《数字一点不老实》是一篇让人深思的文章，讲述了数字在现代社会中的不真实性。作者通过生动的比喻和案例，揭示了数字的虚假和变现，警示人们不要被数字迷惑。文章引人思考数字世界的真实性，提醒人们要擦亮眼睛，不被数字所欺骗。
数字一点不老实读后感篇一
《数字一点不老实》大数据的那些坑
一开始对应书名《数字一点不老实》，以为是一本关于小孩子数学启蒙的漫画书。没有想到这是一本“帮你看清数字背后的真相，不被信息轰炸忽悠”认知工具书。
数字冷漠且无情。人们都说：数据不会骗人。作为一个很讨厌被大数据定义的人，却还是经常被数据影响情绪。比如疫情初期，的确天天去看全世界的数据，一开始，我们所有人都不得不去搞清楚的一个数字就是“R值”。那种恐慌的心情，天天在叠加。
数字一点不老实读后感篇二
这几年我们对数字，尤其是数据统计明显有更加深刻的感知，很大程度上，数字要么意味着虚假，要么代表着悲剧。于是我们开始排斥数字、厌恶数字，甚至恐惧数字，但是我们又离不开数字。毕竟，这是一个数字的世界，它无处不在，就像大街上遍布的摄像头。
因此，我们有必要正确地理解数字、分辨数字，在保持与数字的距离的同时，又能够深入数字的内部，看透蕴含在数字内部的奥秘。《数字一点不老实》则是一部关于数字/数据的小书，正如副标题“看穿纷繁信息中的数据玄机”所示，这本书可以帮助我们穿透数字的迷雾，认清数字背后的事实与真相。
两位作者汤姆·芝华士与大卫·芝华士分别为科学作家与经济学讲授，也是专门研究数字的学者，本书共包括二十二章，每一章都是一次祛魅，也是对数字谎言与谣言的拆穿与打击，比如如今常见的网络调查是否靠谱、睡前看屏幕能否害死人、检测准确率高达99%是否有意义、丑演员演技更好吗……
尽管这本书通篇都在讲数字，但并不意味着数学不好或者不会统计学知识就读不懂这本书。书中的内容不仅通俗易懂，而且生动有趣，有助于我们认识这个被数字环绕的复杂世界，正如作者所说，我们可以不用擅长数学，但确实需要理解这些数字是如何产生、如何被使用以及可能被误用的，否则我们会做出糟糕的决定，无论是个人还是社会。
如今新闻媒体和网络上有太多的数据统计，但我们已经脱敏了，本能地不相信这些数字。不过这只是直观感受，看穿这些数字的玄机，需要从理性的、逻辑的角度予以认真审视，而这本书就是在传授我们这些方法，告诉我们如何不被数字所欺骗。
数字一点不老实读后感篇三
看到这个标题的时候，你是不是很想点进来一探究竟！那么恭喜你，你落入了数字圈套！正如营销号经常取的标题那样，精准的数字会吸引读者的吸引力，但往往会误导人！
比如，每年都会公布的全省平均工资让你觉得自己拖了后腿，明明还挣着3000的工资在温饱线上挣扎，却硬生生地拉到了6900的平均工资……你不知道该怀疑统计数字还是该怀疑自己的人生……
再比如爸妈手机里常出现的营销号标题：“90%的人都吃错了！”结果拉到最后竟是保健品广告！可气的是，爸妈不仅发给了你，还让你照做！你在内心痛骂营销号的同时，甚至一度想把爸妈拉黑……但是亲情让你放弃了这么做！
不得不说，用事实说话，变成了现在用“数据”说话！老板们讲究数据，爸妈相信所谓的数据，但实际上我们生活中常见的数据到底有多少可信度？这本《数字一点不老实》带你看穿纷繁信息中的数据玄机！
书中用我们生活中常见的例子，带我们看到那些表面上看起来老老实实、平淡客观的数字，究竟有多少可信度！这明明是一本统计学的书，却让人读得津津有味，不仅增长知识，同时你也会被统计学的有趣所吸引。
书中的专有名词，都藏在在生活实例中，被作者一一“击破”。就比如我们常会提到的“幸存者偏差”。
举个例子：对于很多网文爱好者而言，成为一个网文作家看起来似乎很容易入门！网上到处充斥着成功案例，成功者将自己每个月码字赚到的钱数进行公布，小白作家在看到后，不仅非常膜拜，甚至还会幻想自己有一天也能赚得盆满钵满！事实上，大部分网文作者的网文都扑了街，那些成功的作家不过是冰山一角，！如果你想踏入这个圈子，大概率会是“为爱发电”。
为什么会这样？因为你看到的成功案例不过是幸存者偏差！网络上的东西不过是大家想展示出来的东西，其背后的心酸、痛苦只有自己知道！你只看到了他们的成功，却不知道他们在背后经历了多少次失败、付出了多少努力，因为他们只展示了他们成功的那一次，仅此而已！
书中还有很多专有名词的解释，比如样本量、偏差样本、统计显著性、效应量、因果性、贝叶斯定理（95%准确率没有意义）等，作者似乎在极力教会我们如何分辨生活中的数字陷阱！
但说实话，在看了这本书后，我最大的感受并不是要规避生活中的各种数字陷阱，反而觉得可以将这些数字活学活用！毕竟我相信，至少有99%的中国人都没有看过这本书，作为自媒体人倒是可以学习如何取标题，增加自己的阅读量！
我可真是个小机灵鬼儿呢！哈哈哈~
数字一点不老实读后感篇四
这本《数字一点不老实》是由理想国出品，九州出版社出版的。书名非常的吸引人眼球，作为一个社会科学专业的学生，很早我们就知道虽然数据是非常重要的，但是在很多情况下都是有人在故意操纵着数据的选择和体现。正如一位统计数学家所说——糟糕的统计也是非常令人难以接受的。
这本书一共用了22个章节，为我们讲述了为什么看似客观真实的数据其实并不一定给我们呈现真实的情况。怎么样可以看出纷繁信息中的数据玄机？让我们跟着汤姆这位著名的科学作家一起去探索这些数据背后的故事。
这本书的第一章就开门见山的给我们下了结论—数字也会误导人。统计学家莫斯泰勒说，虽说利用统计数据撒谎很容易，但不用统计数据时撒谎更容易。确实，数据给了我们一些直观而明确的感受，就比如yq期间每一个死去的人都是是一个数字一样，每一个染b的人也都像一个数字一样，虽然对于整体的统计量来说可能只是百分之几一个小小的分数，而对于整个人或者家庭来说，可能就是全部的全部。而且在有些时候，媒体或者qwzj会运用一些别有用心的数据来制造一些恐慌，而这和真实的情况可能往往大相径庭。有人说如果我们把证据的数量变多了，如果所有的数量都列举出来，那么大家就能直观的有自己的判断，而不是只看到别人想让我们看到的地方。事实是这样吗？
那么就来到了第二章，作者介绍说这样确实是有作用的，但是也只是多了一点点的作用。而且更重要的统计显著性其实也是并非完全客观而真实的。作者对显著性，效应量，混杂因素，因果性等多种元素进行了剖析和解释，甚至连贝叶斯定理这样95%的准确率可能都没有什么意义，这本书大量使用了一段yq中的案例，而这也佐证了作者所表述的中心思想本身。
最后作者在结论和统计写作指南中为我们做了一系列介绍—怎么样可以运用统计表达出自己所希望表达的东西，怎么样在这本书中理解出自己做统计研究应该注意和避免的错误。并且不断地增强自己分辨是非的能力、锻炼独立的认知，而不是人云亦云，或者被假冒的权威所迷惑。
数字一点不老实读后感篇五
截至2023年12月22日17:00，甘肃积石山地震已致148人遇难。明明是简单、毫无感情的数字，却让我忍不住流泪。灾难发生，这一个个数字，是逝去的生命留给活着的人的无尽羁绊。不需要看救援场景，不需要听故事，一个个数字，一个个名字，就足以令人恸哭不已。
为什么？诚如理想国出品的这本《数字一点不老实》中所说，“这些人中的每一个都是独一无二的个体.......它们每个人个都有故事：他们是谁，做了什么，他们爱谁，谁又爱他们。”
数字背后的那些信息，触及的是我们每一个人的悲悯。
书并不厚，意在告诉我们如何看穿“纷杂信息中的数据玄机”。从宏观去看数据，会看到社会方方面面的发展和问题；而我们的生活和工作，也处处都有数据的影子。
书中提到的“区群谬误”，是我们都遇到过的一个数据陷阱，尤其是新闻标题中出现的数字，可能会掩盖很多真相。比如多年前的某新闻，记者在火车候车厅采访数个人是否买到火车票，大家都说买到了。于是记者得出结论：春运并不紧张。这个新闻让我记忆深刻。候车厅都是检票才能进入，在候车厅采访是否买到票这样明晃晃的数据陷阱，不知道得出的结论又有何意义？
工作中我经常遇到的数据误区，是“采樱桃谬误”。用数据去分析某一年、某一区域、某一个销售的销售情况，很多人容易“先有结果后做假设”。长期进行此工作后我发现，这种问题看似是逻辑问题，实际很可能是当事人性格的固执以及职场的明争暗斗——你说A，我一定要找到证据证明是B。
数据从来都是冰冷的，但它的背后是纸短情长、世间纷杂；数据也不是绝对公正的，它总会因为人的认知和私心而掩藏许多真相。面对各种各样的数据，我们要的是更加冷静，更加全面，要懂得背后的“弯弯绕绕”。
数字一点不老实读后感篇六
看到xx调查中平均月薪／年薪xxw的时候心里难免咯噔一下，怎么这看起来非常普遍的数字离我这么远？（狗头）所以表面上非常客观的数字，背后也蕴藏着各种各样的玄机，《数字一点不老实 看穿纷繁信息中的数据玄机》就是这样一本活泼的读物，可以把晦涩难懂的概念解释得通俗易懂，让读者了解新闻中的数字，不被数字糊弄和误导。 实际上数字并不是一直完全可信的，当然一次两次的失误也不是记者的错误，而是在研究的时候就出现了严重失误，而通过这样的事物，可以让人们看到科学的运作以及出错的过程，让我们知道报道中的统计数据也是不能值得信任的，需要亲自了解科学实践的机制。 书中举例了国家的GDP排名，但是这样的排名方法也是存在误差的，比如说日常生活中我们会选择好玩的地方或者有高分美食的餐厅就会看它们的排名，排名在一定程度上是有用的，但是我们需要知道这些产生排名的分数和分数的来源到底是怎样的，有的时候一分之差甚至零点几分都可以改变我们的选择。 曾经我看到别人中彩票，自己也会尝试买一张彩票，就会觉得自己选中的那张一定会中个小奖一样，可是买了三四次只中了一次，连本都没有赚回来，当然在日常生活中我们也可能看到怎么有些人看起来那么幸运，比如有的人在重大的事故中幸存，比如说有的人能够接住从天而降的大馅饼……这就是幸存者偏差，幸存者偏差是基于因变量选择问题的一个例子。我们看到的现象也不一定具有普遍性发生在个例上的事情，也不一定会把这种好运带给我们。 很多时候生活中的例子是观察性研究，其实是反馈出世界本来的样子，世界是什么样的，我们就只能看到它本来的样子。大多数的观察性研究，只能告诉人们一定的变量是否可以倾向于大约，同时上下波动呈现出来的一种相关性，而不是因果性。当然也不能随机选择那些特殊的案例，也不能证明通过对照组的版本去证明所有的统计数据都是错误的，如果发现的错误也只是自己所拿到的对照组版本中出的差错，更不可能让所有的随机对照实验都完美进行。
数字一点不老实读后感篇七
现如今的大数据时代信息纷繁复杂，让我们透过《数字一点不老实》看穿信息中数据背后的玄机。在你的脑海里数字是什么呢？或许数字就是冷漠无情孤单的象征符号。除了这个数字还有什么意义呢？你试图解读过数字背后的其他意义吗？ 纷繁复杂的信息数据在新闻上层出不穷，我们看的每一个新闻都要用数据作为依托，告知我们背后的真实指标，信息数据在这个时候就显得至关重要。这些指标都是由一连串的数字所构成，其实背后有着纷繁复杂的统计学概率。这是一个具有统计显著性的结果，纯属巧合的概率也非常微小，小到概率的分母比宇宙中原子的总数还要大的多。 金钱的驱动在这个时代仿佛是一个猎奇的事物，人们总是对追求新奇有着明显的兴趣，那么用数据来进行解读，你也可以理解为数字并不像你想象的那么简单，将数字放在背景之中给出绝对风险，而不是相对的风险，所以任何的研究统计都需要数据作为支持，没有数据的指标对比，我们就不能了解事物研究的结果，它呈现的是一个核心的答案。 信息数据在文献中是具有代表性的，这些排名是显而易见真实有用的，即使你可能觉得效应很小，任何新的研究都很容易发现有意或无意的事物，新的研究也只有在相关背景下才能看到其意义，但是我们仍旧应该谨慎对待这些信息背后的数据。 在每一个领域和行业中这些看似平淡无奇、客观理性的数字背后藏着各种玄机，现如今是一个信息时代大爆炸的时代，那么我们如何从生活的方方面面，健康、政策乃至其他重要的问题和海量的报道中了解这些数字背后隐藏的真实含义呢？透过这本书相信你一定会对信息背后的数据有更深度的自我理解。
数字一点不老实读后感篇八
在我们普通人的眼中，数字是证明程度的一种方式，尤其是新闻报道中提到的数字似乎尤其值得可靠。其实，在统计学家的眼中，数字并不是那么可靠。
在科学作家汤姆·芝华士和经济学副教授大卫·芝华士的眼中，数字是“不老实”的小滑头，有时候会欺骗大家的眼睛。关于新闻报道中的数字，二人合力撰写了《数字一点不老实》，为我们讲述了22种数字误导。
在书中，分别介绍了数字的误导性、统计学常见名词、影响统计的因素、预测假设、偏差在统计学的存在意义和数字误导背后的统计学理念等。
数字R是某种事物中的“再生数”，R值在新冠疫情时被更多人知晓和理解，即一个人病人会传染给几个陌生人。假如R为10，就代表一个生病的人会平均传染给另外的十个人。
事实上，这个R值只是代表一个平均值，可能传给十多个人，也可能传染给一个人。如果是10个人在一起，那么他们可能总传染给100人，但是其中一个人的传染人数，可能是1人，可能是100人。
为了观测或调查某一部分个体，我们常常采用样本评估法。比如水质检验时从河水采的水样，化验时抽取的血液样本等采用的都是样本评估法。为了样本的准确性，采取的范围越广，覆盖的样本越接近总体，得到的数字才越可靠。
在气象预报中，最离不开的就是预测工作。根据以往数天的天气情况，预测未来一天或一周的雨量、风速、空气质量等情况。预测能力可以用布里尔分数来衡量，布里尔分数越贴合，说明预测准确率越高。
比如预测明天某城市一天24小时内有14个小时会下雨，但实际上有4小时发生，这就说明预测过度自信。如果实际上有18小时，那就说明预测不够自信。
在统计时，往往离不开准确率和效应量。它们为人们提供所需信息，提供参考效果。比如屏幕使用与睡眠之间存在的相关性，但很小。相关到什么程度，小到程度，这样的具体关联程度有时也很重要。
在做统计时，不同的背景、参考的因素、风险因素、测量因素之间的因果性、偏差程度、测量方法、假设条件的不同，也会影响到统计数字的“可靠”。
翻开这本书，跟随作者一起学习22个知识点，读懂数字，了解种种数字玄机，掌握各种新闻信息背后的真实信息，学会如何更好地表达信息的准确性。
数字一点不老实读后感篇九
工作中我们常常听到别人说：“不要给我讲故事，请用数据来说明。”收集和整理数据已经成为非常重要的一项工作，但数字真的这么可靠吗？如果你像我一样读过下面这本书，就会知道，其实数字一点不老实。
《数字一点不老实》书中作者将通过真实案例和统计学知识，展示数字在实际应用中那些常见错误和花招，提醒大家各种在数字采集和表达过程可能出现的偏差，进而学会识别数字陷阱，指导负责可信的统计数据工作该遵循怎样的原则。
数据应用水平的提升并不能自动清除误导，相反“有时技术让问题变得更糟。”使用数据、科学和统计语言来制造严谨准确的印象，利用数字、统计数据和数据图表粉饰那些可疑的论断，给它们披上了一层合理的外衣。
“培根会致癌、喝汽水让人变得暴力、说脏话可以让人力气增大。” 以上论断如果是某位专家给出或者是经统计数据得出，你是否同意？
书中内容涉及一些统计学知识，但并不需要你擅长数字，作者最大化降低繁杂数据公式的引用，每个章节都会用新闻报道中的列子来介绍数字可能产生误导的一种方式。通过阅读理解，读者将学会识别这些问题的方法，提高自身对数字的辩别能力。
喝汽水会招致你和别人打架吗？ 2011年某家知名报纸就曾刊登了一则标题为“研究人员表示，汽水使青少年变得暴力”的新闻。报道基于《伤害预防》期刊上的一项研究，该研究发现“每周饮用超过5罐软饮料的青少年……曾经携带武器，或对同龄人、家人实施暴力的可能性高出其他人约10%”
事实上该研究并没有针对喝汽水与不喝汽水的不同样本加以肝茶对比，其关注的只是被试的汽水饮用量是否和他们犯下的暴力行为之间存在关系。所以我们并不知道是饮料导致了暴力，还是暴力导致了他们和饮料。这个案例犯了典型的因果性偏差。
说脏话可以让人力气增大？ 一则媒体报道“说脏话能让搬抬重物轻松一点。”该报道并非研究发现，而仅是来源于某个人的体验。说脏话如果真能增大力气，那么举重比赛可能就会被列为儿童不宜观看的项目了。这个案例是轶事证据偏差。
数据化时代的来临，让我们对数据越来越依赖，甚至有时会偏信由数据推论的一切结论。无论是新闻机构、广告厂商还是别有用心的个人，都可能把数字当作用来误导或混淆视听的工具，从而影响我们的生活、消费，甚至是价值观。如果你无法辨别数字中的陷阱，将会失去对于自我决策的主导权，沦为被人宰割的韭菜。这本书的价值正在于此。
数字一点不老实读后感篇十
在我们的现代生活之中，到处都充满了数据，而且还都是非常准确的统计数据，看似我们能够凭借这些数据能够更容易洞悉世界的真相，能够完成对于我们生活更深层次的理解。 那么真实的状况是这样子吗？我们所看到的数字真的符合着真实的状况？真的就是对于世界本相的还原吗？还是会被有些人有意无意利用，从而对于我们产生误导呢？
看一下我们生活之中，特别是新闻报道中所出现的数据，如果我们对它们深信不疑那就一定大错特错了。举个例子，新闻之中曾经报道过：研究数据显示“每周引用超过五罐软饮料的青少年更具暴力倾向”，而且研究者给出了令人信服的数据10%。
再比如也有研究数据显示，我们地球的温度并没有在变暖而是在变冷，而得出来如此的结论，正是因为1998年的气温完全不符合这样的趋势。当然当我们打开新闻，这样的数据比比皆是。 那么这些数据是真实有效的吗？是经得起真理检验的吗？在这些数据背后有着哪些不为我们所知的隐秘呢？数学家们就能够通过对于数字深层次的发掘，让我们看到不一样的真相。
汤姆·芝华士，科学作家，2018年获英国皇家统计学会新闻统计性优异奖，大卫·芝华士，英国杜伦大学商学院经济学副教授。两个人都在科技领域有所成就，当然对于数学统计、数字背后的秘密也有着更深层的了解。 因此他们创作了这样一部面向于我们普通读者的科普著作《数字一点不老实》，普及着我们生活中常见数字背后的隐秘真相，让我们看穿隐藏在信息中的数据玄机，让我们洞悉最真实的世界。
在这本书中，作者借用了现实生活中大量我们经常能够看到的新闻数据，并用22个数学相关论证分析打开这些数字迷雾，还原数字背后的真相。 比如前面我们提到的软饮料会提升暴力的统计，其实就涉及到了数字因果性的问题。只有能够论证某一种前提必然引发某一结果，这样的结论才是成立的。可是在喝软饮料和暴力之间，其实有着大量的其他因素在起作用，那么这样的因果律是否成立也就值得商榷了，这样的数据也就需要我们认真审视了。
所有千万不要想当然的认为这些数据分析和我们普通人没有关系，在我们的身边有着大量被误导的因果律。两个不相干的事件牵扯在一起，就把他们分析成因果关系的案例比比皆是。我们常听说的就包括“在冰激凌销量上升的日子里，溺水事故也会上升”这样疯匪夷所思的因果关系。
在我们生活中，误导我们的数据还有很多，想让我们能够看到生活的真相，想让我们拥有着洞察生活的能力，那通过这样一部著作《数字一点不老实》深入阅读，提升我们这方面的认知，帮助我们理清自己的思绪，助力我们不被数字所迷惑，最终成为数据的主人。
数字一点不老实读后感篇十一
快看！你被数字忽悠了还深信不疑 逛商场或者网够时，我们是不是经常会被打折的广告所吸引，每逢双11，双12大cu销时，我们是不是后悔自己的数学没学好，面对"满200省100、直降30%、5折让利"的诱惑，我们是不是分不清谁更便宜？很难选择！ 其实上面这些折扣都差不多，不信你去问问你的数学老师。 但是这些数字真的就象我们看到的和想到的那样吗？不是的，《数字一点不老实》这本书告诉我们“数字易于被用来误导或混淆视听。” 在各类广告和新闻里，现在能抓我们眼球的就是蕞直观的数字形式，如：“**火灾导致36人Si伤”“90%的学生毁在手机”“吸烟儿童吸食D M的可能性是不吸烟儿童的3倍”等。看得人胆颤心惊又充满好奇。 但事实真是这样吗？这些数据的来源是否属实，这里书中也提到数据属实，但，给人造成的误导也是真实存在的，这些看似直截了当的数字会出其不意地误导我们。 我们在生活中通常都会曲解这些数字的意思，我们经常会跳入这些数字的陷井中。 书中举了个例子让我颇有感触：在1993-2017年之间，伦敦在骑行过程中SI 于交通事故的共有361人。看到这个数据我们是否会觉得在一个城市骑个车都会Si 这么多人，以后不要再骑车了. 但是，你有没有想过这个数据是不是真的很大，它是跟多大的裙体在做比较，也就是分母是多少，它的实际风险到底有多大呢？ 如果你了解到这25年间伦敦每天会有约43.7万人次骑行，那么，是不是大家就有了每1000万次骑行中有一例Si亡的概念，这样这来，感觉风险也不并不是只看到单一Si亡数据时的那样大了呢？ 这就象我们一看到飞机失事就会在一段时间类拒绝坐飞机而选择其他的出行方式呢？ 所以，如果我们能正确识别到数字在媒体中会被怎样使用、它们又会出什么问题、会让我们产生哪些错误的印象时，我们是不是就会避免做出一些糟糕的决定了呢。 当然，书里用22个章节里的若干个例子，来给我们讲述一些简便实用的方法去破解数字可能产生的误导，让我们擦亮慧眼，象孙悟空的火眼金睛一样，一眼就看破它们的诡计，让我们更好地决定相信哪些数据。
数字一点不老实读后感篇十二
2022年10月初，有网友发现某调味品品牌产品，在国外销售的产品所标注的食品添加剂明显少于在国内销售的产品。在国内、国外使用两套标准，这不是“双标”吗？一时间，网友对该品牌产品的安全性产生了质疑。但是，后来发现，不知有意还是无心，那则消息选择了两条不同产品线的两款不同产品来进行对比，而不是去观察这个品牌的全貌，不是在同款产品之间去做对比。
被一则引人入胜的消息吸引，却被结尾的“但是”所转折的内容泼了一盆冷水；或者听人讲故事，只因前面的部分夸大了事实，导致后面的结论完全无法让人信服。这些情况，其实都涉及到了逻辑上的误区，而其中最常见的一种就是“采樱桃”。因为卖樱桃的人可能会把品质好的樱桃挑选出来，这颗樱桃只是一个特例，并不能代表所有樱桃的品质。但是看到这颗樱桃的人往往会被误导，认为这颗樱桃品质好，就说明所有樱桃都是好的。所以这种单方论证谬误就有一个“采樱桃”的别称。
《数字一点不老实》中，也运用这了“采樱桃”这一说法，形象地描述了那些只选取对自己有用有利的数字和信息，而忽略或压制其他矛盾证据的行为。因为双方数字采集的标准不同，或者可以说是立场不同，从而造成了双方的信息不对称，使一方失去对事件的正确判断。
这在我们日常生活中十分常见，有时候我们可能无意识地落入这种逻辑陷阱，而有的时候则是别有用心的人故意为之。
其实，“采樱桃”这一现象并非只局限于食品行业，它就像一个狡猾而隐形的“小鬼”，随时准备侵入我们的日常生活，扰乱我们的判断。在信息爆炸的时代，这种现象愈发普遍，让人防不胜防。在网络和媒体的高速发展下，各种信息纷繁复杂，真假难辨。商家为了追求利益最大化，常常利用“采樱桃”的逻辑陷阱，故意展示对自己有利的一面，而刻意隐藏或忽略可能暴露其缺点或瑕疵的信息。这种做法在消费市场上屡见不鲜，诸如某些商家在网络平台上大力宣传自己产品的优势，而对存在的问题只字不提。消费者在不明真相的情况下，很容易被这种片面的信息所误导，常常掉进数字陷阱，做出不理智的消费决策。
无论是日常生活中，还是专业领域中，我们经常面对一串串数字，《数字一点不老实》告诉我们，数字不仅仅是表面现象的数字，重要的是数字背后的标准和逻辑，要看穿纷繁信息中的数据玄机。
数字一点不老实
评价人数不足
[英] 汤姆·芝华士 [英] 大卫·芝华士 / 2023 / 九州出版社
书名：数字一点不老实
作者: [英] 汤姆·芝华士 / [英] 大卫·芝华士
出版社: 九州出版社
出品方: 理想国数字一点数字数字
副标题: 看穿纷繁信息中的数据玄机
原作名: How to Read Numbers: A Guide to Statistics in the News (and Knowing When to Trust Them)
译者: 邓妍
出版年: 2023-11
页数: 264
数字一点不老实读后感篇十三
翻开《数字一点不老实：看穿纷繁信息中的数据玄机》这本书，让我觉得特别有意思的一点，是它的译者邓妍。我把她的介绍页和大家分享一下：
能够这般跨领域的人，一定是一个很有思想深度的人。在阅读《数字一点不老实》的过程中，我更是加深了这个印象。译者邓妍的统计学知识非常扎实，专业词汇的使用很地道。同时，翻译精准、文笔流畅，娓娓道来，全书毫无翻译版本的阻塞感。
说回《数字一点不老实》这本书，全书分为22个短章节，每一章都用新闻报道中的例子来介绍数字可能产生误导的一种方式。作为一个修习过统计学的人，阅读本书中大部分的知识点，其实只是在复习以前学过的东西。但是我很欣赏的一点是，作者把一些复杂的统计学知识讲解得通俗易懂。他以循序渐进、由浅入深的方式为读者呈现复杂的统计学知识。
另外，作者在书中教授了一些非常有用的识别“数字阴谋”的技巧，能帮助大家在阅读新闻报道（或论文、或公众号文章）时提醒你留心什么，谨防被数字所糊弄。在这里，与大家分享其中一部分：
如果你听到：【〇〇〇〇每年倾倒600万吨污水】，是不是觉得听起来很糟？但600万吨污水算很多吗？问问自己，这个数字大吗？分母是什么？你还需要哪些数字才能知道，这个数字比你的预期高还是低？
如果我告诉你，吃烤糊的吐司会使你患疝气的风险增加50%，这听起来很令人担忧吧？但如果我不告诉你疝气有多常见，这就毫无意义。最好的表述方式，是我说出这件事预期会影响多少人。例如:“每1万人里有2人会在一生中患上疝气。如果经常吃烤糊的吐司，这一比例会增至万分之3。”
另外，还要小心报道某事“增长得多快”：例如，如果一个俱乐部的规模从1个成员增加1倍到2个成员，它就很容易成为“增长最快”的俱乐部（笑）。
你必须知道——【并非所有的科学论文都生而平等】。科学期刊想要发表的是有趣的科学结果。
追求新奇导致了科学中的一个基本问题，就是“发表偏差”。如果有100项研究探索【通灵能力是否真实存在】，其中2项发现的确如此，98项发现并非如此，那么这就是个相当可靠的迹象，说明【通灵能力并不真实存在】。但如果期刊为了寻求新奇而只发表那2篇发现积极结果的论文，那就会导致全世界相信【人类可以预知未来】。
此外，因为科学家知道期刊通常不会发表消极结果，所以真实情况还要更糟。发现【通灵能力并不真实存在】的科学家可能因此不会投稿。或者，他们会做一些小调整，让结果看起来是积极的——也许以新的方式重新分析数据或删除一些离群值。
科研事业是“不发表就淘汰”：你如果没有在科学期刊上发论文，事业就得不到推进，也无法获得终身教职。因此，科学家们在发表论文上受到极大的激励——本质上，他们被激励去做p值操纵。（太真实了！）
《数字一点不老实：看穿纷繁信息中的数据玄机》中提到了许多与学术研究相关的内容，此书写得鞭辟入里而又针砭时弊。本人作为辣鸡论文生产者之一，不得不承认：作者太敢说了，书里揭露了很多学术界如何撰写/发表论文的内幕。我甚至想破防大喊：救命，快把装在我家的监控拆了。
这本书对新闻报道中的数据呈现方式，以及研究论文如何进行数据分析，进行了非常幽默风趣、简单易懂的讲解。此书已经被我纳入【“每年必须重新读一遍”书单】之中。
希望我的分享能让大家对这本书产生兴趣。阅读此书，一定会让你终身受益。
数字一点不老实读后感篇十四
普通人获取最新科学研究报告的途径，主要是通过新闻报道，这类报道里面必然有一个元素会出现，那就是数字。
据国家移民管理局统计，今年元旦假期全国边检机关共查验出入境人员517.9万人次，日均172.6万人次，较2023年元旦假期增长4.7倍，已恢复至2019年同期水平，其中，入境251万人次，出境266.9万人次；查验出入境交通运输工具20.3万架（艘、列、辆）次，较2023年元旦假期增长1.5倍。
比如这条新闻，第一段里就出现了若干统计数据，对于普通人来说，有多少人知道这些数据是如何获得，如何统计出来？所谓“增长4.7倍”、“增长1.5倍"是什么程度的增长呢？很厉害吗？这个增长对经济的刺激作用有多大呢？
除了宏观经济的统计数据，关于健康、投资、人际关系等相关数据，都是我们用来做决策的重要依据，而这些数据的获取渠道主要是通过大众传媒。
《数字一点不老实》这本书指出，“在新闻机构提供这些数字时，你不能指望它没有夸大其词或有意筛选事实”。新闻倾向于报道，甚至制造刺激的、耸动的故事来吸引人们的眼球。在这个过程里，读者“很可能接收很多错的或有误导性的数字”。
这本书是两位英国作者，一位是汤姆·芝华士，科学作家，曾供职于《每日电讯报》（书里援引来自这个媒体的多个新闻报道：P），2018年获英国皇家统计学会“新闻‘统计性’优异奖”。另一位是大卫·芝华士，国杜伦大学商学院经济学副教授，曾任牛津大学讲师，其研究领域包括不平等、增长和发展等。
这本书以简洁、幽默的方式，带领读者了解一系列可能数据出错的原因。
首先在数字层面，如数据的来源、样本量、测量方式、还有排除的因素或者控制的因素，这些都会导致产生的数据结果不同。而新闻报道往往没有提供这些过程量信息，很多时候只给一个结论。
比如把效应量很小的因果关系放大，比如《睡前在屏幕上阅读可能会害死你》这篇报道里根本没有提及，该研究要求被试者在睡前4小时阅读纸质书或电子书。为此，作者忍无可忍地吐槽：
“每晚都少睡10分钟也许不是小事，但谁天天晚上在床上看4小时的书啊？”
但更值得关注的是人为因素。
书里告诉我们，科学家有时为了自己的研究能够在期刊发表（这样就能获得资助、更好的职业发展机会），会花大力气去雕琢数据，比如去寻找具有统计显著性的结果，使其达到符合期刊发表的值。
而另一个人为因素，就在新闻媒体这边。“撰写科学文章的记者通常基于通稿来快速撰写新闻”，很多时候记者并不具备统计学知识，也没有拿到足够的原始数据，不能发现操纵数据的行为。更为重要的是，为了吸引眼球，记者在报道里面会误导读者，写出耸人听闻的标题，比如“汽水使青少年变得暴力”。这篇报道援引的研究，只是提到二者具有相关性，但新闻却以因果性来呈现。
这是一本非常实用的书，在文末为记者提供了关于若干条统计写作指南，其实也可以看作这本书的要点小结。书里多次提醒读者谨慎地对待新闻里的任何数据，甚至在结尾处要求读者对媒体进行抨击，让他们为不完整、不准确的报道负责。
"事实上，这不仅是一本书，而是要开启一场在媒体行业倡导统计素养和责任运动的开始"。
读者是否愿意担此大任，见仁见智。不过我一直记着诺贝尔奖得主丹尼尔·卡尼曼的一个观点。
他说，统计知识的匮乏是现实世界中许多愚蠢选择的症结所在。
学学统计学，不当冤大头。Give me five！
数字一点不老实读后感篇十五
这本书其中解释了一个问题，为什么过去风行一时的很多理论说法，多年后就会被证明是谬误，这里面是否存在着某些干扰因素导致人们的误判，其中对于数字的误读，引发了作者汤姆芝华士，大卫芝华士两位作者的兴趣。数字一直被认为是严谨科学的标志，但数据的背后也往往隐藏着一些错误，我们该如何避免被看似公正的数字所误导？
书中举例子。有一些报纸为了博眼球，会巧妙的挑选数据顺序，以呈现他想表达的结果。比如在2019年《星期日泰晤士报》头版报道标题就是《青少年自杀率8年内几乎翻一番》，他以2010年作为起点，那一年是有记录以来英格兰和威尔士青少年自杀率最低的一年，从那一年开始，任何一年都会成为上升趋势，它可以挑选的数据序列起点和终点就属于“先有结果后做假设”的小伎俩，实际上青少年自杀情况极为罕见，因此数据中微小的随机变化就能导致百分比大幅波动，这就是有点像我们经常说的一个笑话：射箭如何能做到百发百中？就是先射箭，后画圈。
同样的问题也存在于气候问题中，关于全球避免变暖的争论一直不停歇，可能有人会跟你说，海平面自某某年已经上涨了多少米，如果全球继续变暖，冰川融化之后，大陆将会被融化的海水上涨淹没。这听起来确实挺吓人的，但如果你仔细思考一下，他说海平面持续上涨了多少米，是以哪一年作为参考的？这问题可能就存在人为的引导了，有些人会故意筛选数据，找变动最激烈的地方作为数据序列的起点和终点，然后给你讲一个误导性的故事。
这让我想到了发生在身边的一个真实的事情，就是我记得自己在小学初中的时候经常听报道说我们要避免使用冰箱等电器，因为里面的氟会破坏臭氧，导致大气层的臭氧空洞，太阳的紫外线会直接照射在动植物身上，杀死地面上的动植物。那时候听到这个新闻，天天都担惊受怕的，杞人忧天。但是你会发现，现在这些年来已经没有人再提臭氧空洞这件事儿了，对吧。现在的说法是：“随着人们对环境的认知加深，科学家们还发现了另一个惊人的事实就是，臭氧层空洞甚至能一定程度成为南极的保护。”。。。正着说反着说，怎么说都是你。。。所以啊，老百姓应该多读读《数字一点不老实》这种书，我觉得挺有启发的，别一天天的被各种居心叵测的新闻带节奏了。
还有一个章节，主要是讲“排名”。咱们都能发现，身边就有很大一部分人每天都在网上争论，哪个国家才是最牛逼最强的。国家GDP这个排名，就是争论的一个焦点，简直关系到国家荣辱了。书里边列举了一个表格来说明这个问题，作者以英国为例，他们英国人也经常会说“英国是世界第五大经济体”，但在2019年印度超过了英国成为第五的时候，在一些英国人看来这是一种耻辱，他们将国族自豪感很大一部分都押在了这个GDP排名上。
但作者说，如果你仔细看这个表格，你就会发现不管印度的GDP是否超过英国，英国人都没什么好去自豪或者失落的。因为如果跟排名第一的美国和排名第二的中国比，印度、英国、法国加起来都不值得一提，中国和美国甚至和这些国家都不在同一个竞技场上，中国的经济规模比英国大380%是英国的近5倍，而美国的经济规模比英国大630%是英国的7倍多，作者开玩笑说，争论哪个国家排名第五，就像在争论埃弗顿、阿森纳和狼队哪个足球队能在欧联赛中获得一席之地一样（意思是差距太大，毫无可比的意义），所以我们看待各种排名的时候，不能光看名次的顺序，具体的数字对比也很重要，名次之间差距太大，就已经没有对比的意义了。这个小误区经常有人在犯，所以下次听到印度的GDP“增速”超过中国的时候，别先急着“印吹斯汀”，先看看经济总量再谈增速，这就好比你谈先完成1个小目标跟王健林谈先实现1个小目标，能一样么？！
当然这本书里所涵盖的范围还是非常广阔的，不光是针对于新闻中的谬误。统计学上的错误、国家大事、还有一些科学言论都有涉及。“某某生活习惯或者吃某某东西会让死亡率上升百分之多少！”，我们经常能在各种新闻里看到这种新闻，这肯定会给咱们带来很多恐慌，但这里边也存在了许多数字猫腻，这本《数字一点不老实》我觉得就像之前看过的一个热门纪录片《流言终结者》一样，从数字的角度把各种你平时接触到的新闻或者传言背后的误导逻辑都揭露出来了，让读者更加清醒，挺好。
