Hi 冒菜
热泪盈眶

图书馆借来的，我给打3分，主要因为没有满足期望

书名有个“轻松”，但我看得一点都不轻松，脑子里面跳线抽筋打结。当然也有可能是因为翻译的问题。原作者虽然把一些概念写得很简明（用英语），但译者是统计学达人，立刻就把他们翻译成了晦涩难懂的统计学概念。

摘一句看得我想撞墙的句子：

『第II类错误概念：此类错误是指没有拒绝那些原假设H0为伪且应被拒绝的情况』原书132页

真是严谨得够可以啊，我很怀疑难道存在一种 『原假设H0为伪但不应被拒绝的情况』吗？不解……

再来一句，伟大的严谨的令人毛骨悚然的逻辑，让我感觉像读余秋雨老师的文章似的，浑身颤抖

『备择假设是通过拒绝原假设而得出的结论。如果抽样统计中的数据证明原假设不可能是正确的，就可以拒绝原假设。然后，如果不能拒绝原假设，也不能声称已证实了原假设，不能拒绝原假设只意味着你不能证实备择假设』原书129页

我智商和逻辑能力略逊，读这些概念的时候不得不说非常非常的吃力。也可能是我读书的态度不对，我把这书当作一本轻松的统计学概览性的书来读，所以太容易被这些强大的逻辑击溃。

读后有几个感触

• 统计学大部分时候无法脱离抽样、样本，而众多的统计学工具是为了消除样本与总体之间的差异。
• 对于我的平常工作场景，当分析产品的pv、uv，客户行为的时候，我通常偏向于获取全量数据，所以很多概念和工具用不上。
• 卡方检验是一项非常实用的分析工具，可以将影响一个因变量的多个自变量之间的关系理清楚。举个直观的例子，盈利增加10%，到底是销售部门的功劳，还是市场部门的功劳，获取足够的数据，卡方检验可以给你答案。
• 用户调研中，抽样和样本分析就显得非常重要了，但这本书中没有很多具可操作性的建议。可以配合一些市场营销的书看看。
• 科学，异常严谨。我仿佛能从上面调侃的那些段子中，看到一个矮瘦的老科学家，孜孜不倦得将现实世界抽干，提取出其中的骨架，并用它搭建坚固的抽象模型。我们应该用这些骨架指导我们的现实生活，以向他们致敬。