《看穿一切数字的统计学》经典读后感有感

《看穿一切数字的统计学》是一本由[日]西内启著作，中信出版社出版的平装图书，本书定价：36.00元，页数：2013-9，特精心收集的读后感，希望对大家能有帮助。

《看穿一切数字的统计学》读后感(一)：更像是对方法论的讨论

不是具体详实的统计学方法教授，更像方法论的讨论。所以比较适合掌握统计学实操的人，作用是作为思维点拨。

对于不太熟悉统计学的人来说，作用在于日后查阅对比。

。。。。。。。。。。。。。。。。。。。。。。。。。

。。。。。。。。。。。。。。。。。。。。。。。。。

《看穿一切数字的统计学》读后感(二)：深入浅出的统计学入门

日本统计学家写的统计学入门。深入浅出介绍统计学最常见的几个应用场景：抽样调查，随机对照，回归分析等，挺有趣的。对统计学感兴趣的，想复习统计学的，都可以看看。

同意作者在书中表达的一个思想：统计学思维是现代人应该掌握的非常重要的一种常识。个人感觉，在个体遇到医疗健康相关的问题，企业家遇到经营管理问题的时候，都容易以偏概全，认为个人体验到的就是总体的全局的情况。

《看穿一切数字的统计学》读后感(三)：应该知道点统计学知识

统计学真的是一门非常强大和实用的学科与工具，正如书中所说答案就隐藏在我们身边的数据中，但是需要我们有统计学的思维和知识去发现它。

这本书系统地介绍了统计学的诞生与发展历程，介绍了一些简单常见的统计学方法。

个人认为这本书值得一读的原因还有：1.总结了“涵盖广义线性模型的一张图表”，通过它可以更加清晰地理解统计学的整体概念和方法；2.总结了6大类统计学思考方法，并比较了它们的异同，其实方法没有好坏之争，只有选择的合适与否；3.理性地介绍和分析了目前十分流行的数据挖掘，指明了数据挖掘的优势与局限性。

相较于掌握这些统计学工具与方法，具有统计学思维更加重要。

《看穿一切数字的统计学》读后感(四)：打击数字骗局和标题党

##我们先从书名开始吧。中文名是看穿一切数字的统计书，好像很厉害的样子，但日文名是統計学が最強の学問である，虽然你看不懂日文，光看几个中文字也能看懂，就是统计学是最强的学问，也够厉害了。

日本人喜欢用最强最什么最什么这样的表述。实际上这本书有没有这么厉害呢，肯定是没有的。应该说统计学的确是有那么强，只是这本书不强而已。

一本书是不是有用或者是不是好看，取决于你对它的期望。看这本书之前，你是想学到什么，或者是听谁介绍很好看，然后再来看的，看完有没有达到预想的预期。超出期望当然就是高分，或者是好书，反之就不行了。

这本书看书名，看穿一切数字，你是不是想有这么厉害？

#是啊，我就是期望着我看完就能学会看数字辨真假，最好能看懂股市的数字就更好了。

##这书名的确有这样的歧义，上面也说过了，这样的书名根本就是标题党，人家原名并不是叫这个。即使如此，你看完这书恐怕连买菜都学不会。你来到菜市场或者超市，看到一个东西想买，看了看价钱，是贵还是便宜啊，赚了还是亏了啊。

#这个好，我想学。

##我也想，这本书会这样教你，你拿到各个卖场的这个东西的价钱，然后比对，就知道到底贵不贵。

#这个谁都会啊，关键是没拿到数据。我要是有数据我就知道贵不贵了啊。

##那就给个难一点的，某店给出的第二杯半价是谁赚了，买家赚了还是卖家赚了？

#这个难说。

##买家买便宜了，相当于一杯只用四分之三的价钱，打了个七五折。卖家打了七五折，但提高了百分之一百的销量。七五折甚至五折以下的东西平时都很常见，但销量提高百分百就不容易了。听起来好像很多，但还是要结合销售额。

#说到底不还是要数据。

##数据是一回事，会不会分析又是另外一回事。就算给你一大堆数据，你分析不出来，或者像一般人一样简单算个率，那就没有用了。不会分析数据也就算了，但不懂看数据分析就麻烦更大，因为会被别人的数据整理骗倒。数字这种东西，会的人只要鼓捣一下，就能骗普通人。

#我就要学分析方法和鉴别方法。

##但这个书没教，看完你连基本的都不会。作者会叫你先去学一下基本的统计学知识。

#要我去学还要这本书干嘛。

##那也不是。作者虽然没教你怎么算，但一直在告诉你统计学很有用，要好好学，不骗人至少也不能被人骗。统计学发展到现在不容易啊，很多很多年前连个流行病学调查都没人会做，大批大批的人得传染病死。而且一开始统计学要数数多麻烦啊，拿笔一个个算，想要做个人口普查，全部查完刚好可以准备下一次普查了，计算机发明以后统计学简直就是捡到了一把绝世武器。

#我早就知道统计学有用了，而且我必须要用。

##那就行了，好好去学吧。

《看穿一切数字的统计学》读后感(五)：标注

究竟什么样的教育方法才是最好的，对于这个问题的回答也与医疗问题一样属于充满不确定性的领域，因为受教育者的特性和能力以及周围的环境都会对最终的结果产生重要影响。当自己生病的时候，想必没有人会马上去找百岁老人询问长寿的秘诀吧？可是，那些为孩子成绩烦恼的家长，却争先恐后地购买将所有孩子都送进东京大学的老年人所写的个人经验，会出现这种现象难道大家不觉得很莫名其妙吗？

像这种“实际上没有任何区别，只是因为误差或偶然产生数据差（甚至有可能包括极端的差距）的概率”在统计学上称为p值。这个p值越小（一般在5%以下），数据就越准确，证明其不是偶然导致的结果。

“进行适当的比较”、“不只进行单纯的收集统计，还清楚误差与p值”，只要掌握了这两点，就能够找到远超经验与直觉的秘籍。

之前提到过的“一次购买两台缝纫机可以打9折”的促销活动。这一方案所引发的现实结果虽然十分简单，但却是所有人都始料未及的。看到这一促销广告的顾客当然不会为了9折而购买两台缝纫机。但是，他们会为了享受9折的优惠，特意劝说邻居或者朋友一起购买。也就是说，乔安公司或许在不经意间雇用了一个非常优秀的销售团队。结果正如之前所说，看到这一促销广告的顾客与没看到促销广告的顾客相比，人均销量提高了3倍以上。当然，这两组顾客是随机化的结果，除了是否看到促销广告之外的其他条件，基本都是相同的。由此可见，产生这3倍以上的销量差，主要就是因为“是否看到促销广告”。

当我们面对“找不到正确答案的问题”时，首先应该想到的就是进行随机对照试验。只要采取随机对照试验，并且对后续的数据进行采集，就能够找到“怎样做才好”以及“能够创造多少利益”这些问题的答案，至少能够在通往正确判断的道路上实实在在地更进一步。

置信水平为95%的置信区间：假设包括0在内的许多回归系数，算出“p值在5%以下时真值”的范围。基本可以认为“真值就在这个范围之内”。 p值：假设回归系数为0的情况下，只能通过数据的随机性推测回归系数的概率。一般来说当这个值在5%以上时，可以认为“就算回归系数为0也不可能出现”。

要想防止辛普森悖论，就需要像流行病学的观察研究那样保证条件的一致性。将高中A和高中B的学生的成绩按照男女性别分组，或者将玩暴力游戏的孩子按照家庭环境分组，只要将对结果可能产生影响的条件保持一致进行比较，就能够避免辛普森悖论的产生。这种将具有同样条件的群体进行比较分析的方法，被称为分组分析。