＃英國Amazon網站1,700多位讀者，四顆半星強力推薦！
＃英國劍橋大學統計學權威，帶給你最有趣、最有價值的統計思維
統計的藝術：如何從數據中了解事實，掌握世界
The Art of Statistics: Learning from Data
大衛．史匹格哈特（David Spiegelhalter） 著
羅耀宗 譯
【內容簡介】
統計學如何幫助我們了解世界？
當資料不完美，我們能做出可靠的結論嗎？
在資料科學的時代，統計學如何與時俱進？
當疫情來襲，我們如何自己做好觀念上的準備？
在許多領域中，統計學都是必備的技能；在人工智慧的時代，統計在商務上的運用也越來越重要。
但是一般的統計學內容，即使有嚴謹的定義和推論，卻總是感覺和現實世界隔了一層，不知如何運用，也很難理解它。
許多人在學校或許讀過一點統計學，大概知道隨機變數、標準差、平均數、中位數的意義，但到底該怎麼用？如何應用到現實世界的問題呢？
然而，這本書不同，它帶你用一種全新的方式來了解統計學。它從一些現實世界的問題開始，例如：
地球上有多少棵樹？
培根三明治的致癌風險有多高？
我們能夠相信群眾智慧嗎？
如何衡量藥物的有效性？
英國人的一生中有多少個性伴侶？
病人多的醫院，存活率比較高嗎？
半個世紀以來，全球人口成長的型態如何？
為什麼老男人的耳朵都很大？
配上生動有趣的圖表，讓讀者更容易進入，也展示了將資料化為圖表的強大力量與陷阱，以及溝通、道德問題在統計上的重要性。
本書的作者，英國劍橋大學的統計學權威大衛．史匹格哈特（David Spiegelhalter），十分擅長利用統計學說故事，而且概念清晰，盡量不談技術性的細節，他將統計學當中極易混淆的觀念，例如平均數和中位數、標準差、隨機試驗、母體、迴歸模型、隨機變數、預測區間和信賴區間、假說檢定（偽陽性、偽陰性問題）、P值、貝氏方法等等，以生動的實例和圖表，一步步清楚說明。
這本書也強調，統計學應該要教「PPDAC的問題解決循環」，即「問題─計畫─資料─分析─結論及溝通」。先從定義問題開始，再制定計畫，包括要測量什麼、如何測量，然後要收集資料，根據計畫展開統計分析，最後決定適當的結論，並清晰準確地溝通給外界知道。
正如一句名言所說的：「所有的模型都是錯的，但有些模型有用。」雖然統計的模型並不完美，但是如果我們想要得出一些結論，在數據的洪流當中增進對這個世界的理解，這些模型還是有幫助的。
作者強調，統計學對於已知的事實作匯總，對於未知的事物作出估計，最後應該以謙遜的態度，說明我們能從資料中得到什麼，不能得到什麼。要抱持小心審慎的態度，包括對於各種媒體報導的數據和說法，進行審慎的判斷。
本書對於統計學及其廣泛的應用作了深入解讀，讀這本書，你會對統計學產生興趣，知道統計學在做什麼，以及如何應用到實際問題上，還有統計學這門學問的美妙精髓與限制，這些將是讀者珍貴的收穫。
專家好評：
史匹格哈特可能是世界上最出色的統計溝通大師……《統計的藝術》值得拜讀和學習。我讀過，受益良多。
──提姆．哈福德（Tim Harford），《親愛的臥底經濟學家》（The Undercover Economist）作者
如果你想要培養看清真實世界的技能，並且誠實且嚴肅地告訴別人它的真實面貌，那麼這是你該讀的書。
──邁克爾．布拉斯特蘭德（Michael Blastland），《如何用數字唬人：用常識看穿無所不在的數字陷阱》（The Tiger That Isn’t）共同作者
威爾斯（H.G. Wells）說的『統計思想有一天會像讀寫一樣，成為高效率公民必備的能力』這句話經常為人引用。那一天肯定已經到了。這本精彩好書提供非技術性和生動有趣的敲門磚，介紹統計思想的基本工具。威爾斯一定讚許有加。
──阿德里安．史密斯爵士（Sir Adrian Smith）教授，英國皇家學會會士，艾倫．圖靈研究所（Alan Turing Institute）董事
即使具有統計專長的人，也能在本書找到不少深具啟發性的文字，因為史匹格哈特思緒清晰，溝通能力卓越，經驗豐富。這是值得一般大眾閱讀的精心力作。
──多蘿西．畢曉普（Dorothy Bishop），牛津大學教授
現代統計學深入淺出的出色踏腳石。
──大衛．漢德（David J. Hand），《不大可能法則》（The Improbability Principle）作者
【作者簡介】
大衛．史匹格哈特（David Spiegelhalter）
© Clive Sherlock
大衛．史匹格哈特爵士是英國的統計學家，劍橋大學統計實驗室（Statistical Laboratory）的溫頓風險與證據溝通中心（Winton Centre for Risk and Evidence Communication）主任。他是他所鑽研領域中最常被引用、且最具影響力的研究工作者之一，並獲選為2017-18年皇家統計學會（Royal Statistical Society）總裁。
羅耀宗
台灣清華大學工業工程系、政治大學企業管理研究所碩士班畢業。曾任《經濟日報》國外新聞組主任、寰宇出版公司總編輯。所著《Google：Google成功的七堂課》（The Seven Success Lessons from Google）獲中華民國經濟部中小企業處九十四年度金書獎。另著有《第二波網路創業家：Google, eBay, Yahoo劃時代的繁榮盛世》（Netpreneurs 2.0）。譯作無數，包括《一課經濟學》、《選擇的自由》等。現為財金、商業、科技專業自由文字工作者、《哈佛商業評論》全球中文版特約譯者。致謝 11
導論 13
我們為什麼需要統計學／將世界化為資料／統計教學法／關於本書
第1章 用百分比了解情況：類別資料和百分率 31
次數和百分比的溝通／類別變數／比較一對百分比
第2章 滙總和溝通數字 51
描述資料分布的廣度／描述數字群之間的差異／描述變數之間的關係／描述趨勢／溝通／使用統計量說故事
第3章 為什麼我們還是要查看資料？母體與測量值 85
從資料中找答案──「歸納推論」的過程／當我們有了全部的資料／「鐘形曲線」／母體是什麼？
第4章 什麼因造成什麼果？隨機試驗 105
「相關不表示有因果關係」／到底什麼是「因果關係」？／不能隨機化時，怎麼辦？／當我們觀測到有關聯性，能夠怎麼做？／我們能否從觀測性資料得出因果關係的結論？
第5章 利用迴歸將關係建模 129
迴歸線就是模型／處理一個以上的解釋變數／不同種類的反應變數／超越基本的迴歸建模
第6章 演算法、分析和預測 149
尋找型態／分類和預測／分類樹／評估演算法的表現／機率「準確度」的組合測量值／過度配適／迴歸模型／更複雜的技術／演算法面對的挑戰／人工智慧
第7章 對於正在發生的事，我們能有多確定？估計和區間 191
性伴侶人數／拔靴法
第8章 機率：不確定性和變異性的語言 207
一點都不難的機率法則／條件機率─當機率取決於其他的事件／「機率」到底是什麼？／如果我們觀測一切，機率從何處介入？
第9章 結合機率與統計 229
中央極限定理／這個理論如何幫助我們確定估計值的準確度？／計算信賴區間／調查的誤差範圍／我們應該相信誤差範圍嗎？／當我們擁有所有的資料，會發生什麼事？
第10章 回答問題和宣稱發現：假說檢定 251
什麼是「假說」？／為什麼我們需要對虛無假說做正式的檢定？／統計顯著性／運用機率論／執行許多次顯著性檢定的危險／內曼─皮爾遜理論
第11章 用貝氏方法，從經驗中找答案 299
貝氏方法是什麼？／勝率和概似比／概似比和法醫學／貝氏統計推論／意識形態之爭
第12章 事情怎麼會出錯？ 331
「可再現性危機」／蓄意詐欺／「有問題的研究實務」／研究人員實際上做了多少有問題的研究實務？／溝通失敗／文獻會出什麼問題？／新聞辦公室／媒體
第13章 如何把統計做得更好 351
改善產生的結果／改進溝通／協助找出不良的做法／發表偏差／評估一項統計宣稱或報導／面對根據統計證據發表的聲明，要問的十個問題／資料倫理／良好的統計科學實例
第14章 結論 367
詞彙解釋 369
註釋 397
｜編後記｜一本有特色且跟得上時代的統計學書
文／林博華（經濟新潮社總編輯）
從5月到7月多，在疫情漸漸嚴重、紛紛居家辦公的時期，我看著這本書的書稿，忍不住泛起微笑。啊，偽陽性。啊，疫苗的臨床（隨機）試驗、雙盲測試、三盲測試。
這本書《統計的藝術：如何從數據中了解事實，掌握世界》（The Art of Statistics: Learning from Data）上個星期終於出版了。多謝資深譯者羅耀宗先生的翻譯，若非他的功力，這本來自劍橋大學統計系教授大衛．史匹格哈特（David Spiegelhalter）的專書，還是很難搞定的。
作者說，這本書是寫給：
1. 想要尋找非技術性的、介紹統計學基本概念的入門書的統計學學生。
2. 希望更了解在工作及日常生活中碰到的統計問題的一般讀者。
我不禁想起三十年前，念經濟系大二時上的一年統計學課程。所幸我保留了當時的筆記，那時是一種純數學的典型統計學教材，以定義、定理、證明為主。如今回想起來，對於當時什麼都不懂、數學勉強可以的我來說，或許那是合理的教材吧！但是當然，學到的只是皮毛，甚至連從數學的觀點了解基礎統計學都談不上。但是想想，能先學會那些東西，還是比沒有要好。至今看來也是挺受用的。
三十年後，看今天這本談統計學的書，會有什麼不同？我覺得它有幾個特色：
1.一開始它先從我們會在媒體上看到的許多統計數據談起。先談統計數字、統計數字化為圖表的問題，再談到資料本身，這些資料有些是已經存在的，有些是經過抽樣而獲得的，然後才導入主題。
一開始先不談定義、定理，而是談大眾接觸最多的統計數據，這也提醒我們，統計學是多麼實際地想要解決如何描述事實的問題（現在發生了什麼事、以後會發生什麼事）而演化出來的學問。
相較之下，三十年前的統計學教材，一開始先走一些基礎的機率概念，接著就開始講隨機變數、機率密度函數（p.d.f.），接著就是mean、variance、白努利試驗…….等等。或許這本現代的統計學，才是跟現代人、現實世界比較相關的。
2.作者很會說故事。他會舉一些現實世界中的問題，有些是他參與過的專案調查，例如：
地球上有多少棵樹？
培根三明治的致癌風險有多高？
英國人的一生中有多少個性伴侶？
病人多的醫院，存活率比較高嗎？
半個世紀以來，全球人口成長的型態如何？
為什麼老男人的耳朵都很大？
藉由這些例子，來談一些統計觀念（例如平均數、中位數、標準差、母體——天啊，其實以前的教材是完全不談母體，因為它都假設抽樣一定會成功完美），或者統計工作是如何做的。
3.統計學不光是用於研究、學術的領域，在實務上，它可以做分類和預測。這些正是如今人們要人工智慧（AI）做的事。在書的第6章談了一些如何用演算法來預測的例子（包括我們比較容易理解的天氣預測系統；也包括針對「鐵達尼號」的船難，用演算法試著去預測哪些人生還！）
但是由於演算法大多都缺乏透明度，因而容易衍生出一些倫理問題，嚴重者如2008年的金融海嘯，就是過度依賴演算法的結果。
4.機率和統計的關係。正如三十年前的純數學統計學，不會交代機率和統計有什麼相關，只是把機率論擺在統計學前面，甚至三十年來我都覺得理所當然。
但是在這本書裡，機率論在書的中段（第8章）才出現！作者也說，他在劍橋大學任教時也是先從機率開始教，「但是一開始就談數學，可能會妨礙理解前面幾章不需要機率論就可以理解的重要觀念。」有興趣的讀者，請務必讀讀這個部分（第8、第9章），看看作者如何解釋機率為何是統計推論的基礎，以及從條件機率，談到之後的貝氏方法。
5.貝氏推論。作者自承是屬於貝氏學派，他認為那是最令人滿意的一種統計方法。他也介紹這位英格蘭的特立獨行牧師貝氏（Thomas Bayes）死於1761年，1763年他的開創性論文才發表，而又過了250年之後，他的名字才跟這種方法搭上邊，重新為世人所知。貝氏方法的背後含意並不簡單，初始機率（先驗機率）的概念應用很廣，但其涵義值得深究。
當然，他也介紹了費雪（Ronald Fisher）和內曼─皮爾遜（Neyman-Pearson）之間的論戰，以及與貝氏學派的關係。
看了這些，再加上群眾智慧的始祖高爾頓（Francis Galton），我不禁覺得英國真的是統計人才輩出，或者應該說，英國本來就是科學發展的大國！
6.統計詐欺。既然是這兩年出版的統計學書籍，不免要提到近年來引起反省風潮的p值的問題（可參考p值的陷阱 https://pansci.asia/archives/110923），為了登上知名期刊，太多的研究者只報告統計顯著的研究，為了追求p<0.05而跨越研究倫理的界線，這些有問題的研究結果再經過期刊的審查、公關辦公室，流到媒體及媒體的小編手上，於是造成了有問題的科學新聞屢屢出現的情況。也因此作者要花最後兩章來談這些問題，包括「科學的可再現性危機」，以及如何把統計工作做得更好。
可以帶來諸多啟發的一本好書，推薦給大家。
學測數A太難 恐衝擊頂大商管
留言列表
