读[统计数字会撒谎]有感
读《统计数字会撒谎》有感
最近刚读完《统计数字会撒谎》这本书，读完这本书后对统计学的重要性有了进一步的认识，对统计数字真实性的重要性有了很深的感触。
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权威媒体的激烈争论。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”的最有力武器。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。
数学是一个很严谨的工具，然而正如任何工具都可以被别有用心的人用作它途一样，数学亦不例外，而在所有数学的分支里，统计学由于与不确定性有关，以致用它来有意或无意地行骗的人存在于各个领域，正是这些人，让统计学背上了“臭名昭着”的恶名，统计学家甚至成了专业骗子的代名词。
就这样，人们对统计数据失去了信任，并不是因为知道了统计数据的骗人手法，而是越来越多不靠谱的结论让我们很难再相信它们。尤其是对于政府做出的统计数据，我们几乎是当笑话在看了，比如平均工资的统计，我们经常会觉得自己的工资连平均都没达到，那么是
不是这些统计错了呢？不是，它们没有错，显然是因为有部分群体工资偏高，从而导致了总体平均数偏高，这里的平均数是指均值，平均数有均值、中位数、众数三种，均值一般是三者中能够得到的最大平均数，在没有点明是哪种平均数的情况下，通常就是均值，但人们正是可以利用这点来做出各种不同的平均数来达到自己的目的。类似这种统计数据，它本身并没有错，错的是我们赋予了它与原统计数据含义不同的其他意义，以致被误读了，当然，很多时候并不是我们在赋予，而是调查者本人有意为之。
上面说的是本身正确的研究成果被媒体报道后却成了荒诞的结果的情况，这些数据还会被人穿凿附会用来谋利或证明自己的观点。这在媒体里占了很大一部分，尤其是对于严肃的科学研究。除此之外，更多的是不严谨的统计调查和骗人的统计数据，这些也常见于各种媒体上，当然，这些本身错不在媒体，但是正因为他们不报道数据来由，才导致人无法看清统计数字的真面目，所以，这就提醒我们在不知道统计数据如何得出的情况下，切忌太当真。
对待统计数据，作者告诉我们要问5个问题，“谁说的”，他是如何知道的，“遗漏了什么”，“是否有人偷换了概念”，“这个资料有意义吗”，以后看数据看新闻，如果自己看到后激动了，有话要说，那么先憋着，然后提醒自己问一下这几个问题，别骂完后才发现原来是假的。
作者说：如果你想证明某事，却发现没有能力办到，那么试着解释其他事情并假装它们是一回事，这就是我们常犯的逻辑谬误，偷换
概念。统计学中所包含的思维，利用统计学所犯的错误，归根到底就是逻辑。
把相关性当成因果性，这是事后归因；小样本得出大结论，这是以偏概全；为了证实自己的观点，刻意用统计方法放大比例，这是诉诸公众谬误。基本上每一个统计陷阱就是一个逻辑谬误，学会统计学，就是学会怎么说理。