《數據的真相 》是一部由約翰·H·詹森/邁克·格魯克 所著書籍， 中信出版社出版發行。
基本介紹
- 書名：數據的真相
- 作者：約翰·H·詹森/邁克·格魯克
- ISBN： 9787508689982
- 出版社： 中信出版社
出版信息,內容簡介,作者簡介,目錄,
出版信息
作者: 約翰·H·詹森/邁克·格魯克
出版社: 中信出版社
副標題: 如何在數字時代做出明智決策
原作名: EVERYDATA：The Misinformation Hidden in the Little Data You Consume Every Day
譯者:王喆
出版年: 2018-7-1
頁數: 288
定價: CNY 49.00
裝幀: 精裝
ISBN: 9787508689982
出版社: 中信出版社
副標題: 如何在數字時代做出明智決策
原作名: EVERYDATA：The Misinformation Hidden in the Little Data You Consume Every Day
譯者:王喆
出版年: 2018-7-1
頁數: 288
定價: CNY 49.00
裝幀: 精裝
ISBN: 9787508689982
內容簡介
我們每天都在刷頭條、瀏覽彈窗，每天都會接觸海量的數據信息，這些信息背後隱藏著什麼真相？如何識別那些一本正經的胡說八道？
普通人一天大約要接收30G的數據，但大部分人不知道如何正確地解讀這些數據。MIT數據學專家在本書中講述了如何破譯每天接觸到的數據，將複雜的問題變得更簡單和直觀。
本書涉及商業、零售、廣告、育兒等諸多領域的真實案例，以及時常為人們所誤解的數據概念。在本書中，你不僅能夠找到如何在信息龐雜的世界中識別數據謊言、挖掘有用信息的方法，而且還能找到憑藉該答案迅速做出明智決定的深刻智慧。
作者簡介
約翰·H. 詹森
麻省理工學院（MIT）計量經濟學博士。約翰作為專家證人在諸多涉及運用、解釋數據的案件審理過程中擔任證人、顧問工作。作為埃奇沃思經濟諮詢公司創始人，約翰領導下的數據驅動型公司被美國國家公共電台、《華盛頓郵報》、《今日美國》、《赫芬頓郵報》等媒體爭相報導。
邁克·格魯克
畢業於約翰·霍普金斯大學。作為一名獲獎作家和行銷專家為全美國範圍內多家龍頭企業和報紙撰寫文章。邁克擔任格魯克公司（Bluckworks）總裁，格魯克公司位於紐約州布法羅市，專注於廣告文案、市場行銷等業務。邁克善於將複雜的話題以平實易懂的方式進行解讀。
目錄
前言 / IX
序 / XIII
第一章
無處不在的數據：從大數據到小數據
“小數據” / 008
小情境 / 010
成熟的數據接收者 / 011
第二章
對“挑戰者號”評估結果的異議：抽樣如何影響結果
1986 年 1 月 28 日 / 018
理解樣本選擇 / 019
我們為何需要抽樣？ / 023
如果是這樣， 結果會如何？ / 024
“怪誕” 的科學 / 026
抽樣不一定越大就越好 / 028
繫上安全帶 / 029
我們是第 1 名， 也是第 58 名！ / 031
不接受自拍 / 031
選舉總統與人口普查 / 032
取其精華， 去其糟粕 / 034
填空 / 035
缺了什麼？ / 036
做一個成熟的數據抽樣接收者 / 037
第三章
紅色州為什麼變藍了：平均數及總數——近觀概括性統計
序 / XIII
第一章
無處不在的數據：從大數據到小數據
“小數據” / 008
小情境 / 010
成熟的數據接收者 / 011
第二章
對“挑戰者號”評估結果的異議：抽樣如何影響結果
1986 年 1 月 28 日 / 018
理解樣本選擇 / 019
我們為何需要抽樣？ / 023
如果是這樣， 結果會如何？ / 024
“怪誕” 的科學 / 026
抽樣不一定越大就越好 / 028
繫上安全帶 / 029
我們是第 1 名， 也是第 58 名！ / 031
不接受自拍 / 031
選舉總統與人口普查 / 032
取其精華， 去其糟粕 / 034
填空 / 035
缺了什麼？ / 036
做一個成熟的數據抽樣接收者 / 037
第三章
紅色州為什麼變藍了：平均數及總數——近觀概括性統計
當心數據縫隙 / 047
平均數、 中位數和眾數哪個更可信？ / 049
邁阿密人出生時平均是西班牙裔， 死時是猶太人？ /052
為什麼副市長會比市長賺得多？ / 053
如何評估學生的成績？ / 056
平均值的平均值 / 057
警惕數據中的異類 / 058
去掉高分和低分有道理嗎？ / 060
總統辦公室的離群值？ / 061
掩蓋信息的代價為 10 億美元 / 062
你是否比一般人更為優秀 / 063
如何成熟對待數據總和、 平均值、 離群值 / 065
第四章
使用蘋果手機的人更聰明？正確理解關聯性和因果性
智慧型手機=聰明人？ / 071
星巴克旁邊的房子升值更快？ / 073
還有什麼因素可以解釋這件事？ / 074
我們有沒有讓你們覺得無聊？ / 077
為什麼重要 / 079
穿耐克鞋就能像喬丹一樣灌籃？ / 079
嬰兒、 洗澡水和波爾多紅酒 / 081
你在搜尋引擎頁面排第幾？ / 082
烤乳酪的性福生活（我們差點將其用作書名） / 083
加利福尼亞的陽光和美屬薩摩亞島上的律師 / 084
不要被媒體人騙了 / 086
了解大腦的工作模式 / 089
拋棄先入為主的觀念 / 090
依然重要的一點 / 091
如何成熟地應對關聯性和因果性 / 092
第五章
眼見真的為實嗎？我們信仰統計學
民意調查 / 101
二手菸是否會致癌？ / 102
重要的事 / 103
深呼吸 / 105
抽樣大小事關重大 / 106
你有多大把握？ / 108
泄露秘密 / 110
如何面對截然相反的結論 / 112
效果顯著 / 113
這個研究對我的生活重要嗎？ / 114
等等，還有呢 / 115
了解自己所看到的是否重要， 從而成為成熟的數據
接收者 / 116
第六章
非洲為什麼會變小？歪曲與曲解
平均數、 中位數和眾數哪個更可信？ / 049
邁阿密人出生時平均是西班牙裔， 死時是猶太人？ /052
為什麼副市長會比市長賺得多？ / 053
如何評估學生的成績？ / 056
平均值的平均值 / 057
警惕數據中的異類 / 058
去掉高分和低分有道理嗎？ / 060
總統辦公室的離群值？ / 061
掩蓋信息的代價為 10 億美元 / 062
你是否比一般人更為優秀 / 063
如何成熟對待數據總和、 平均值、 離群值 / 065
第四章
使用蘋果手機的人更聰明？正確理解關聯性和因果性
智慧型手機=聰明人？ / 071
星巴克旁邊的房子升值更快？ / 073
還有什麼因素可以解釋這件事？ / 074
我們有沒有讓你們覺得無聊？ / 077
為什麼重要 / 079
穿耐克鞋就能像喬丹一樣灌籃？ / 079
嬰兒、 洗澡水和波爾多紅酒 / 081
你在搜尋引擎頁面排第幾？ / 082
烤乳酪的性福生活（我們差點將其用作書名） / 083
加利福尼亞的陽光和美屬薩摩亞島上的律師 / 084
不要被媒體人騙了 / 086
了解大腦的工作模式 / 089
拋棄先入為主的觀念 / 090
依然重要的一點 / 091
如何成熟地應對關聯性和因果性 / 092
第五章
眼見真的為實嗎？我們信仰統計學
民意調查 / 101
二手菸是否會致癌？ / 102
重要的事 / 103
深呼吸 / 105
抽樣大小事關重大 / 106
你有多大把握？ / 108
泄露秘密 / 110
如何面對截然相反的結論 / 112
效果顯著 / 113
這個研究對我的生活重要嗎？ / 114
等等，還有呢 / 115
了解自己所看到的是否重要， 從而成為成熟的數據
接收者 / 116
第六章
非洲為什麼會變小？歪曲與曲解
不要臆斷 / 124
柱狀圖和餅狀圖應該怎么畫？ / 126
微妙的圓 / 133
圖表讓人看起來更值得信任 / 135
對所有數據一視同仁導致曲解數據 / 136
體會有和僅有的區別 / 138
油表顯示油箱為空為什麼還能開個幾里路？ / 139
造假與失誤 / 139
錯誤數據抹掉股市 1 360 億美元 / 141
不要相信維基百科 / 142
過了保質期的食品能不能吃？ / 142
確鑿無誤的訊息也可能被誤讀 / 144
1/4 磅牛肉漢堡與 1/3 磅牛肉漢堡哪個大？ / 145
如何明智地接收被歪曲（或可能被歪曲） 的數據 / 146
第七章
篩選數據需要“摘櫻桃法則”:瘋狂篩選
篩選數據的“摘櫻桃法則” / 156
用統計學的觀點如何看禍不單行？ / 158
如何解讀體育賽事中的統計數據？ / 160
房價上漲了還是下跌了？ / 161
政客們如何篩選數據？ / 164
相信我們——我們在打廣告 / 166
你是“摘櫻桃的人” ——沒錯， 就是你 / 168
選出較好的， 留下其他的 / 168
市場行銷人員如何篩選數據？ / 170
如何識別經過篩選的數據？ / 171
第八章
為什麼福島事故是可以預防的：預測未來的技術
明天太陽會照常升起嗎？ / 179
預知和預測的區分 / 182
出國旅遊之前， 請告知金融機構 / 183
正確地看待預測 / 186
拋硬幣與“賭徒謬論” / 187
我們身邊的預言家 / 190
你知道什麼？ / 193
民調為什麼會出錯？ / 195
偶然與機率 / 196
心理因素影響預測 / 198
如何成為一個聰明的預測者 / 199
第九章
撥開數據的迷霧：總結
不要輕信頭條新聞中的數據 / 204
如何看待工作滿意度調查？ / 207
出生月份與健康有關係嗎？ / 209
如何解讀關於問題學生的數據？ / 212
如何使用房價評估網站的數據？ / 214
如何成為一個成熟的數據接收者 / 218
尾聲 / 219
辭彙表 / 221
注釋 / 229
致謝 / 263
柱狀圖和餅狀圖應該怎么畫？ / 126
微妙的圓 / 133
圖表讓人看起來更值得信任 / 135
對所有數據一視同仁導致曲解數據 / 136
體會有和僅有的區別 / 138
油表顯示油箱為空為什麼還能開個幾里路？ / 139
造假與失誤 / 139
錯誤數據抹掉股市 1 360 億美元 / 141
不要相信維基百科 / 142
過了保質期的食品能不能吃？ / 142
確鑿無誤的訊息也可能被誤讀 / 144
1/4 磅牛肉漢堡與 1/3 磅牛肉漢堡哪個大？ / 145
如何明智地接收被歪曲（或可能被歪曲） 的數據 / 146
第七章
篩選數據需要“摘櫻桃法則”:瘋狂篩選
篩選數據的“摘櫻桃法則” / 156
用統計學的觀點如何看禍不單行？ / 158
如何解讀體育賽事中的統計數據？ / 160
房價上漲了還是下跌了？ / 161
政客們如何篩選數據？ / 164
相信我們——我們在打廣告 / 166
你是“摘櫻桃的人” ——沒錯， 就是你 / 168
選出較好的， 留下其他的 / 168
市場行銷人員如何篩選數據？ / 170
如何識別經過篩選的數據？ / 171
第八章
為什麼福島事故是可以預防的：預測未來的技術
明天太陽會照常升起嗎？ / 179
預知和預測的區分 / 182
出國旅遊之前， 請告知金融機構 / 183
正確地看待預測 / 186
拋硬幣與“賭徒謬論” / 187
我們身邊的預言家 / 190
你知道什麼？ / 193
民調為什麼會出錯？ / 195
偶然與機率 / 196
心理因素影響預測 / 198
如何成為一個聰明的預測者 / 199
第九章
撥開數據的迷霧：總結
不要輕信頭條新聞中的數據 / 204
如何看待工作滿意度調查？ / 207
出生月份與健康有關係嗎？ / 209
如何解讀關於問題學生的數據？ / 212
如何使用房價評估網站的數據？ / 214
如何成為一個成熟的數據接收者 / 218
尾聲 / 219
辭彙表 / 221
注釋 / 229
致謝 / 263
