数字一点不老实：看穿纷繁信息中的数据玄机

　　引 言 001
　　01 数字也会误导人 009
　　02 轶事证据 ：她用这种方法重获健康 019
　　03 样本量 ：说脏话力气大？ 027
　　04 偏差样本 ：网上调查靠得住吗 039
　　05 统计显著性 ：更确定不等于更重要 047
　　06 效应量 ：睡前看屏幕害死人？ 059
　　07 混杂因素 ：碳排放致肥胖？ 065
　　08 因果性 ：汽水使人暴力？ 075
　　09 这个数字大吗 085
　　10 贝叶斯定理 ： 95% 准确率没意义 091
　　11 绝对风险和相对风险 101
　　12 测量的东西变了吧 107
　　13 排 名 117
　　14 它在文献中有代表性吗 125
　　15 追求新奇 133
　　16 采樱桃谬误 147
　　17 预 测 153
　　18 模型中的假设 165
　　19 得州神枪手谬误 175
　　20 幸存者偏差 185
　　21 对撞偏差 ：丑演员演技更好？ 195
　　22 古德哈特定律 ：指标的诅咒 205
　　结论与统计写作指南 215
　　致 谢 227
　　注 释 229
　　译名对照表 249
　　 

　　汤姆·芝华士（Tom Chivers），科学作家，曾供职于《每日电讯报》、BuzzFeed等媒体，2018年起为自由职业者。2018年获英国皇家统计学会“新闻‘统计性’优异奖”。2017年获美国心理学会（APA）媒体奖，并列入英国科学作者奖、英国科学写作新闻奖短名单。大卫·芝华士（David Chivers），英国杜伦大学商学院经济学副教授，曾任牛津大学讲师。在优秀学术期刊上多有发表。研究领域包括不平等、增长和发展等。 邓妍，心理学硕士，数学、经济学与统计学综合学科硕士。曾任投资分析师。为知名媒体担任专职翻译多年。现从事笔译和心理咨询工作。

　　我们时常遇到大量统计数据，如占比、患病率、风险值等。大量或显或隐的数字，都可能因误读或误用而扭曲真相，要读懂它们进而做出合理判断，“统计意识”不可或缺。
　　本书帮读者了解数字方面的22个常见错误和花招，它们出现在评价速度和重要性的大小、准确率和排名的高低等众多情境中。本书会告诉你各种数字的采集和表达过程可能出现哪些偏差进而产生“睡前看屏幕会死人”等误导性看法，负责可信的统计数据工作又该遵循怎样的指南。