Gary Smith《统计思辨》提要

中文译本为《简单统计学：如何轻松识破一本正经的胡说八道》，感觉和内容有些偏离，未免有哗众取宠的嫌疑，“统计思辨”更为合适，文中主要是在讲面对他人的说法要进行审慎的思考，辨别真伪，并不简单，也不轻松。

相信或怀疑。有时，我们应该相信数据；有时，我们应该怀疑数据。

相关、趋势和其他模式本身无法证明任何事情，如果没有合理的解释，任何模式仅仅只是一种模式而已。每一种合理的理论都应该接受新数据的检验。

我们需要对那种存在片面性（获取数据的方式存在问题）的数据保持警惕。

作为视觉信息，图像可以帮助我们解读数据，做出推断。有用的图像可以准确而一致地显示数据，帮助我们看到倾向、模式、趋势和关系。这样一张图片的价值抵得上上千个数字。但是，有的图像也会歪曲数据。当心那些隐藏数轴零点、省略数据、使用不一致的数轴间隔、颠倒数轴等类型的图像。

有些人的计算是缺乏思考的，在你核对某人的计算之前，应该首先核对他计算的依据。在统计学中，相关性不是因果性。不管两种事物计算得到的相关关系多么强，在做出判断之前，我们都需要合理的解释。比如，某个地方的人口随着时间增长，看电视、吃橘子和死亡人数随着人口增长而增长，它们存在统计的相关关系，但是不能说看电视导致吃橘子，吃橘子会死亡。我们要小心这些缺乏思考的计算。

当你听到某种令人困惑的（甚至合理的）论断时，应当考虑是否存在混杂因素的作用。比如一种手术比另一种手术更加成功----可能是前者用于更容易治愈的案例。
不要被成功和失败欺骗。最优秀的人与平均水平的差距可能并没有那么大，最糟糕的人也是同样的道理。位于极端位置的事物很可能会向均值回归。

一种非常不正确的观点是，成功一定会得到失败的平衡，以使事物整体上呈现平均水平。好运当然不会永远持续，但是不要认为好运会提高噩运的可能性，反之亦然。

如果你用某种数据编造理论，那么你很容易发现这种理论与数据相符。这种理论只有经过新的、未经污染的数据检验才能令人信服。对于编造的理论，我们需要小心侦察，寻找不自然的数据分组。当研究人员似乎只报告了一部分统计检验时，应当保持警惕，对于那些与数据相符、与常识不符的理论，应当审慎对待。

不管一种模式多么明显，我们都需要一种合理的理论来解释这种模式。否则，我们找到的只是一种巧合而已。

人们既可以被缺乏理论的数据欺骗，也可以被缺乏数据的理论欺骗。我们既需要理论，也需要数据。模式需要合理的理论解释，而在经过可靠数据检测之前，理论仅仅只是一种猜测。