人人都该懂点统计学

谷歌的首席经济学家哈尔· 瓦瑞安(Hal Varian) 曾说：“未来十年最性感的职业将是统计学家……我没开玩笑。”

你是个聪明人，智商过人，朋友们羡慕你孜孜不倦的好奇心和学东西的速度。

你搞不好还有张名牌大学的文凭。

不过，这都不妨碍我对你做如下判断：
是，你很聪明，但（ 别紧张）你搞不明白贝叶斯定理、内生变量和选择性偏差。

你可能在教科书上见过这些名词，但也可能对它们闻所未闻，更没有意在生活中使用它们。

这不是你的错：如果你没有下过功夫学习统计技法，很少会有人给你好好解释这些概念。

我对这种缺失很困惑，因为这些概念并不复杂，要理解它们不用明白怎么具体测算p 值、什么场合下可以使用t 检验、或是如何证明中心极限定理。贝叶斯定理、内生变量以及选择性偏差都是生活中简单实用的概念，不涉及任何吓人的技巧和细节。

了解概念而不深究细节对我们来说往往已足够有益。

我们就算不懂央行具体如何影响利率，也可以了解到央行提升基准利率会鼓励更多民众将钱存入银行；

我们就算不懂乐理 （或是物理），也可以知道某些和弦在一起很悦耳，而很多流行歌曲只是基于一些简单的和声而已；

我们就算从未考虑去清洁一片化石或是亲自检测一次线粒体的DNA，也可以明白进化论的基本逻辑。

如此看来，你就算压根没想过去学习统计技巧，也可以了解一些统计学的概念。这些概念本身就能很好地帮助我们看待并理解周围的世界。

大多数统计学家 （或是计量经济学家和科学家）都在日常生活中大量使用通俗的统计学概念，而他们之中有许多人想当然地以为大众也是如此。

这个世界由信息构成，我们大量的判断和决定都以自己获得的信息作为基础。因此，如果这些信息存在系统性偏差或是过于片面，那我们做的决定也会相应地产生系统性偏差。

正规统计学收集精确、具体的信息，并考察它们能或不能告诉我们什么；通俗统计学则讲究在日常生活中如何运用同样的统计学概念对一些更为泛泛而大致的信息及规律进行思考，并改善我们做出的判断和决定。

我们当然不能指望这些判断完美无瑕，更不应该把全部家当都押在它们身上，但每一个好的决定都会帮到你。由此积少成多，你的生活会越来越好。

这本书会教你如何用一个统计学家的思维方式来思考问题，但不会涉及任何烦琐的统计技法。

我们会试图搞明白为什么选择性偏差会让你的老板对自己有多糟浑然不觉 （哪怕其他所有人都知道），如何用贝叶斯定理来判断你的另一半是不是有外遇，以及为什么不应以马克· 扎克伯格为例说明任何问题。

整本书的内容都不会涉及任何具体的计算——我相信你对数字并不恐惧，只是你现在不需要它们罢了。

这是本为你写的小书。