01 / 导读
导读
引用
Spiegelhalter, D. (2020). The Art of Statistics: Learning from Data. Pelican (Penguin Books).
章节概要
本书包括引言、十四章、术语表（书中为数不多的公式都集中在这里）、注释和索引；Pelican 平装本开本较小，约 450 页。每章都围绕真实的问题和数据组织，书评着重指出本书不依赖数学公式来讲授统计推理。作者维护着一个公开的 GitHub 仓库，提供书中图表的数据和 R 代码以及勘误。
引言
本书从家庭医生哈罗德·希普曼谋杀大量病人的案件讲起，展示受害者年龄和死亡时间的简单图表如何揭示其中的模式。随后说明本书的目标：通过各种问题——从乳腺癌手术后不同疗法的益处，到老年男性的耳朵为什么大——讲解如何从数据中学习。
第1章：Getting Things in Proportion: Categorical Data and Percentages（正确看待比例——分类数据与百分比）
本章利用儿童心脏手术的存活数据，说明比例如何呈现、框架效应如何改变其效果：95% 的存活率听起来比 5% 的死亡率更好，而绝对数字可能比百分比更令人担忧。比值（odds）也作为表达风险的另一种方式出现。
第2章：Summarizing and Communicating Numbers. Lots of Numbers（概括与传达数字——大量的数字）
用估计罐中软糖数量的例子和一项关于自报一生性伴侣数量的调查，讲解平均数（均值、中位数和众数）以及离散程度的度量。本章还介绍从条形散点图到箱线图等数据展示方式，以及相关和随时间变化的趋势，例如人口增长。
第3章：Why Are We Looking at Data Anyway? Populations and Measurement（我们究竟为什么要看数据？——总体与测量）
讨论从手头数据走向想要了解的总体这一步，以及其间出现的测量和抽样问题；出生体重数据是例子之一。
第4章：What Causes What?（什么导致了什么？）
用虚假相关和误导性的新闻标题说明为什么相关不等于因果。本章解释队列研究和病例对照研究等研究设计如何设法接近因果，并通过剑桥大学的录取率介绍辛普森悖论。
第5章：Modelling Relationships Using Regression（用回归建模关系）
回归从弗朗西斯·高尔顿关于父子身高的数据讲起——“向均值回归”的概念正源于此——再扩展到对儿童心脏手术数据的逻辑斯蒂回归。
第6章：Algorithms, Analytics and Prediction（算法、分析与预测）
以泰坦尼克号上的生还情况为贯穿全章的例子，讨论预测和分类：分类树以及过拟合的危险。关于算法面临的挑战的一节列出了缺乏稳健性、隐性偏差等警示信号。
第7章：How Sure Can We Be About What Is Going On? Estimates and Intervals（我们对正在发生的事能有多大把握？——估计与区间）
讨论估计中的不确定性：误差范围、通过对数据重新抽样来观察估计值如何变化的自助法（bootstrap），以及平均数趋向正态分布的倾向。
第8章：Probability – the Language of Uncertainty and Variability（概率——不确定性与变异的语言）
通过德·梅雷骑士的骰子问题和模拟引入概率。本章讨论泊松分布（应用于凶杀案数量）、检察官谬误，以及关于概率含义的不同解释。
第9章：Putting Probability and Statistics Together（把概率与统计结合起来）
这一章把全书前后两部分连接起来，一位书评人指出，作者提醒读者这可能是最难的一章。它区分对未来事件的不确定性和对已确定但未知的事实的不确定性，并利用概率模型得出置信区间；用于比较机构的漏斗图也是其中的例子。
第10章：Answering Questions and Claiming Discoveries（回答问题与宣称发现）
讨论假设检验：原假设与统计显著性、置换检验、卡方拟合优度检验（检验凶杀案是否服从泊松分布）以及序贯检验，最后用来回答希普曼能否更早被发现的问题。
第11章：Learning from Experience the Bayesian Way（用贝叶斯方式从经验中学习）
介绍根据证据更新概率的贝叶斯方法，作为第10章检验框架之外的另一种选择。
第12–14章：How Things Go Wrong; How We Can Do Statistics Better; In Conclusion（哪里会出错；怎样把统计做得更好；结语）
最后几章转向统计如何出错，包括研究及其传播中的可疑做法，随后讨论能够改进统计的生产、传播和评判的做法，并以简短的总结收尾。
核心概念
引言–第3章：描述数据
- 框架效应：同一个比例可以用正面或负面的方式呈现，从而改变人们的感受。
- 集中趋势与离散程度的度量：均值、中位数、众数和极差，以及各自适用的场合。
- 总体与样本：所收集的数据与其应当代表的群体之间的区别。
第4–6章：因果、模型与算法
- 相关与因果：为什么仅有关联并不能说明一事导致另一事。
- 辛普森悖论：在每个子群中都成立的趋势，在合并后却发生逆转。
- 向均值回归：极端测量值之后往往出现不那么极端的值。
- 过拟合：预测模型与数据贴合得过紧，以致对新情况预测不佳。
第7–9章：不确定性与概率
- 误差范围与置信区间：表示估计值可能偏离真值多远的范围。
- 自助法：对观测数据重新抽样，以观察估计值的变动幅度。
- 检察官谬误：把“无辜时出现该证据的概率”与“有该证据时无辜的概率”混为一谈。
第10–14章：检验、贝叶斯与良好实践
- 原假设与统计显著性：没有效应这一默认假设，以及判断数据是否出人意料到不能再相信它。
- 序贯检验：在数据陆续到来时进行监测，同时控制误报风险。
- 贝叶斯更新：根据新证据修正概率。
- 可疑做法：数据的分析、解释和传播可能误导人的种种方式。
评析
优点
- 问题先行。 每章都从真实问题出发——希普曼的受害者、儿童心脏手术、泰坦尼克号、凶杀案数量——再从中引出统计思想。出版社引用的书评称其清晰易读（The Spectator），Nature 则说它会让学生受益。
- 不用公式也有分量。 本书一直讲到回归、预测算法、自助法、假设检验、序贯检验和贝叶斯推断，Popular Science 评价它在不使用数学公式的情况下提供了扎实的统计入门基础。想看公式的读者可以查阅术语表。
- 现代而有批判性。 第6章把算法与预测和经典统计放在一起讨论，第12–13章讨论统计如何出错以及如何改进实践。
- 资料公开。 作者的 GitHub 仓库提供图表的数据和 R 代码（作者自己说明仍未完成），读者可以复现并拓展书中的分析。
局限
- 不是教科书。 目录中看不到习题，书中也不做计算训练；上统计课的学生仍需要一本教材来学习技术。
- 节奏不均。 Ardian Gill 在 Contingencies（2020 年 1/2 月号）的书评中认为关于概率解释的讨论冗长乏味，并指出有些处理——例如对某个数据集不使用标准差——没有给出解释；作者本人也提醒第9章可能是最难的一章。
- 正文有误。 Gill 发现描述泰坦尼克号分类树的文字中有一处说反了，作者的在线勘误也列出了精装本和平装本的更正，包括术语表中的相关系数公式。读者应查看勘误页面。
- 英国案例。 许多案例来自英国的医疗、犯罪和公共生活，其他地区的读者可能对部分背景感到陌生。
在课程中的定位
本书是本课程进入统计思维的入口，适合在第一门统计课之前或同时阅读。Barbara Illowsky 和 Susan Dean 的 Introductory Statistics（OpenStax）是自然的搭档：这本免费教材通过例题和练习讲授数据概括、置信区间、假设检验和回归的计算，而 Spiegelhalter 则解释它们为何重要、又如何误导人。Blitzstein 和 Hwang 的 Introduction to Probability 以完整的严谨性和大量习题展开第8–9章中的概率内容。
继续学习数理统计的学生会在 Larsen 和 Marx 的 An Introduction to Mathematical Statistics and Its Applications、Mavrakakis 和 Penzer 的 Probability and Statistical Inference 以及 Casella 和 Berger 的 Statistical Inference 中看到第7–11章思想的形式化。课程中更专门的书，如 Williams 的 Probability with Martingales 和 Mitzenmacher 与 Upfal 的 Probability and Computing，则远远超出了本书的范围。
如何使用本书
本书适合即将开始使用数据的专业学习（理科、医学、社会科学或经济学）的学生，以及希望判断统计说法的普通读者。具备中学算术即可。
建议按顺序阅读：各章从描述数据（第1–3章），经过因果、模型和算法（第4–6章），一直到不确定性、概率和推断（第7–11章），最后几章依赖前面的全部内容。第9章和第10章要慢慢读。已经在上统计课的读者，可以把第7–11章当作课上所学方法的概念性解说。
想更进一步，可以从作者的 GitHub 仓库下载数据和 R 代码，复现几张图，例如高尔顿的身高数据或泰坦尼克号分类树，并在阅读时对照勘误。每读完一章，找一篇使用同类统计数据的新闻报道，用这一章教给你的问题去审视它。