如果生活中遇到了問題，你會怎麼辦？

我想大多數人都會去百度一下，所謂內事不決問老婆，外事不決問百度。

但是，百度得來的答案層次不齊，有些更是具有誤導性，2017年魏則西事件就是明證。

對此，有人會去專門的問答平臺找答案，例如知乎和今日頭條的悟空問答，這些平臺的答案要比直接百度出來的靠譜得多。

但問答平臺通常都是二手知識，有些答案事實而非，也缺乏專業性和科學性。

為了解決這個問題，有人會直接閱讀論文，因為論文具有科學性和真實性。

首先論文的作者，是具有一定造詣的專業人士；其次，論文有大量的數據作為基礎；最後，論文的發表需要雜誌社進行層層審核（同行評議），綜合下來，論文的內容是最值得信賴的。

直接百度答案層次不齊，問答平臺事實而非，那麼經過同行評議以後的專業論文，就能夠完全相信、一勞永逸了嗎？

今天我想和大家聊的這本《簡單統計學》，探討的就是這個問題。

簡單統計學

它的作者是耶魯大學的統計學博士加里▪史密斯，他認為有些人誤用了統計學，得出了錯誤的結論；有些則故意錯誤使用統計學，得出了自己想要的結論，而這些結論都偏離事實。

01 故意用錯統計學

在美國和英國這樣的發達國家，疫苗的接種率很低，遠遠沒有一些小國、窮國的接種率高，例如窮國斯里蘭卡的接種率就要比美國和英國高。

現代醫學發展到今天，我們都知道，接種疫苗是預防疾病最有效的方式之一，天花之所以能被消滅，就是因為疫苗的功勞，而HIV之所以猖獗，最根本原因就在於目前還沒有HIV疫苗。

那英國和美國的家長，為什麼不願意讓自家的孩子接種疫苗呢？他們難道不知道接種疫苗的好處嗎？

要查找原因，還得從1998年的一篇文章開始說起。

那一年，英國醫生韋克菲爾德和他的合作者一起，在著名的醫學雜誌《柳葉刀》上發表了一篇論文，論文的結論是：12名正常兒童在接種麻疹、腮腺炎和風疹疫苗以後，患上了自閉症。

文章一出來，輿論頓時譁然，很多家長非常焦慮，畢竟自閉症比感染麻腮風的危害要大。

於是，他們停止了正常的接種程序，不再給孩子接種疫苗。

事情並沒有完，有人試圖複製韋克菲爾德的研究結果，但不論怎麼努力，始終得不到接種麻疹、腮腺炎和風疹疫苗後患上了自閉症的結論。

為此，一位名為賴恩▪迪爾的記者開展了調查，調查的結果是，韋克菲爾德使用的數據與英國官方的數據不符，並且韋克菲爾德聲稱患上自閉症的12名兒童中，只有1人確診患有自閉症，其他11人都是健康的。

也就是說，韋克菲爾德使用了錯誤的數據，最終得出錯誤的結論。

那麼他為什麼要這樣做呢？

賴恩▪迪爾進一步調查發現，韋克菲爾德計劃推出替代性疫苗，他認為，新疫苗才是安全的，與此同時，韋克菲爾德也與律師合作，希望對疫苗生產商提起訴訟，從而獲得豐厚的回報。

2010年，《柳葉刀》雜誌撤銷了韋克菲爾德的文章，同時英國醫學會弔銷了他的行醫執照。

真相得以大白，但影響卻並沒有就此停止，因為這篇文章的緣故，英國的麻疹接種率從92%跌至不到80%，麻疹並也從1998年的56例，增加到2008年的1348例。

疫苗接種

02 萬惡的0.05

對於一名科研工作者來說，最喜歡的數字是0.05，而最害怕的數字可能也是0.05。

對應0.05的是一個具有魔幻性的統計學術語——顯著性檢驗，簡單來理解，顯著性檢驗就是看兩組不同的數據，是否存在差異。

例如，小王為了減肥，服用了某公司的減肥產品，服用減肥產品前後小王的體重見下表。

小王減肥前後數據

乍一看，減肥前平均體重是56千克，減肥後平均體重是55千克，減肥成功，減肥產品有效。

這個時候，統計學家跳出來說，不能這樣簡單粗暴的比，因為在稱重的時候會產生誤差（就是真實值和稱重值之間的差），這1千克，到底是減肥產品的作用，還是因為稱重誤差帶來的減輕，誰也不知道，必須經過統計學計算才行。

於是，統計學家重新計算，得出一個p值，如果p值小於0.05，那麼小王因為稱重誤差引起的減輕是小概率事件。

也就是說，如果p值小於0.05，那麼小王的體重減輕，是因為減肥產品的作用，不是稱重誤差帶來的，說明減肥成功，具有顯著性效果。

如果p值大於0.05（大概率事件），那麼小王的體重減輕，是因為稱重誤差帶來的，並不是減肥產品的作用，減肥失敗，沒有顯著性效果。

補充一下概率論知識，如果一件事情出現的可能性大於95%（0.95），就是大概率事件，如果小於5%（0.05），就是小概率事件。

經過計算，小王減肥前後體重的p值是0.386，大於0.05，沒有顯著性差異，小王的體重減輕，是因為稱重誤差帶來的，她減肥失敗，沒有顯著性效果。

小王只能哭暈在廁所。

正因為有了顯著性檢驗（0.05），科研人員開始大殺四方。

例如，用澱粉來治療疼痛，通過和原來的止痛藥進行顯著性檢驗，發現p值小於0.05。

結論是：在治療疼痛中，澱粉的作用比原來的止痛藥明顯，於是製藥公司開始瘋狂銷售澱粉。畢竟實驗科學嚴謹，還有數據支持。

每年，製藥公司都會對成百上千的新藥進行顯著性檢驗，即便實驗設計良好，還是會有一些毫無效果的藥物，表現出具有統計顯著性效果。

而這可以給製藥公司帶來源源不斷的利潤。

與之相反的例子是，美國對健康男性實施前列腺癌的普查，在花費了大量的人力物力和財力以後發現，這項普查毫無意義。

普查前後進行顯著性檢驗，p值大於0.05，沒有顯著性差異。

《簡單的統計學》說出了這樣一個事實。

一位名叫約翰▪約安尼季斯的醫生，針對45項備受尊敬的醫學研究發現，只有20項被人用更大規模的樣本進行了檢驗，複製出當時的研究結果，複製成功的比例是44%。

這還是備受尊敬的研究成果，如果是一般的研究成果，能夠複製的比例只會更低。

為此，他還寫了一篇名為“為什麼大多數得到發表的研究結果都是錯誤的”的文章。

雙胞胎有差異嗎？

03 如何識破鄭重其事的胡謅亂道

在《簡單統計學》中，給出了兩個良方來識破鄭重其事的胡謅亂道,他們是常識和新數據。

有人研究認為，如果出生在“火年”，那麼就容易死於心臟病；

如果一個人姓名的首字母縮寫有積極的意義，那麼壽命將延長3-5年；

凌亂的房間會導致種族主義傾向……

這些看上去言之鑿鑿的理論，其實已經違背了常理，這就需要保持足夠的警惕，加里▪史密斯說，很多研究人員用科學的方法，嚴肅的語氣提出了一些愚蠢的理論。

如果你聽到一個新理論覺得非常不可思議，違反了你的常識，那麼就需要警惕了，即便拿出一堆眼花繚亂的數據，也要慎重對待，因為顛覆不同尋常的常識，需要不同尋常的證據。

除了常識之外，還有一個良方是新數據。

我在摸麻將牌的時候，如果用左手的無名指和拇指摸到了一張東風，看到這樣的結果，於是我得出了結論：如果我用左手的無名指和拇指摸牌，那麼，我就可以摸到東風。

麻將

這並不是空穴來風，而是有數據支持，我之前確實用這樣怪異的姿勢摸到了東風。

很顯然，這樣的理論不僅違背常識，而且還很愚蠢，一副麻將只有4張東風，全部摸完以後是不可能再摸到東風的。

這個時候，最好的辦法就是能夠用新數據進行驗證，複製實驗結果。例如可以用同樣的姿勢再摸一遍，看看結論是否真的如前所說。

這個辦法就是用新數據檢驗理論，得到的結論可能讓人失望，這並不意外。

摸麻將牌的謬論，我們很容易就識別出來，但如果換成另外一種我們不認識的新事物，再加上一些專業的統計學術語，就容易受到迷惑，應該怎麼辦呢？

這時候，就要求我們對一切看上去貌似嚴謹的數據保持警惕，不可盲目信任，然後找其他資料進行比對。

如果，有人用更大規模的樣本複製出相同的結果，那麼這個理論十有八九是正確的，可以接受。

但是，如果沒有人複製出相同的結果，甚至是得出了相反的結論，那麼這個理論大概是錯誤的，需要遠離。

這是一個大數據的時代，言必稱大數據，大數據從來沒有像今天這樣得到過推崇和信任。

誠然，大數據可以為我們做出更明智的決策，發現重要的理論。

但是，有時候大數據也會得出一些荒謬的怪異的理論，而學習一點統計學知識，則可以識別這種愚蠢而又荒誕的理論。

正如著名經濟學家科斯說的，如果你對數據拷打足夠長的時間，它一定會招供。