第一章 无处不在的数据:从大数据到小数据 8
“小数据” 8
小情境 10
成熟的数据接收者 11
第二章 对“挑战者号”评估结果的异议:抽样如何影响结果 11
1986年1月28日 18
理解样本选择 19
我们为何需要抽样? 23
如果是这样,结果会如何? 24
“怪诞”的科学 26
抽样不一定越大就越好 28
系上安全带 29
我们是第1名,也是第58名! 31
不接受自拍 31
选举总统与人口普查 32
取其精华,去其糟粕 34
填空 35
缺了什么? 36
做一个成熟的数据抽样接收者 37
第三章 红色州为什么变蓝了:平均数及总数——近观概括性统计 47
当心数据缝隙 47
平均数、中位数和众数哪个更可信? 49
迈阿密人出生时平均是西班牙裔,死时是犹太人? 52
为什么副市长会比市长赚得多? 53
如何评估学生的成绩? 56
平均值的平均值 57
警惕数据中的异类 58
去掉最高分和最低分有道理吗? 60
总统办公室的离群值? 61
掩盖信息的代价为10亿美元 62
你是否比一般人更为优秀 63
如何成熟对待数据总和、平均值、离群值 65
第四章 使用苹果手机的人更聪明?正确理解关联性和因果性 71
智能手机=聪明人? 71
星巴克旁边的房子升值更快? 73
还有什么因素可以解释这件事? 74
我们有没有让你们觉得无聊? 77
为什么重要 79
穿耐克鞋就能像乔丹一样灌篮? 79
婴儿、洗澡水和波尔多红酒 81
你在搜索引擎页面排第几? 82
烤奶酪的性福生活(我们差点儿将其用作书名) 83
加利福尼亚的阳光和美属萨摩亚岛上的律师 84
不要被媒体人骗了 86
了解大脑的工作模式 89
抛弃先入为主的观念 90
最后但依然重要的一点 91
如何成熟地应对关联性和因果性 92
第五章 眼见真的为实吗?我们信仰统计学 101
民意调查 101
二手烟是否会致癌? 102
重要的事 103
深呼吸 105
抽样大小事关重大 106
你有多大把握? 108
泄露秘密 110
如何面对截然相反的结论 112
效果显著 113
这个研究对我的生活重要吗? 114
等等,还有呢 115
了解自己所看到的是否重要,从而成为成熟的数据接收者 116
第六章 非洲为什么会变小?歪曲与曲解 124
不要臆断 124
柱状图和饼状图应该怎么画? 126
微妙的圆 133
图表让人看起来更值得信任 135
对所有数据一视同仁导致曲解数据 136
体会有和仅有的区别 138
油表显示油箱为空为什么还能开个几里路? 139
造假与失误 139
错误数据抹掉股市1360亿美元 141
不要相信维基百科 142
过了保质期的食品能不能吃? 142
确凿无误的消息也可能被误读 144
1/4磅牛肉汉堡与1/3磅牛肉汉堡哪个大? 145
如何明智地接收被歪曲(或可能被歪曲)的数据 146
第七章 筛选数据需要“摘樱桃法则”:疯狂筛选 156
筛选数据的“摘樱桃法则” 156
用统计学的观点如何看祸不单行? 158
如何解读体育赛事中的统计数据? 160
房价上涨了还是下跌了? 161
政客们如何筛选数据? 164
相信我们——我们在打广告 166
你是“摘樱桃的人”——没错,就是你 168
选出最好的,留下其他的 168
市场营销人员如何筛选数据? 170
如何识别经过筛选的数据? 171
第八章 为什么福岛事故是可以预防的:预测未来的技术 179
明天太阳会照常升起吗? 179
预知和预测的区分 182
出国旅游之前,请告知金融机构 183
正确地看待预测 186
抛硬币与“赌徒谬论” 187
我们身边的预言家 190
你知道什么? 193
民调为什么会出错? 195
偶然与概率 196
心理因素影响预测 198
如何成为一个聪明的预测者 199
第九章 拨开数据的迷雾:总结 204
不要轻信头条新闻中的数据 204
如何看待工作满意度调查? 207
出生月份与健康有关系吗? 209
如何解读关于问题学生的数据? 212
如何使用房价评估网站的数据? 214
如何成为一个成熟的数据接收者 218
尾声 219
词汇表 221
注释 229
致谢 263