《简单统计学》是一本通俗易懂的统计学教材，作者通过生动的例子和清晰的解释，让读者轻松理解统计学的基本原理和方法。读后感受到统计学的重要性和应用广泛性，对数据分析和决策有着深远的影响。这本书不仅适合统计学初学者阅读，也可以帮助读者更好地理解和应用统计学知识。
简单统计学读后感(一)
一本不错的书，有很多有意思的例子。我最喜欢三个门后有两只山羊的问题，即使你知道了正确答案，如何说服自己也是很有挑战的。至于说服我的老婆，哦，算了吧，完全是不可能的。
这个世界充斥了太多的傻子和骗子，他们用扭曲的数据和模式欺骗自己欺骗别人，我们除了要提防他们，也要提防自己。
这样一本书，如果无法畅销，大概因为大多数人的头脑根本不具备理解基本的数学问题的能力。
简单统计学读后感(二)
数据是不会说谎的，都是真实的。但是如何客观的整理归纳数据，展现它们，并且从找出可能影响结果的各个因素是很难的。作者举出了很多的实例来说明数据也可能“欺骗”大家，并且科普了一些统计学上的一些基础的理论原则。此书的意义在于大家要学会自我去消化理解各式各样的的图表，数据，不要被表象迷惑。现在是信息大爆炸的时代，大量的数据通过微信等网络平台推送到人们面前，很多人失去了自我判断研究的习惯是很可怕的。书中的例子我觉得有点多，然后感觉故意为了充实书的内容写的有些杂乱。但是作为科普还是值得大家看一下的。
简单统计学读后感(三)
书里说章鱼保罗08年欧洲杯6猜4中，但实际上各方数据显示是6猜5中，只有决赛错了。书中还说保罗选择过三个国家，德国、西班牙、塞尔维亚，但实际上还有一场保罗是选择了克罗地亚，书中也遗漏了…这难道没人发现？不过克罗地亚的国旗也是水平条纹，这倒进一步巩固了书中论点。本来这本书是向其他期刊、专著“较真”、“找茬”，以传达客观、真实的理论，但这开篇的数据确实让人疑惑…
———————————分割线——————————
通过编辑提醒，外文网站Home Industry Portal上的数据确实显示是6测4中，焦点的克罗地亚对德国，保罗选择了德国。但百度百科等中文网页却显示的是6测5中……
简单统计学读后感(四)
被模式诱惑
相关、趋势、模式本身无法证明任何事情，如果没有合理的解释，任何模式都只是模式而已，缺乏理论的数据仅仅是数据，缺乏数据的理论也仅仅是理论而已。
具有误导性的数据
不要忽视其中的混杂因素，一些学生之所以选择就业率较低的大学，是因为他们难以从其他大学毕业；伟大公司的共同点可能也会涉及具有这些特点但是不那么伟大的公司。
变形的图象
对于没有零点坐标的图标应该当心。
简单统计学读后感(五)
中文译名有误导性，可能是为了营销吧，这不是一本简单的统计学入门的书，属于关于统计案例的科普书，对一些常见的统计结果的反驳，“关于统计学的防骗指南”，书名的副标题更合适。幸存者偏差表示《从优秀到卓越》和《追求卓越》不需要看了。实际上我遇到的各种八九十岁身体倍棒的老年人，也属于幸存者偏差。里面有关于五行的例子，老外竟然想用统计检验证明某一年出生的人对应五行得哪个病的几率更多，这就是老外不“懂”了，应该用生辰八字才能通过统计检验，哈哈哈。其实换个方向来说，本书也讲了好多种很难发现的造假方法来让结论正确。作者对技术分析基本持否定态度，他用抛硬币来决定价格走势让技术分析师通过形态判断未来趋势，最后技术分析师认为技术分析可以预测抛硬币。虽然我也持否定态度，但还是会看相关书，看到价格曲线还是会主观看看图形。作者承认自己是犬儒主义者。长期资本永远是被黑的对象。作者似乎毫不客气的把基金经理称呼为行骗高手。
简单统计学读后感(六)
第二本啃完的统计学书籍
比起第一本讲贝叶斯理论的这本专著于统计学中的逻辑陷阱，但我真的不知道为什么市面上的统计学书籍都执着于把自己命名为“极简”“生活中的”，让人看起来好像没那么硬敢于翻开第一页（但其实还是很硬）。特别有意思的是我同期看小岛宽之和加里 史密斯，于是发现两本书里都用了同一个案例“提蒙霍尔问题”，一个用贝叶斯推理说换门啊白痴！另一个用标准统计学算完了说换什么换概率都一样的，智障。
看过本书之后正好在上Bio心理学，Annika讲ADHD的时候以印度和中国做例子，有数据证明这两个国家是ADHD的高发地区，她认为这是因为不同的文化教育方式。
诚然，我不否认中国和印度的教育模式真的很让人容易ADHD，但沿用本书的逻辑
为什么ADHD的数量多，
因为这两个国家本来人就多，
ADHD的适龄患者更多
于是读完了这本书之后，唯一的收获就是我成了我们系里不相信数据的杠精。
……
简单统计学读后感(七)
以前偶然看到有个豆瓣网友写道“第一次学统计学，感觉这是上帝的密码”，当时对这句话不以为然，直到看了这本书，虽然比较浅显易懂，但是仍然隐约带给了我巨大的震撼。统计学绝对是一门博大精深且充满魅力的学科，我想以后有机会还会购买相对专业和系统的图书进行阅读。
谈谈这本书，我感觉作者倾注了比较多的精力在前3/4部分内容的拟写上，前面章节每一小节的内容有一定的篇幅，且比较连贯，用语平实，案例丰富生动，而后面几章读起来则给人一种凑数的嫌疑。
我印象比较深刻的几个概念是“幸存者效应” “辛普森悖论”“自选性偏差”；几个案例：《从优秀到卓越》的案例、某一地区只有一件错误登记的谋杀事件，却被用之错误估算并放大了当地犯罪率的案例、分析哥伦比亚大学招生中是否存在性别歧视的案例....
这门书帮我入了个门吧，大概，也彻底改变了以往我在生活中一些根深蒂固的错误想法和观念，比如总是觉得权威杂志和知名机构的结论和判断总是合理而正确的。与其说这本书让人学会如何轻松识破一本正经的胡说八道，不如说这本书教导人要培养起一颗求证的心，去坚持用审慎的态度面对生活中铺天盖地的实验数据和研究结论。
简单统计学读后感(八)
1.只有成功的数据分析案例才会被报告出来，大量的失败案例并不会引起新闻业关注
2.过分迷恋统计显著性是没有意义的
3.通过数据挖掘总能在数据中发现模式，但这些模式需要理论解释，并且需要用新的数据去检验，否则会是一种荒谬的论点
4.不要轻信计算机，“输入垃圾，输出垃圾”
5.对观测数据会产生自选择偏差；对回溯性研究可能存在幸存者偏差
6.在报告中没有展示出来的数据可能更重要
7.对于基数小的数据，一个意外就会有很大的影响，因此可以选择多年数据扩大基数，减少意外影响
8.当心比较中随时间共同增长的事物产生的伪相关
9.图表的纵轴、横轴的变化会扭曲数据
10.对于时间数据不要忽略人口和物价因素
11.均值回归是自然现象；对能力的不完美测量会导致观测差异大于实际差异；均值回归不等于能力趋同，而是好运与噩运的交替
12.即使是随机事件也会发生数据聚集
13.留意研究人员数据的分组和范围选择，这可能只是为了创造统计显著性支持他们发现的模式
14.历史趋势需要合乎逻辑并且可持续，才可以进行合理外推
15.要注意时间数据的起始点
简单统计学读后感(九)
简单统计学
8.1
[美] 加里·史密斯 / 2018 / 后浪丨江西人民出版社
短评里不能贴图，思维导图只好放书评里了。
书评一定要求超过140字，短评不让贴图
简单统计学读后感(十)
许久没有看过这种快餐类科普读物了（非贬义），全书的结构安排得很漂亮，每一章先明确观点，再举很多的例子来阐述，总体来讲还是非常clear的，除了一部分金融相关的内容我都看得比较明白。
翻译出人意料得垃圾，很多词我都能看出不准确，一些句子语序也有点怪；我真的不知道说什么好，一个不差的出版社怎么非要整这种阴间翻译呢。
梳理一下重要内容叭：
①人类倾向于通过寻找模式来理解世界，因此很多时候把模式强加到了随机事件之上。
②数据可能具有误导性。对人群的观察可能存在自选择偏差（未考虑人们做出这一选择的原因）；幸存者偏差。
③图像可能歪曲数据。通过忽略数轴零点、颠倒横纵轴、使用单位不一的两个纵轴，都应该引起注意。
④计算不一定有意义。当心肤浅的比较：对大数和小数百分比的比较，对除了随时间增长外没有相关性的事物的比较，对不相关数据的强行比较。
⑤小心被忽略的自变量，它们会影响统计结果
⑥不要低估出现巧合的可能性
⑦位于极端位置的事物可能会向均值回归。【这一部分有点不太理解，真的是这样吗？】
⑧成功和失败的次数不会互相平衡，这一次成功并不会增加下一次失败的概率，反之亦然。
⑨小心“德克萨斯神枪手”（先开枪再画靶子）。一些学者会为了证明自己的理论而选择性地使用数据，这样得出的结论需要经过未经污染的数据的检验。
⑩小心修剪过的数据。同上条。
11.（原来输入法里只有十个圆圈序号）缺乏理论的数据仅仅是数据，反之亦然。
简单统计学读后感(十一)
《简单统计学》
人类由于两种倾向而导致认知错误： 1容易被模式、解释模式的理论所引诱。 2总有寻找支持假设的证据而忽视或曲解与假设相反的证据的倾向。
纠正这两种倾向所引起的认知错误之方法： 1常识。不寻常的说法应该有压倒性的证据支持。 2新数据。在旧数据已经支持理论的时候，再用旧数据不会有突破，应使用新数据来进行检验。
几种最常见最重要的谬误： 1幸存者偏差 2自选择偏差 3证实偏差 4安慰剂效应 5相关还是因果？ 6“德克萨斯神枪手”谬误
本书缺点（个人阅读意见）： 1“证实偏差”是谬误之父，其他大部分谬误都肇始于此，作者在书中未给予与之相称的重视或强调。 2分类有重复，有些相近的谬误在章节分布中距离远。 3对“常识”过于推崇，容易得到“凭借常识就可以包打天下”的想法。事实上现代心理学的大部分结论都是反常识的，但依然是科学。我们的常识也不可靠。
简单统计学读后感(十二)
利用两趟跨洋航班以及高铁把这本书看完了。
推荐指数5颗星；流畅指数4颗星。 推荐理由：统计学是现代社会最应该掌握的工具之一。如果你没有统计学的基本知识储备，但是又想了解统计学的思维方式，不妨选择这本。 key words: 幸存者偏差： 回溯性研究普遍存在幸存者偏差。 通过复制成功者的经验，很难取得成功；通过加固轰炸机上中弹的部位，并不能保障飞机的安全。 发现模式： 人们倾向于以某种方式理解周围的世界，并且编造出解释这些模式的理论，但低估了毫无理由的随机事件生成幸运或不幸模式的容易程度。 人们因为房价上涨而买房；投资者追求热门股票。 如果没有合理的解释，任何模式都仅仅是一种模式而已。 具有误导性的数据： 研究者刻意忽略观点冲突的数据。数据本身不欺骗人，欺骗人的是统计方法和对数据的处理。 我们经常见到某些基金的历史数据是从2015年10月开始，因为2015年6月刚经历过股灾。 变形的图像： 虽然一图胜千言，但是图像也会歪曲数据。 相关性并不是因果关系的代名词： 儿童溺水率与冰淇淋销售量变化并不是因果关系。 小数定律： 连投十次硬币，连续4次相同的概率达47%，远超过我们“以为”的小概率事件。 均值回归： 一个差生因考试不及格被老师教训了一顿，随后成绩提升了；或者，一个优等生因为满分被老师夸奖，第二次反而考砸了。或许并不是因为老师的批评或夸奖。 缺乏理论的数据仅仅是数据： 例如，在报纸上会看到往期彩票中奖号码规律表，以及对下一期的预测。 缺乏数据的理论仅仅是理论： 例如最近的金价走势，谁也不能预测黄金价格一定会在某个区间徘徊，或者未来的趋势。
简单统计学读后感(十三)
回溯性研究往往存在幸存者偏差，也就是说，当我们选择现在的样本回顾过去时，我们只能看到幸存者。老年人的历史医疗记录中，排除了没有活到老年的个体；公司财务历史记录中，排除了已经破产的公司。
介绍成功企业的书籍存在固有的幸存者偏差。如果我们觉得自己知道成功的任何秘密，一个有效的检验方法就是找到拥有这些特点的企业或个人，然后查看他们未来10年、20年的表现，否则我们仅仅是在考察过去，而不是在预测未来。我们应当考虑我们没有看到的事情，离职的员工、没有返航的飞机、失败的公司，我们没有看到的数据，可能和我们看到的数据一样重要，甚至更加重要。
辛普森悖论指的是，当聚合数据被分解时其中的模式发生逆转的现象。
由于我们倾向于在其他人表现出色时奖励他们，在其他人表现糟糕时惩罚他们，又由于均值回归现象，因此从统计上看，我们将由于奖励别人而受到惩罚，由于惩罚别人而受到奖励，这是人类社会的一个组成部分。
均值回归现象还可以解释内部候选人为何处于固有的劣势地位。一个在大学里工作了二三十年的人并没有太多可以隐藏的优缺点。和基本处于未知状态的外部候选人不同，对于内部候选人，你对他的了解和他未来的表现基本是一致的。
我们生来倾向于以某种方式理解周围的世界——发现模式，并且编造出解释这些模式的理论。我们低估了毫无理由的随机事件生成幸运或不幸模式的容易程度。我们应该努力意识到，我们很容易受到模式的诱惑。相关、趋势和其他模式本身无法证明任何事情。如果没有合理的解释，任何模式都仅仅是一种模式而已。
如果我们足够努力，即使面对随机生成的数据，我们也可以找到某种模式。不管这种模式多么明显，我们都需要一种合理的理论来解释这种模式。否则，我们找到的仅仅是巧合而已。
简单统计学读后感(十四)
如今，我们被数据包围，同时，又常常被数据欺骗。
我们如何利用统计学帮助我们做出正确的选择和判断。不要被历史数据统计出来的模型所诱惑，历史数据不能够代表未来的趋势，往往历史发生的事情都是随机事件，对未来发展没有任何参考价值，不要被历史数据和模型所误导。眼见不一定为实，图像也会歪曲数据，当心那些忽略数轴零点夸大差异的图像。正确认识均值回归，在一次测试中得到高分的学生很可能只是好运，不能代表能力，要经过多次的测试才能得到更加准确的平均分数---也就是均值回归。在投资中也是一样，股票价格相差很大的公司，很可能差距并不是看上去那么大，位于极端位置的事物很可能向均值回归。举例：两个同等优秀的公司，每年的投资回报率大致相当的情况下，其中一个公司的市盈率高，另一个公司的市盈率低，你会投资那一个公司？按照统计学均值回归的原理，在投资中不要追涨杀跌就是这个意思。
平均定律：一种非常不正确的观点是（大部分人都会有过的观点），成功一定会得到失败的平衡，赌博十次输了十次，那是因为运气不好，可能第十一次开始就会连续赢下去。误以为失败那是成功之母，没有经过计算分析成功与失败的概率。好运不会永远持续，但是不要认为好运会提高噩运的可能性，反之亦然。
当心经过修剪的数据，例如某基金公司列举三年的投资回报率是45%，但是计算年限变成为五年的投资回报率是多少呢？五年的投资回报率是-15%，不同的时间段会有不同的统计结果，对于投资没有任何的参考意义。任何缺乏理论的数据仅仅是数据而已，缺乏数据的理论仅仅是理论而已，要相互印证。人们有一种自然而然的倾向，那就是仅仅关注数值计算的准确性，不去深入思考这些计算是否正确。
不要不加思考地相信专家提出的观点做投资，这样做只会让你被人割韭菜，做了接盘侠。举例：某些大V推荐分散投资P2P、长期持有已经非常高价位的比特币，长期持有非常高价位的成长型股票，所谓的价值投资。。。！跨学科的学习，能使自己增长更多的知识，不要被数字谎言所迷惑。
简单统计学读后感(十五)
读简单统计学0402 1.观点: 人们总结理论或者报道某个结果常犯错误之一，使用观察性数据，这类数据存在自选择偏差。何谓自选择偏差，就是人们的选择往往反映自身的特点。避免自选择偏差，可使用对照实验。 2.案例: 使用数据分析，用户行为分析时可参考使用，避免自选择偏差。如用户调研时，询问顺风车的使用体验，至少应该准备两组对照数据，一组使用过马达跨城，一组未使用过，一组过去一星期使用过顺风车，一组过去两星期未使用过等此类对照实验法进行调研。 3. 提示: 避免自选择偏差，避免错误暗示，避免诱导，避免差异性对待。 4.引申: 回溯性研究，幸存者偏差。如果数据已经无法出新意，那就换新数据重来。“曾入住过该酒店的旅行者，98%还会再次选择我们”，错误在于，忽略了未入住过该酒店的人群。 关于回溯性研究中常犯错误:幸存者偏差0403 -读简单统计学 1.内容: 对成功的企业，婚姻和人生进行回溯性研究的所有书籍都存在这个问题，包括成功企业，持久婚姻，活到百岁的方法，秘密，诀窍等。这类书籍存在幸存者偏差。如果我们觉得自己知道成功的任何秘密，一个有效的检验方法是找到拥有这些特点的人或企业，然后查看他们未来10年，20年或者50年的表现，否则，我们仅仅是在考察过去，而不是在预测未来。 2. 启示: 人们通过观察到的现象得出结论，可能存在失真。因为这些人所做的事情是他们自己的选择。我们观察到的特点可能并非源于活动，而是反映了选择这种活动的人的个性。 3. 延伸: 参与竞争性体育运动的孩子更自信，也许是自信的孩子喜欢参与竞争性运动，而非竞争性运动可以增强自信。华尔街的工作人员很有进取心，也许是华尔街容易吸引具有进取心的人，而非华尔街可以培养进取心。 4. 使用: 我们使用数据分析，比较分析时，经常会自然而然根据看到的现象得出结论，比如个人的工资，受损的飞机，成功的公司，我们还应当考虑到我们没有看到的事情，比如离职的员工，没有返航的飞机，失败的公司。成功不能复制，但失败可以避免。我们没有看到的数据和能看到的数据一样重要，甚至更重要。为了避免幸存者偏差，应当从过去开始并向未来展望。查看过去发生的事，然后查看接下来发生了什么。
