社交媒体的兴起意味着我们唾手可得的海量数据。 我们如何处理所有这些信息取决于我们。 您是否曾经登录过，以面对面发现唯一拥有一个数据点的帖子并以此为依据的朋友？ 在热门话题上采取立场是完全可以接受的，但是如果您不了解论点背后的统计数据和数据点，您就会看起来很愚蠢。 不要做那个人。
裸统计
长大后，我从不喜欢数学。 我在高中挣扎，平均成绩只有65分（在美国，这是边缘性的失败），而且长期以来，我认为现在不适合我。 直到最近，我才发现我真的很喜欢数字，尤其是统计数字。 无论是通过社交媒体还是我最喜欢的东西（游戏），它始终无处不在。 回顾过去，我认为教育者从来没有以吸引我注意力的方式向我解释，这使我想继续进行数学教育。 不能仅将责任归咎于我长大的教育者，所以我最近亲自掌握了这一点，以加深我对数学的理解。
我偶然发现了达特茅斯学院教授查尔斯·惠兰（Charles Wheelan）的有声读物《 裸体统计》 。 我发现叙述很诱人，有声读物完成后实际上购买了实物副本，并用我自己的笔记对其进行了标记。
在整本书中，作者详细介绍了统计学如何真正改善我们的生活，同时又帮助读者理解它所具有的功能，以及如何使用该功能以及否定方式。
现在，我想着重介绍这本书的一些要点：
- 统计信息很少提供一种“正确”的方法
- 统计数据可以为论证提供强有力的支持
然而
- 统计信息也很容易被滥用
该书首先解释了经典的蒙蒂·霍尔（Monty Hall）问题，这是一个基于1980年代电视节目“ 让我们交易”的概率难题形式的脑筋急转弯。 在本书之前，我永远不会完全理解这个问题的全部细节。 我鼓励您研究未知的事物，因为不仅发现有趣的事物，而且为理解强大的统计信息真正提供了一个很好的起点。
统计的用途
- 描述和比较
- 推理
- 评估风险和可能性
- 识别重要关系（相关性）
描述性统计
“谁是有史以来最好的棒球选手？”
描述性统计数据在技术上可能是准确的，但却具有误导性。 作者解释说：“好消息是，这些描述性统计数据为我们提供了对潜在现象的可管理且有意义的汇总”，并继续说道“坏消息是，任何简化都会导致滥用。”
惠兰（Wheelan）着重强调了基尼指数（Gini Index），该指数是统计分散度的一种度量，旨在代表该国居民的收入分布，并且最常用于衡量不平等程度。 但是，问题在于这仅仅是一个无用的统计信息。 它只是将一个国家的人均收入除以人数。 但是，实际上谁赚了多少钱呢？ 那是关键的缺失部分。
精度与精度
作者继续描述精度和准确性之间的差异。
精度： “我们表达事物的精确性”
准确性： “衡量一个数字是否与事实基本相符”
相关性
“衡量了两种现象相互关联的程度。
相关系数：以-1-> 1的比例表示
1：一个变量中的每个更改都与同一方向上另一个变量中的等效更改相关联
-1：一个变量的每个变化都与相反方向上另一个变量的等效变化相关联
资料来源：维基百科
可能性：
“研究结果中的事件，包括不确定因素。”
本章有一些主要内容：
- 不要玩乐透（第80页）
- 如果您具有长期投资前景，则应该在股票市场上投资（因为股票通常具有最佳的长期回报）
- 概率不是确定性的
但是，概率有几个问题。 2008年的华尔街崩溃和金融危机很大程度上与计算机滥用可能性有关。 VaR模型或“ 风险价值 ”，被称为“潜在灾难性”。 风险价值是对投资风险的一种度量，可以估算在正常市场条件和设定的时间段（例如任何一天）下一组投资可能损失的金额。 这个模型提供了99％的保证，大约成功与失败之间的差值为1％。
数据的重要性（进出垃圾）
使用数字时，您假设您已检索并获得了良好的数据，但是花哨的分析方法无法弥补根本上有缺陷的数据。
选择偏差： “您如何选择要评估的样本？”
自我选择偏见： “只要个人自愿参加任何治疗，都会出现。”
出版偏见： “阳性发现更有可能被发表”
这扭曲了我们看到的或更明显地没有看到的研究。 这种虔诚不是直接来自他本人的研究本身，而是来自向公众倾斜的信息。 通常，医学期刊现在要求在项目开始时进行任何研究注册，以解决仅发布研究人员希望看到的信息的问题。
推理
“数据与我们交谈的过程使我们能够得出有意义的结论。”研究人员将使用的典型工具是假设，这是在有限证据的基础上提出的一种解释，作为进一步研究的起点。
尽管统计推断提供了许多好处，但也带来了一些重大缺陷。 值得注意的是，统计推断是基于概率，而不是某种绝对确定性。
轮询
功率轮询也来自中央极限定理，类似于其他形式的采样。 但是，不同之处在于我们不在乎均值 ，而是实际上在乎相对于结果的百分比或比例。 但这又是有力的，例如对1000个人的民意测验可以提供对整个国家态度的有意义的见解。
回归分析
“使我们能够量化特定变量与我们关心的事物之间的关系， 同时控制其他因素 。”重要的是要注意回归分析存在许多陷阱，并且是统计武器库中的氢弹！ 您在报纸上读到的大多数研究都基于回归分析。
汇集全部
现在您有了更多的信息，下一次在社交媒体上偶然发现一个图表时，请考虑一下统计的这些方面，该图表仅说明了一点，或者发现了一篇代表主题的文章。 我从未意识到统计学在我的生活中起着多大的作用，但是作者的热情和清晰的指导不仅帮助我欣赏它，而且还激发了我的兴趣。
如果您还有其他关于数学，商业或计算机科学的书籍，我很想听听他们的建议。
关键要点：
- 统计信息很少提供一种“正确”的方法
- 统计数据可以为论证提供强有力的支持
然而
- 统计信息也很容易被滥用
