閉症很可能就是腦容量的差異造成的。
但是，統計學也是把雙刃劍。大多數人都有這樣一個認知：精確的就是準確的。
統計學都是數字，數字那麼精確，那統計學就應該可信。
但事實是，如果你沒有抓對數據的要義，就很可能被它騙。
馬克吐溫說過這樣一句話，“謊言有三種：謊言、該死的謊言，以及統計學”。
下面就說說統計學是怎麼欺騙我們的。
先舉個例子。如果我跟你說，今年國家稅收裡，
用來支持肺結核養老院的金額比例上升了527%，你的第一反應肯定是，怎麼給這麼多錢！
我要抗議！但是我告訴你，實際增長的數額連一個三明治都買不來。
之所以會出現增長527%，是因為原來的基數實在是太小了。
再有，說美國2013年軍費開支增長了4%。 4%不多吧，
但是考慮到基數是7000億美元，4%就是280億美元，
這比NASA的全部預算還要多，相當於美國勞工部和財政部預算的總和。
所以說，如果你單看統計學的的某個數字，很可能是片面的，甚至是有欺騙性的。
下次，如果你的老闆跟你說，“新一年每人將加薪10%”，
你心裡要明白，老闆增加的薪水很可能是你的20倍哦。
再舉個例子。一家酒吧里坐著10位顧客，他們的年收入都是3.5萬美元，平均下來還是3.5萬。
這個時候，比爾·蓋茨走了進來。
假設蓋茨當時的年收入是10億美元的話，
這個酒吧裡顧客的平均年收入就上升到了9100萬美元。
但是你會發現，這9100萬根本不能代表這些人的收入水平。
所以說，我們雖然最愛關注平均數，但是很多時候，平均數是有迷惑性的。
那平均數不靈的時候怎麼辦呢？可以看中位數，也就是這組數字裡佔中間位置的那個數。
在這個例子裡，這群顧客年收入的中位數就還是3.5萬美元，
顯然，這個數字更能代表他們的收入水平。
你看，統計學其實有點像經濟學，學了之後可能沒有立竿見影的效果，
但是它能給你提供一種看問題的思辨的視角，讓你離真實的世界更近一點。
本文源自：解讀版電子書《赤裸裸的統計學》
稿：羅雪
轉載:得到
統計學有什麼用？可能在大多數人看來，它就是個枯燥的跟數字打交道的學科而已。
會讀書寫字，會說英語，對生活還有點幫助，會統計學，有什麼用武之地呢？
但是你想過沒，倒退個幾十年，什麼開車，什麼電腦，也都沒有用。
所以，換個角度想，統計學，或許就是你進入下一個時代的入口。
那統計學到底有什麼用，怎麼用呢？
解讀版電子書《赤裸裸的統計學》的作者從書裡給我們做了一個總結。
我們先來說說統計學有什麼用。
第一，它可以協助警察來管理治安。
《紐約時報》曾經有過這樣一篇報導：美國有個小鎮叫聖克魯斯，當地的警察局發現，
大多數暴力犯罪都是團伙作案，而且作案手法和作案時間都很有規律。
於是，他們就請來了兩位數學家、一位人類學家和一位刑事學家，
讓他們一起設計一套電腦程序來預測下一次犯罪的時間和地點。
結果這些人還真做成了這個程序，把以往的案例都輸進去之後，
果真就預測出：鬧市區的某個停車場即將有案件發生。
警方按照程序計算的時間趕到了這個停車場，
果然當場逮捕了兩個正在偷瞄車窗的女人，阻止了一起汽車盜竊案的發生。
這兩個人裡，一個是警察局的常客，另一個身上還帶著毒品。
第二，它可以給你的生活提供一些小竅門。
比如說，幫你快速找到一個商場的入口啊，幫你快速判斷一個學校裡學生的成績啊等等。
統計學裡有個概念叫正態分佈，意思是說，
數據的分佈就像一個鐘罩的形狀，總是兩邊低，中間高，大部分數據都在平均數附近。
那商場附近停著的車的數量也是呈正態分佈，
也就是說，正對商城入口的地方車最多，越往兩側，車的數量就越來越少。
所以，當你來到一家陌生的商場的時候，找到入口最快的方法就是哪車多就去哪。
那既然數據是對稱地分佈在平均值附近的，
如果你想知道一個學校所有學生的平均成績，
只需要掌握正確的樣本抽樣方法，選對100個人，就能算出所有學生的平均成績了。
第三，它可以協助醫學找出病因。
比如說自閉症。以往的各種調查研究都把自閉症的原因指向什麼超聲波、疫苗啊等等。
但是統計學發現，跟這些原因相比，自閉症跟大腦的腦容量關係更密切。
研究人員經過統計發現，自閉症兒童的腦容量幾乎要比一般兒童高出10%。
所以說，自閉症很可能就是腦容量的差異造成的。
但是，統計學也是把雙刃劍。大多數人都有這樣一個認知：精確的就是準確的。
統計學都是數字，數字那麼精確，那統計學就應該可信。
但事實是，如果你沒有抓對數據的要義，就很可能被它騙。
馬克吐溫說過這樣一句話，“謊言有三種：謊言、該死的謊言，以及統計學”。
下面就說說統計學是怎麼欺騙我們的。
先舉個例子。如果我跟你說，今年國家稅收裡，
用來支持肺結核養老院的金額比例上升了527%，你的第一反應肯定是，怎麼給這麼多錢！
我要抗議！但是我告訴你，實際增長的數額連一個三明治都買不來。
之所以會出現增長527%，是因為原來的基數實在是太小了。
再有，說美國2013年軍費開支增長了4%。 4%不多吧，
但是考慮到基數是7000億美元，4%就是280億美元，
這比NASA的全部預算還要多，相當於美國勞工部和財政部預算的總和。
所以說，如果你單看統計學的的某個數字，很可能是片面的，甚至是有欺騙性的。
下次，如果你的老闆跟你說，“新一年每人將加薪10%”，
你心裡要明白，老闆增加的薪水很可能是你的20倍哦。
再舉個例子。一家酒吧里坐著10位顧客，他們的年收入都是3.5萬美元，平均下來還是3.5萬。
這個時候，比爾·蓋茨走了進來。
假設蓋茨當時的年收入是10億美元的話，
這個酒吧裡顧客的平均年收入就上升到了9100萬美元。
但是你會發現，這9100萬根本不能代表這些人的收入水平。
所以說，我們雖然最愛關注平均數，但是很多時候，平均數是有迷惑性的。
那平均數不靈的時候怎麼辦呢？可以看中位數，也就是這組數字裡佔中間位置的那個數。
在這個例子裡，這群顧客年收入的中位數就還是3.5萬美元，
顯然，這個數字更能代表他們的收入水平。
你看，統計學其實有點像經濟學，學了之後可能沒有立竿見影的效果，
但是它能給你提供一種看問題的思辨的視角，讓你離真實的世界更近一點。
本文源自：解讀版電子書《赤裸裸的統計學》
稿：羅雪
轉載:得到
沒有留言:
張貼留言