章节目录
前言 / IX
序 / XIII
第一章
无处不在的数据：从大数据到小数据
“小数据” / 008
小情境 / 010
成熟的数据接收者 / 011
第二章
对“挑战者号”评估结果的异议：抽样如何影响结果
1986 年 1 月 28 日 / 018
理解样本选择 / 019
我们为何需要抽样？ / 023
如果是这样， 结果会如何？ / 024
“怪诞” 的科学 / 026
抽样不一定越大就越好 / 028
系上安全带 / 029
我们是第 1 名， 也是第 58 名！ / 031
不接受自拍 / 031
选举总统与人口普查 / 032
取其精华， 去其糟粕 / 034
填空 / 035
缺了什么？ / 036
做一个成熟的数据抽样接收者 / 037
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
当心数据缝隙 / 047
平均数、 中位数和众数哪个更可信？ / 049
迈阿密人出生时平均是西班牙裔， 死时是犹太人？ /052
为什么副市长会比市长赚得多？ / 053
如何评估学生的成绩？ / 056
平均值的平均值 / 057
警惕数据中的异类 / 058
去掉高分和低分有道理吗？ / 060
总统办公室的离群值？ / 061
掩盖信息的代价为 10 亿美元 / 062
你是否比一般人更为优秀 / 063
如何成熟对待数据总和、 平均值、 离群值 / 065
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
智能手机＝聪明人？ / 071
星巴克旁边的房子升值更快？ / 073
还有什么因素可以解释这件事？ / 074
我们有没有让你们觉得无聊？ / 077
为什么重要 / 079
穿耐克鞋就能像乔丹一样灌篮？ / 079
婴儿、 洗澡水和波尔多红酒 / 081
你在搜索引擎页面排第几？ / 082
烤奶酪的性福生活（我们差点将其用作书名） / 083
加利福尼亚的阳光和美属萨摩亚岛上的律师 / 084
不要被媒体人骗了 / 086
了解大脑的工作模式 / 089
抛弃先入为主的观念 / 090
依然重要的一点 / 091
如何成熟地应对关联性和因果性 / 092
第五章
眼见真的为实吗？我们信仰统计学
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
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 1 360 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
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
选出较好的， 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
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
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
内容简介
市场推广人员在产品包装上重点突出了什么，为什么突出这些数据？
为什么年度报告上，有些数据以饼状图的形式出现，而其他数据以柱状图出现？
销售预测是基于哪些数据得出的？
你的医生说你的病是由某些行为引起的，还是这些行为只是和你的疾病相关？
你知道如果待在一家公司不动，赚的钱会更少吗？
在奥运赛事中，去掉高分和低分再取平均值，对运动员公平吗？
为什么美国大多数总统的任期为1460天或者2921天？
晚睡的人智商会比较高吗？
星巴克旁边的房子升值更快吗？
穿耐克鞋就能像乔丹一样灌篮？
过了保质期的食品到底能不能吃？
我们每天都在刷头条、浏览弹窗，每天都会接触海量的数据信息，这些信息背后隐藏着什么真相？如何识别那些一本正经的胡说八道？
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。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。
本书涉及商业、零售、广告、育儿等诸多领域的真实案例，以及时常为人们所误解的数据概念。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。
下载说明
1、数据的真相是作者约翰·H·约翰逊 / 迈克·格鲁克创作的原创作品，下载链接均为网友上传的网盘链接！
2、相识电子书提供优质免费的txt、pdf等下载链接，所有电子书均为完整版！
下载链接
热门评论
-
这么近，那么远的评论按需。
-
王小七的评论是比较基础但是深入浅出的读本，很适合入门，三星半。
-
陈诚的评论枯燥还不深刻。都是些案例，结构混乱。说是普及，但讲得还云里雾里。一本毫无诚意的书。
-
水西的评论教你如何正确的看待数据，分辨数据的影响。相关性和因果性是不同的。理性又实用的一本书。（用网易蜗牛看的）
-
拟生态的评论喜马拉雅听书。
-
西西的评论整本书都是在告诉你已经知道的事情，只不过稍微加深了下，前半部分还有点眼前一亮，后边越来越乏。
-
Liana的评论被北京十级大风困在书店三个小时读完，适合文科数据小白读，有趣味性地科普解读数据需要注意的几个要素，通过故事场景化讲解易懂，有一点基础的统计学知识看起来更有带入。
-
路人一枚小深酱的评论喜马拉雅。挺有帮助的，样本陷阱，平均数陷阱，因果陷阱，结论陷阱（结论是否可信，是否在经济效益方面对我们有用）。
-
[已注销]的评论数据驱动型公司已然要成为主流了。
-
炎玉的评论非常有趣的小书，基础，适合没有学过统计学，其他人也可以随便翻翻，很喜欢其中的例子，讲述的方式也能引起你的兴趣。 不要被名字唬住了，中国编辑就会故弄玄虚，人家原名是《EVERYDATA:The Misinformation Hidden in the Little Data You Consume Every Day》很符合科普小书的风格
-
zh_ayi的评论呵呵LE 怎么用 看人的目的
-
大燕飞的评论在西安三联书店坐着快速翻完了。很简单的统计学常识，在我看来，灌的水有点多。定价偏高。
-
MaxinAn的评论有一类书叫做：谁让你不学统计学。这就是其中之一。此书的一大特色就是，特别多的引用。
-
的云飘过的评论【一句话简介】如何在海量数据中，识别数据谎言，挖掘有用信息。 【个人阅读收获】 ★数据的时代里，每天小数据的接收没人每天高达30G，如何进行理解、思考、解读。 ★分别介绍了4组陷阱：样本陷阱、平均数陷阱、因果陷阱、结论陷阱。 ★因果陷阱里如何区分关联性和因果性，通过提问找到遗漏变量，对现实工作帮助很大。
-
亮剑无悔的评论数据长，提醒我们注意数据的陷阱，花的时间也不多，可以了解下
-
sun.hy的评论至少明白了很多数据的欺骗性，从而更客观的看待那些耸人听闻的标题，还是值得翻阅的。
-
老梦的评论案例的讲解深度很奇怪，既不够浅显，也不够系统。读过之后完全抓不住重点，但又没有吸引你再读一次的乐趣。
-
beaver的评论科普吧，讲的可以，有所得
-
NeedNotToKnow的评论虽说是大学概率课的基本内容，但里面提出的一些思想对普通生活中的问题倒是很有帮助
-
Moon的评论全书讲解最基础的统计学和数据分析知识，用的都是生活中俯拾即是的案例，看似简单通俗的内容，却能让你避免很多常见谬误，以及少受虚假宣传或数据操纵的侵害。在这样一个所谓的大数据时代，我们首先要明白的是身边那些“小数据”的真正含义，这就需要我们具备最基本的数据解读能力，掌握基础统计学常识，以及对数据分析的结论有批判思考能力。帮助我们提升对数据的感觉从而做出更好的决策，是作者写作这本书的目的，值得一提的是，全书没有任何数学公式，完全用生活中的案例来讲解，大大降低阅读门槛。