第1章　數(shù)字、數(shù)據(jù)與統(tǒng)計(jì)　/1
1.1　數(shù)字與統(tǒng)計(jì)學(xué)　/2
1.1.1　數(shù)字不僅僅是算算術(shù)　/2
1.1.2　我們?yōu)槭裁葱枰y(tǒng)計(jì)學(xué)？　/4
1.1.3　生活中統(tǒng)計(jì)學(xué)無處不在　/8
1.2　大數(shù)據(jù)時(shí)代　/11
1.2.1　大數(shù)據(jù)對(duì)生活的影響　/11
1.2.2　數(shù)據(jù)過多既是負(fù)擔(dān)，也是隱患　/13
第2章　數(shù)字的意義　/17
2.1　預(yù)測比賽結(jié)果/冠軍歸屬　/18
2.1.1　足球博彩與奪冠賠率　/18
2.1.2　高盛預(yù)測2014年世界杯走勢　/21
2.1.3　人工智能預(yù)測《我是歌手》冠軍歸屬　/24
2.2　數(shù)字預(yù)測美國大選　/26
2.2.1　美國大選的計(jì)票方式　/26
2.2.2　538網(wǎng)站成功預(yù)測奧巴馬當(dāng)選　/28
2.2.3　統(tǒng)計(jì)數(shù)字比政治學(xué)家更可靠？　/31
2.3　用網(wǎng)絡(luò)數(shù)據(jù)幫你賺錢　/34
2.3.1　語意分析——你在網(wǎng)上說過的話都蘊(yùn)藏商機(jī)　/34
2.3.2　Twitter和Google中隱藏的賺錢秘密　/36
2.3.3　利用社交網(wǎng)絡(luò)數(shù)據(jù)看股市走勢　/40
2.4　數(shù)字與量化對(duì)學(xué)科研究的影響　/45
2.4.1　定性分析與定量分析　/45
2.4.2　社會(huì)科學(xué)中的量化研究　/46
2.5　媒體也在到處找數(shù)據(jù)　/50
2.5.1　數(shù)字對(duì)媒體傳播的重要性　/50
2.5.2　數(shù)據(jù)新聞和數(shù)據(jù)可視化的崛起　/52
第3章　數(shù)據(jù)收集既有技巧又有隱患　/57
3.1　從哪里能夠獲得數(shù)據(jù)？　/58
3.1.1　二手?jǐn)?shù)據(jù)　/58
3.1.2　一手?jǐn)?shù)據(jù)　/59
3.2　什么樣的數(shù)據(jù)是好數(shù)據(jù)？　/61
3.2.1　好數(shù)據(jù)的標(biāo)準(zhǔn)　/61
3.2.2　清洗數(shù)據(jù)也是技術(shù)活兒　/62
3.3　你的數(shù)據(jù)可靠嗎　/64
3.3.1　數(shù)據(jù)來源不可靠　/64
3.3.2　對(duì)數(shù)字本身做手腳　/65
3.3.3　對(duì)數(shù)據(jù)后期處理過度　/66
3.4　樣本選擇不完善　/68
3.4.1　樣本選擇與整體數(shù)據(jù)　/68
3.4.2　樣本選擇偏差：失之毫厘，差之千里　/69
3.4.3　幸存者偏差：你經(jīng)歷的不一定就是真的　/72
第4章　相關(guān)性與因果性　/79
4.1　相關(guān)性與因果性的混淆　/80
4.1.1　相關(guān)關(guān)系不一定意味著因果關(guān)系　/80
4.1.2　購物網(wǎng)站怎么會(huì)知道我想讀什么書　/81
4.1.3　“神奇的”相關(guān)性　/82
4.2　慎用“因?yàn)椤浴痹炀洌阂蚬?
關(guān)系不可亂用　/85
4.2.1　因果關(guān)系需要嚴(yán)密論證　/85
4.2.2　“倒因?yàn)楣币彩且粋€(gè)嚴(yán)重的問題　/87
第5章　平均數(shù)的“挑選技巧”　/89
5.1　平均數(shù)、中位數(shù)與眾數(shù)的差別　/90
5.2　平均數(shù)并不“平均”　/92
5.2.1　當(dāng)?shù)仄骄べY水平×萬元，你被平均了嗎？　/92
5.2.2　占領(lǐng)華爾街——社會(huì)上1%的人掌握了99%的
財(cái)富　/95
5.3　缺少平均數(shù)的誤導(dǎo)性　/98
5.3.1　GDP全球第二，我國是否已經(jīng)是經(jīng)濟(jì)強(qiáng)國？　/98
5.3.2　我國是地大物博、資源豐富嗎？　/100
5.4　辛普森悖論：分類的重要性　/102
5.4.1　到底哪個(gè)班的平均分高？　/102
5.4.2　辛普森悖論　/104
5.5　補(bǔ)救平均數(shù)　/105
5.5.1　全國收入水平分布情況——你處在哪個(gè)位置？　/105
5.5.2　房價(jià)的中位數(shù)乘數(shù)　/107
第6章　數(shù)字圖表——有圖也不一定有真相　/111
6.1　數(shù)字與數(shù)據(jù)可視化：一圖勝千言　/112
6.1.1　數(shù)字越詳細(xì)，人們反而越不愿意看　/112
6.1.2　人類對(duì)圖形更加敏感　/113
6.1.3　數(shù)據(jù)可視化的趨勢與優(yōu)勢　/115
6.2　可視化的數(shù)字也是數(shù)據(jù)陷阱的
重災(zāi)區(qū)　/117
6.2.1　圖形數(shù)據(jù)更加直觀，但可能會(huì)遺漏一些數(shù)據(jù)
信息　/117
6.2.2　圖像更易操縱　/120
6.3　改變坐標(biāo)軸：數(shù)字變得不認(rèn)識(shí)了　/121
6.3.1　截取縱坐標(biāo)某一段，故意夸大差距　/121
6.3.2　圖像的拉長與伸縮　/124
6.3.3　改變時(shí)間軸的范圍：視角不同，“結(jié)果”
就不同　/125
6.3.4　百分號(hào)和千分號(hào)：單位到底是什么？　/129
6.4　魔鬼都藏在細(xì)節(jié)中　/131
6.4.1　查看數(shù)據(jù)備注說明信息　/131
6.4.2　注意數(shù)據(jù)圖表的細(xì)節(jié)　/132
第7章　廣告中的數(shù)字陷阱　/137
7.1　“降價(jià)50%銷售”：
真的是降價(jià)促銷嗎？　/138
7.1.1　先漲價(jià)后降價(jià)　/138
7.1.2　先降價(jià)后漲價(jià)　/139
7.2　買家好評(píng)：口碑就是金錢　/141
7.2.1　信息不對(duì)稱——賣家怎么說都有理？　/141
7.2.2　刷單導(dǎo)致偏差　/142
7.2.3　“給好評(píng)送禮物”　/143
7.3　夸張宣傳誤導(dǎo)消費(fèi)者　/145
7.3.1　一周美白：公開的數(shù)字與背后的信息　/145
7.3.2　前提條件不明——隱藏的技巧　/146
7.4　流量為王的時(shí)代　/149
7.4.1　能到“10萬 ”才算火爆　/149
7.4.2　賺流量也要守規(guī)矩　/150
第8章　公司運(yùn)營中的數(shù)字陷阱　/153
8.1　營業(yè)收入與利潤　/154
8.1.1　賣得越多，賺得越多？　/154
8.1.2　所謂“互聯(lián)網(wǎng)思維”——先燒錢圈地，
再考慮盈利？　/156
8.2　增長：環(huán)比增長還是同比增長？　/161
8.3　企業(yè)帶動(dòng)納稅5000億元　/163
8.4　注水的KPI　/164
8.4.1　KPI是用數(shù)字量化來考核的方式　/164
8.4.2　只要有數(shù)字就可能被操控——虛假業(yè)績的
例子　/165
第9章　網(wǎng)絡(luò)謠言中的數(shù)字陷阱　/167
9.1　為什么謠言比辟謠更受歡迎？　/168
9.1.1　人類偏好聳人聽聞的故事　/168
9.1.2　帶有數(shù)字的謠言更可怕　/169
9.1.3　謠言通常比充滿科學(xué)味的枯燥辟謠文章更具有
可讀性　/171
9.2　食物相克的謠言：離開劑量談毒性都是
耍流氓　/173
9.3　生男孩還是生女孩——酸兒辣女？　/174
第10章　美國大選預(yù)測遭遇滑鐵盧：
特朗普來了　/175
10.1　總統(tǒng)大選，誰家預(yù)測得準(zhǔn)　/176
10.2　尷尬的媒體和民調(diào)預(yù)測　/179
10.3　預(yù)測正確的媒體　/182
第11章　數(shù)字與新技術(shù)時(shí)代　/185
11.1　人工智能、機(jī)器學(xué)習(xí)、大數(shù)據(jù)：
數(shù)字新時(shí)代　/186
11.2　新技術(shù)前景　/189
11.3　人類必須要面對(duì)的現(xiàn)實(shí)：
被機(jī)器取代　/191
11.4　安全隱患　/194
第12章　總結(jié)　/197