雅书

统计学误用大集合。

可以配合另一本《数据如何误导了我们》一起阅读，两本书的话题一致，而且都很精彩，直面我们每天都会遇到的胡扯与欺骗。 陈嘉映有一个观点是这样说的，我们今天的困境不在于信息不够，而在于判断力不够。 信息时代我们每天都会获取大量的信息，有用的无用的，真实的片面的虚假的，而且我们往往还倾向于获取更多的信息。 但是！但是！但是！如果一个人判断真伪的能力没有跟上他获取信息的能力的话，他就会觉得世界变得越来越荒谬了。 这大概不是一件好事情

疫情让人郁闷，读书的欢乐多半来自本书。远离量化研究的文科生务必抽空看下，防止被骗。

没有什么太新的内容，大数据的信息时代，谬误太多，光靠书里推荐的方法恐怕也很难看清，搭建一个思考的框架还是可以的

本书作者指出科普文章经常容许人们对某项研究结果的科学意义产生一些根本性误解。科学家的工作就是把发现的一个个事实用科学论文的形式发表出来，而教科书本质上就是这些事实的罗列。但科学并不是这么回事。实验取得的结果包含偶然性，以及一系列关于如何正确评估这些结果的假设。一个实验只是代表支持某些特定假设的论据。我们通过权衡多篇论文提供的证据来判断假设的真实性，而每一篇论文看待这个问题的角度各不相同。弄清这个区别，对于如何解读媒体对科学研究的报道具有重要意义。一项研究并不能告诉你这个世界的很多奥秘。除非你知道其余的文献，并且知道如何将这些发现与以前的发现结合起来，否则它就没有什么价值。

废话太多了，整体也是老生常谈，干货未免也太少了些

真是胡扯

胡扯有原动力，胡扯比拆穿容易，要给胡扯者多点“犯罪”成本

侧重于统计学常识，更多可能在揭示数据的生成，其中的黑箱；文末的方法更有普适性

作者关于机器学习的描述还算比较准确，现在的机器学习或者说人工智能就是一个黑盒，存在着不透明不公平不可解释等等问题，这将大大削弱AI决策的可信度。希望未来有更多的科学家能探索和研究可信AI，而不是简单的看到机器学出来的只存在相关性的结论就写篇论文完事。

消磨时间还可以。比较啰嗦，翻译得也一般

面对铺天盖地的假新闻，从

第五章和第九章不错

很友好的一本书，案例真实生动，信息时代必读的一本书～

拆穿胡扯，驳斥胡扯。

这本写得非常认真，干货和软技能兼备，可以说是媒介素养的必修课。从统计偏差、可视化误区、算法偏见，到期刊论文的谬误和夸大的科学新闻，涵盖了这个主题下的方方面面。（当然每个话题都有书籍单独论述，读过就会发现案例很眼熟。）第10章的辨别手段足以对付社交媒体上一大半的错误信息。即使公开反驳很难，至少可以清理自己眼前的垃圾。

指标变成目标后，就不再是一个好的指标。以有限度胡扯为生的人感觉没说出来什么新伎俩，但的确也比较全面了。最喜欢里面关于“为什么你date的人总是遇见渣男”的那个自我实现的负相关的研究哈哈哈，说明还是坚持着一个条件来，不要颜值-人品的2x2了

还可以。前后两章实用。中间有趣。

数据捕捞，充斥假显性的世界，充斥着想得到的解释和例证拟合，基础理论只具有偶然/巧合真实性而已。没法一眼看穿，重新绘制图表。深层问题是脑容量有限，理解、思考的结构可能无限，有限要穷尽无限？科学、真理似乎目前只有瞬时性，相关性非线性相关性。合成数据集-免疫系统受损者依赖群体免疫。算法（数据库，噪音过拟合，人不善汇总信息、下蠢赌注）、理解方式导致结果可能恰好是正确的（回溯时的偶然对齐），但路径、理由殊异-0模型排除数据证据-即使过程没发生也看到同样模式。“科学是不断试错犯错形成的制度规范习俗传统的随意集合。”“无论论文发表在哪里，无论作者是谁，无论其论点得到了多么有力的支持，任何论文都可能是错误的。每一个假设、每一组数据、每一个论断、每一个结论都要根据后来的证据重新检验。”

胡扯很擅长刺激人的情绪，但也会阻塞内心的通道。