书:pan.baidu.com/s/1Ok6VCJdj-8OJLHfWzBgiMw?pwd=auos
- 在这个由数据驱动的世界，你并不总能了解到底是什么在驱动数据。
- 在数据分析中，使用样本对总体进行估算是一个常用的手段。但你必须非常小心，因为哪怕很小的错误都会迅速放大。
- 数据是否能够代表基础数据总体，这是需要重视的问题。
- 要考虑对所收集的数据，分析的对象是什么——是在分析所有数据，还是分析一部分数据？
- 实证性偏见是一种通过解读数据来支撑自己先入为主观念的倾向。
- 在研究关联性和因果性的时候，实证性偏见是有些人忽略遗漏变量的一大原因，因为他们凭借先入为主的观念，而非基于真实的证据，把两件事时间的关联性当成了因果性。
- 仅仅因为无法证明某事发生，并不意味着某事就没有发生。一个具有“显著性差异”的研究发现，也仅仅表明结论有95%的可能性落在置信区间内。
- 观察样本总会存在一定的不确定性。用统计学术语说，这种现象叫作样本误差。
- 置信区间越大，区间内包含（整个数据总体中的）真实值的可能性越大。
- 我们在新闻标题中看到的数据常常是范围内的一个值。哪怕得出了显著性差异的效应，也要看一下效应量。
- 思考数据对你生活产生的影响。仅仅因为某个研究发现具有统计影响——哪怕效应尺度很大，并不表示其对你每天生活会产生经济影响。
- 麦卡托的世界地图专为一件事情而绘制：帮助船员更为准确地绘制航线。然而，新版地图在协助船员海上作业的同时，严重歪曲了全球陆地和国家的面积。
- 增删文字也是常见的曲解数据的手法。
- MIT数据学专家在本书中讲述了如何破译每天接触到的数据，将复杂的问题变得更简单和直观。
- 在本书中，你不仅能够找到如何在信息庞杂的世界中识别数据谎言、挖掘有用信息的方法，而且还能找到凭借该答案迅速做出明智决定的深刻智慧。
- 普通人一天大约要接收30G的数据，但大部分人不知道如何正确地解读这些数据。
这些原文摘录涵盖了该书的主要观点和核心理念，强调了在数字时代如何正确地解读数据、识别数据谎言，并据此做出明智决策的重要性。