統計的魔法：揭開統計的另一面

吳喜之系美國北卡羅來納大學統計系博士，博士生導師。 學位委員會統計學科評議組成員、概率統計學會常務理事、 教委概率統計教材組成員、 統計教材編審委員會委員、數學進展編委、中國統計方法應用標準化技術委員會標準化中統計方法應用分委員會主任委員。主要從事序貫分析，回歸診斷，質量控制和模型選擇等方向的教學與研究。在 重要學術刊物上發表論文50多篇，時著有近二十部專著和教材，代表性著作有《非參數統計》，《現代貝葉斯統計》，多次主持 自然科學基金項目。曾在國加利福尼亞大學、北卡羅來那大學、北京大學、南開大學任教。<br />吳喜之是 統計學界的學術帶頭人， 推廣R語言的先驅，曾為我國統計學學科升級為一級學科做出巨大的貢獻，經常應邀到各個大學做統計學與R語言的講座或短期培訓。

前言
第1章 引子
1.1 汽車中的爭論
1.2 傳統統計的核心套路
1.3 辯論能解決所有問題嗎
1.4 為什麼人們喜歡非黑即白的結論
1.5 什麼是“有用”
1.6 順其自然：水到渠成而非揠苗助長
第2章 顯著性檢驗：騙術還是誤導
2.1 小廠經理的奇遇和查博士的推理
2.2 拿破侖滑鐵盧戰敗原因之探討
2.3 魏同學和查博士的邏輯對比
2.4 惡補：顯著性檢驗
2.4.1 統計推斷的目的：為何不直接考慮樣本均值，而考慮什麼“總體均值”
2.4.2 從t檢驗看顯著性檢驗的邏輯錯誤
2.4.3 科學家反對統計顯著性的劃時代意義
2.4.4 懷疑是獲取知識的最好出發點
第3章 顯著性的工具：均值、正態性和大樣本
3.1 數理統計專註均值的貓膩
3.1.1 “我們被平均了”
3.1.2 “避實就虛”：專註均值在數學上方便
3.1.3 “總體均值”代表“總體分布”嗎
3.1.4 “擊中要害”：讓數據說話
3.2 正態分布和大樣本定理
3.2.1 正態分布是“最常見分布”嗎
3.2.2 正態假定的備胎：大樣本定理
3.2.3 十萬都不算“大樣本”的反例
3.2.4 “通過正態性檢驗”的說法
3.3 “接受零假設”的邏輯
3.3.1 任何無法驗證的謠言都可“證明”
3.3.2 科學的證偽、法律的無罪推定原則和實踐中的有罪推定
3.3.3 用正態性檢驗“證明”正態性
第4章 假設檢驗深層次探索
4.1 勢的計算只涉及單點備擇假設
4.2 與備擇假設無關的檢驗和試驗結果相抵觸
4.3 貝葉斯統計的解決方案
第5章 得克薩斯神槍手謬誤：選擇性取舍
5.1 疫苗的調查數據被選擇性濫用
5.2 得克薩斯神槍手謬誤
5.3 讓“得克薩斯神槍手”現形
5.4 惡補：置信區間的本質
5.4.1 經典統計的置信區間
5.4.2 置信區間和假設檢驗的關系
5.4.3 貝葉斯統計的最高密度區域
第6章 末位淘汰的員工和C教授的回歸課
6.1 螞蟻搬運工和末位淘汰的員工
6.1.1 螞蟻搬運白菜葉子
6.1.2 “末位淘汰”員工的命運
6.1.3 用螞蟻搬物理解多重線性回歸
6.1.4 解救被“末位淘汰”的員工
6.1.5 被“淘汰”年輕碩士的後話
6.2 C教授課堂的麻煩
6.3 惡補：多重共線性等概念
6.4 mathematistry、數據驅動還是模型驅動
6.4.1 線性回歸系數可解釋神話破滅的後果
6.4.2 數據驅動和模型驅動的區別
第7章 數據異常還是模型異常
7.1 被剝奪獎金的優秀學生
7.1.1 “異常值”
7.1.2 P教授的“回歸診斷”結果
7.1.3 沒有異常的點，只有異常的模型
7.2 惡補：回歸診斷的一些術語
第8章 從形成菜譜談交叉驗證
8.1 王氏菜譜
8.2 從“王氏菜譜”到統計的預測精度
8.3 惡補：交叉驗證的概念
第9章 坐井觀天的“霸王”
9.1 董同學課題被當成反例
9.2 尋找真正的“霸王”
9.3 “猴子”和“老虎”的較量
9.4 惡補：邏輯回歸
第10章 垃圾文章的產生過程
10.1 每周吃6個及以上雞蛋死亡率增加30%嗎
10.2 答辯
10.3 惡補：模擬研究的誤導機制
第11章 永遠看不透的因果關系
11.1 相關關系還是因果關系
11.1.1 著名學術爭論：晚上嬰兒室開燈造成嬰兒近視嗎
11.1.2 遊戲：列舉偽因果的例子
11.2 因果關系爭奪戰
11.2.1 楊博士的數據分析
11.2.2 哪個變量是長壽的原因
11.2.3 壽命、創造性工作和BMI之間是什麼關系
11.2.4 因果關系的覆雜性
11.3 惡補：因果關系漫遊
11.3.1 最簡單的因果關系圖解
11.3.2 哲學家對因果關系的不同理解
11.4 惡補：生存分析的幾個概念
第12章 “成也蕭何，敗也蕭何”
12.1 只看百分比或標準化數據的貓膩
12.2 藥物B根據治愈比例及顯著性檢驗打敗了藥物A
12.3 藥物A根據治愈比例及顯著性檢驗打敗了藥物B
第13章 能假裝什麼都不知道嗎
13.1 客觀性是不是假裝沒有先驗知識
13.1.1 猜測的基礎
13.1.2 傳統統計的偽客觀性
13.2 從無感染的手術數據計算出感染率？
13.2.1 無感染的手術數據：傳統統計方法
13.2.2 無感染的手術數據：貝葉斯統計方法
第14章 概率和決策問題謎團
14.1 Monty Hall Problem
14.1.1 哪個門後有汽車
14.1.2 根據貝葉斯定理的結論
14.2 男孩或女孩悖論
14.3 兩信封問題
14.4 睡美人問題
14.4.1 問題
14.4.2 若幹解決方案
14.5 秘書問題
14.6 聖彼得堡問題
14.6.1 來自伯努利的問題
14.6.2 為什麼是悖論
14.6.3 帕薩迪納遊戲
14.6.4 諾貝爾經濟學獎獲得者的實話
第15章 一石二鳥左右通吃的騙術
15.1 文章產業
15.2 使任博士毅然回國的兩篇薈萃分析論文
15.2.1 兩篇論文
15.2.2 只選擇顯著的結果
15.2.3 脫離統計論文產業鏈
15.3