《妙思统计（第四版）》是一本介绍统计学基础知识的书籍，通过简洁明了的语言和丰富的案例，帮助读者快速理解统计学的重要概念和方法。读后感觉收获颇丰，对统计学有了更深入的了解，也能更好地运用统计学知识解决问题。这本书是学习统计学的好教材，值得推荐。
《妙思统计（第四版）》读后感(篇一)
如果你有了真正的统计思维，你会质疑很多“显而易见”的问题答案，这不仅仅是“我知道得更多”之类的小事，而是改变认知并重新决策的关键，这些决策可能不仅仅影响到你自己，还会深刻影响到其他的人。从这本小书开始，让我们学会如何用统计思维来武装自己！
一点花絮：译者彭英之是作者Uri Bram的学长，但让译者投入热情和精力来翻译这本书，将它介绍给读者，更多原因还在于阅读本身的乐趣和阅读后的收获，正如译者自己所说：“掌握一些简单的统计思维方式会帮助人们在生活和事业中做出更好的决定——虽然这些变化初看可能不起眼，但回过头看往往作用巨大”。
《妙思统计（第四版）》读后感(篇二)
还记得十八岁的那个夏天，
多少人毅然决然弃理从文，
与统计学分道扬镳。
然而此后波澜壮阔的人生，
面对选择犹豫不决时可曾幡然悔悟，
决断其实只是
人生经验对条件概率的本能判断。
举个栗子，
你在做直播的时候，
你的女票出去做头发了。
那么问题来了！
她是真的去做头发了吗？
……
关键是你该怎样去判断呢？
哪些因素是具有统计学价值的？
（女票喜欢嘻哈吗？追星吗？）
具体的数字在此处没什么意义，
（“亲爱的，你似乎有23.97% 的可能性
是在对剧本，误差76.03%”)，
但你终于有了一个大致的判断。
（“她一定在对剧本”、“她可能在对剧本”、
“我只是有一点点担心她可能在对剧本”等)。
这时，你可能有不只一丢丢的绝望
——统计学竟然有用？！
贝叶斯定理早就被你还给了老师，
内生变量和选择性偏差更是恍如隔世
……
……
那么你只剩下了最后一个机会，
读这本书......
《妙思统计（第四版）》读后感(篇三)
P127-129 选择性偏差无处不在，而且尤其喜欢在我们将一个非随机样本误认为随机时出现。有一些数据很狡猾，是自偏差的：你的样本里会不会包含这些数据取决于数据本身的值。不理解这一点会导致一个讲座的主讲误以为所有人都能听到她，也会让我们高估一个全托中心里有多少三岁的小朋友。选择性偏差会给美国的人口普查造成问题，也能给我们的日常生活带来麻烦，让领导们听不到准确的反馈，让我们高估自已有多叫人印象深刻，还会让每个表演者都以为自己是一场表演里最棒的那位。
模型是一种用来描述我们感兴趣系统的简单、抽象的方法。等式听上去有些吓人，但只不过是用来描述模型的简单方式而已。因为生活中没有什么是完全确定的，所以我们可以使用误差项来描述无法控制的随机变化。当模型的输人项和输出项之间存在关系时，我们称之为“相关性”，但一定要记住相关性不代表因果性。这是因为我们有可能忘记了一个本应出现在模型里的随机变量，而这个遗漏变量偏差会给大学GPA系统造成困扰，让我们怀疑管理咨询公司的宣传口径，并且让比尔和马克成为大学辍学生中不具任何代表性的例子。从另一方面看，反向因果又会让我们质疑保险公司的广告，还会让评估销售员变得更加困难。好在工具变量有时能帮助我们厘清因果关系。
贝叶斯定理帮助我们通过新的证据改变原有看法。比如，当我们想搞明白邻居的狗到底喜不喜欢你的时候，我们得考虑五个因素:狗喜欢你的时候就会舔你么？我们有没有理由在它舔你之前就认为它喜欢你？还有没有其它原因会导致它舔你？我们有没有理由之前就相信其它这些假设？在所有这些假设的前提下，狗舔你的可能性有多大？贝叶斯定理的公式把所有这些因素简洁地拼在了一起。这个定理解释了为什么卢瑟福的新原子模型被人广为接受、怎么看待股市大跌、怎么自信地判断煎饼铺子值不值得去，还解释了为什么判断一个人是否是僵尸不容易。对贝叶斯统计的误解造成了莎莉。克拉克案的悲惨后果。这个定理还解释了为什么不该单纯地通过看某公司商学院的录取数字决定你是否应该选择这家公司，以及你为什么没法通过看一个人的社交网络主页来判断其性取向，也告诉你学习成绩不好并不说明你将会是下一个爱因斯坦。
《妙思统计（第四版）》读后感(篇四)
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。
