《赤裸裸的統(tǒng)計學(xué)》讀后感

作者查爾斯.惠倫乙漓,美國達特茅斯大學(xué)教授,主要從事經(jīng)濟學(xué)研究。作者通過一些有趣生動的事例來講解一些統(tǒng)計學(xué)常識與規(guī)律杠纵,讓普通人也能了解統(tǒng)計學(xué)一些基本原理椿肩。
本書共有五大核心內(nèi)容瞻颂,兩個統(tǒng)計學(xué)原理,兩個統(tǒng)計學(xué)方法郑象,最后講了統(tǒng)計學(xué)常犯的概率學(xué)錯誤贡这。
一,大數(shù)定律:
在相同條件下厂榛,當隨機試驗次數(shù)足夠多時盖矫,實驗數(shù)據(jù)的平均值會無限接近一個數(shù)值,這個數(shù)值即為“期望值”噪沙。大數(shù)定律一般被應(yīng)用在彩票炼彪、賭場、保險和一些高風(fēng)險高收益的投資上正歼。比如彩票辐马,看似在爆出一個大獎后感覺已經(jīng)掏空了獎池,但長期來看只要銷售的彩票金額大于獎金期望值,彩票發(fā)行機構(gòu)肯定是賺錢的喜爷。再比如高風(fēng)險高收益的投資項目冗疮,如果只盯牢高收益而孤注一擲的話很有可能會血本無歸。面對投資理財?shù)母呤找骈菡剩覀兪紫纫紤]的是風(fēng)險傾向术幔,如果風(fēng)險承受能力越高,被允許試驗次數(shù)越多湃密,能賺到期望的風(fēng)險投資回報率就越高诅挑。看懂大數(shù)定律泛源,可以幫助我們明智的選擇投資理財方式拔妥。
二,中心極限定理:
任意一個群體樣本的平均值都會圍繞在整體平均值周圍达箍,抽樣數(shù)量越大没龙,準確性就越高。反過來就是說掌握了某個群體的具體信息缎玫,我們就能推理出從這個群體中正確抽取隨機樣本的情況硬纤。而且如果已知兩個樣本的基本特性,也就能夠推測出這兩個樣本是否來自同一個群體赃磨。書中例舉了一個找載著馬拉松運動員公交車的這么一個事例筝家,根據(jù)對馬拉松運動員的大致分析,可以得出所有運動員的體型應(yīng)該不會太肥大煞躬,而且個體間體重差應(yīng)該也會比較小肛鹏,所以如果一車上都是胖子那肯定不是,如果車上有胖有瘦的那應(yīng)該也不是恩沛。
三在扰,隨機抽樣:
隨機抽樣是搜集數(shù)據(jù)的主要方法,這個方法看似簡單雷客,其中最重要的就是要保證每個對象被抽到的概率要完全相等芒珠。如果不能做到等概率抽樣就會導(dǎo)致各種“偏見”,從而得出錯誤的結(jié)論搅裙。主要有三類“偏見”:
1皱卓,選擇性偏見:選擇樣本時帶有潛在的傾向。
2部逮,幸存者偏見:樣本有數(shù)據(jù)缺失時娜汁,導(dǎo)致樣本組成發(fā)生改變。
3兄朋,健康用戶偏見:用來比對的樣本不在同一群體中掐禁。
四,回歸分析:
回歸分析用來解決影響因素很多的復(fù)雜問題,通過一個已知現(xiàn)象找到未知的原因傅事,并且可以經(jīng)過嚴格的數(shù)學(xué)分析缕允,復(fù)原出每種原因?qū)Y(jié)果的貢獻率。我們現(xiàn)在可以通過電腦設(shè)計出非常高效的數(shù)據(jù)模型來處理十分復(fù)雜的數(shù)據(jù)蹭越,但是不管電腦有多么的高效障本,電腦永遠不能代替人腦,如果在進行分析時遺漏任何一個變量响鹃,都有可能會得出十分危險的結(jié)論驾霜。
五,最常犯的概率學(xué)錯誤:
1买置,黑天鵝事件:在發(fā)現(xiàn)澳大利亞的黑天鵝之前寄悯,17世紀之前的歐洲人認為天鵝都是白色的。但隨著第一只黑天鵝的出現(xiàn)堕义,這個不可動搖的信念崩潰了。黑天鵝的存在寓意著不可預(yù)測的重大稀有事件脆栋,它在意料之外倦卖,卻又改變著一切,即影響很大但很難預(yù)測的小概率事件椿争。
2怕膛,檢方謬誤:通過數(shù)據(jù)統(tǒng)計推斷出來的結(jié)論勢必會存在誤差,但即使誤差再小秦踪,我們也不能忽視它的存在褐捻。
統(tǒng)計學(xué)已經(jīng)成為大數(shù)據(jù)時代炙手可熱的學(xué)問,它不但可以幫助我們解決生活瑣事也可以幫助我們看懂重要的社會問題椅邓,更重要的是它能幫助我們適應(yīng)大數(shù)據(jù)時代的“游戲規(guī)則”和“生存法則”......

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末柠逞,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子景馁,更是在濱河造成了極大的恐慌板壮,老刑警劉巖,帶你破解...
    沈念sama閱讀 219,490評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件合住,死亡現(xiàn)場離奇詭異绰精,居然都是意外死亡,警方通過查閱死者的電腦和手機透葛,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,581評論 3 395
  • 文/潘曉璐 我一進店門笨使,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人僚害,你說我怎么就攤上這事硫椰。” “怎么了?”我有些...
    開封第一講書人閱讀 165,830評論 0 356
  • 文/不壞的土叔 我叫張陵最爬,是天一觀的道長涉馁。 經(jīng)常有香客問我,道長爱致,這世上最難降的妖魔是什么烤送? 我笑而不...
    開封第一講書人閱讀 58,957評論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮糠悯,結(jié)果婚禮上帮坚,老公的妹妹穿的比我還像新娘。我一直安慰自己互艾,他們只是感情好试和,可當我...
    茶點故事閱讀 67,974評論 6 393
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著纫普,像睡著了一般阅悍。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上昨稼,一...
    開封第一講書人閱讀 51,754評論 1 307
  • 那天节视,我揣著相機與錄音,去河邊找鬼假栓。 笑死寻行,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的匾荆。 我是一名探鬼主播拌蜘,決...
    沈念sama閱讀 40,464評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼牙丽!你這毒婦竟也來了简卧?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,357評論 0 276
  • 序言:老撾萬榮一對情侶失蹤烤芦,失蹤者是張志新(化名)和其女友劉穎贞滨,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體拍棕,經(jīng)...
    沈念sama閱讀 45,847評論 1 317
  • 正文 獨居荒郊野嶺守林人離奇死亡晓铆,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,995評論 3 338
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了绰播。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片骄噪。...
    茶點故事閱讀 40,137評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖蠢箩,靈堂內(nèi)的尸體忽然破棺而出链蕊,到底是詐尸還是另有隱情事甜,我是刑警寧澤,帶...
    沈念sama閱讀 35,819評論 5 346
  • 正文 年R本政府宣布滔韵,位于F島的核電站逻谦,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏陪蜻。R本人自食惡果不足惜邦马,卻給世界環(huán)境...
    茶點故事閱讀 41,482評論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望宴卖。 院中可真熱鬧滋将,春花似錦、人聲如沸症昏。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,023評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽肝谭。三九已至掘宪,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間攘烛,已是汗流浹背添诉。 一陣腳步聲響...
    開封第一講書人閱讀 33,149評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留医寿,地道東北人。 一個月前我還...
    沈念sama閱讀 48,409評論 3 373
  • 正文 我出身青樓蘑斧,卻偏偏與公主長得像靖秩,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子竖瘾,可洞房花燭夜當晚...
    茶點故事閱讀 45,086評論 2 355

推薦閱讀更多精彩內(nèi)容