下載書籍。
- 首頁
- >
- 書籍詳目頁
- 作者： 李凱 (著)
- 學科分類： 科學類
- 書籍分類： 會計‧統計
- 出版社： 清文華泉事業有限公司
- 出版地：臺灣
- 出版日期：2020
- 語文：繁體中文
- ISBN/識別號：9789865552015
假精確時代：大數據的合法詐騙，讓你上鉤還服服貼貼
可使用：0人
線上閱讀中：0人
下載閱讀中：0人
借閱天數：0天
線上閱讀
本書提供兩種檔案格式，請選擇開啟：
EPUB彈性排版，可依載具大小自動斷行或換頁，較適合小螢幕閱讀。
書籍內容
TOP
如何讓人相信一句非常荒誕的話？加上一個數字就可以了！
「資料夠多，你想要有什麼結果，大數據就能給你什麼結果。」
你被數據欺騙的次數，可能比你吃的米還多！
◎人類的「正常體溫」是多少？
德國物理學家卡爾宣稱，他為100萬人測量了精確體溫，在統計了體溫結果以後，最終得出結論：正常體溫應該是37℃！
但其實，卡爾測量的是腋溫，並不適用其他部位測量體溫，這就體現出，這一數字結論本身帶有某種偏差。
「正常體溫」的定義並不精確，甚至是主觀臆想，但這種典型的「假精確」，幾百年來人們卻深信不疑。
◎職場上的加薪陷阱，你看出來了嗎？
老闆有一天良心發現，決定為每一位員工加5%！全體員工歡騰，覺得自己終於能「出頭天」了，更加賣力上班……
幫員工加薪？小心是老闆的「變相自肥」！
老闆的年薪是2000萬元，以5%計算，老闆能加薪100多萬！
「這一年每個人都能加薪5%」，遠遠比「我的加薪是你的幾百倍」溫柔得多，儘管這兩句話本質一樣！
◎你看到的，都是對我有用的數據
該網站訪問量日成長率達800%──其實該網站1月3日訪問量只有10，而一月4日訪問量到達90。
有35%的被調查者購買了本產品──這個例子一般會用在公司強調產品的受歡迎程度。但公司顯然刻意隱瞞了另一點，那就是消費者購買後，有80%的人強烈要求退貨！
◎比詐騙集團更恐怖的，是大數據時代的合法詐騙
本書全面介紹了各種類型的數據陷阱，剖析詳細生動的案例，最後列出了幾項避免數據陷阱的妙招，幫助大家在工作、讀書學習、購物等日常生活中，更容易辨識出數據騙局！
在這個假精確時代，你還甘心被騙走這麼多錢跟時間嗎？
「資料夠多，你想要有什麼結果，大數據就能給你什麼結果。」
你被數據欺騙的次數，可能比你吃的米還多！
◎人類的「正常體溫」是多少？
德國物理學家卡爾宣稱，他為100萬人測量了精確體溫，在統計了體溫結果以後，最終得出結論：正常體溫應該是37℃！
但其實，卡爾測量的是腋溫，並不適用其他部位測量體溫，這就體現出，這一數字結論本身帶有某種偏差。
「正常體溫」的定義並不精確，甚至是主觀臆想，但這種典型的「假精確」，幾百年來人們卻深信不疑。
◎職場上的加薪陷阱，你看出來了嗎？
老闆有一天良心發現，決定為每一位員工加5%！全體員工歡騰，覺得自己終於能「出頭天」了，更加賣力上班……
幫員工加薪？小心是老闆的「變相自肥」！
老闆的年薪是2000萬元，以5%計算，老闆能加薪100多萬！
「這一年每個人都能加薪5%」，遠遠比「我的加薪是你的幾百倍」溫柔得多，儘管這兩句話本質一樣！
◎你看到的，都是對我有用的數據
該網站訪問量日成長率達800%──其實該網站1月3日訪問量只有10，而一月4日訪問量到達90。
有35%的被調查者購買了本產品──這個例子一般會用在公司強調產品的受歡迎程度。但公司顯然刻意隱瞞了另一點，那就是消費者購買後，有80%的人強烈要求退貨！
◎比詐騙集團更恐怖的，是大數據時代的合法詐騙
本書全面介紹了各種類型的數據陷阱，剖析詳細生動的案例，最後列出了幾項避免數據陷阱的妙招，幫助大家在工作、讀書學習、購物等日常生活中，更容易辨識出數據騙局！
在這個假精確時代，你還甘心被騙走這麼多錢跟時間嗎？
- 目錄
-
前 言 - 第一章 數字也會說謊
- 一、數字並不是你看起來那麼龐大
- （一）網路上的「大數字」
- （二）教育中的「大數字」
- （三）生活中的「大」數字
- （四）缺乏對比，數字大小未可知
- 二、這些數字是捏造出來的
- （一）網路造假
- （二）票房造假
- （三）胡亂預測
- 三、看穿數字中的「假精確」
- （一）廣告中的「假精確」
- （二）生活中的「假精確」
- 四、數字真實，包裝後也會認不出
- （一）你看到的，都是對我有用的
- 1．醫學研究中的「最優選擇」
- 2．經濟數據中的「最優選擇」
- 3．商業上的「最優選擇」
- 4．媒體報導上的「最優選擇」
- （二）指鹿為馬，無效的比較
- 1．生活中的數字陷阱
- 2．票房中的數字陷阱
- 3．工作中的數字陷阱
- （三）改一改，數據變了樣
- 1．平均值，典型值？
- 2．圖表，徒有其表
- 五、拙劣的數字謊言
- （一）廣告中的數字謊言
- （二）網路中的數字謊言
- （三）投資中的數字謊言
- （四）所謂的「公式」
- 第二章 風險中的數字陷阱
- 一、虛假的「小」風險
- （一）科學中的「小」風險
- （二）金融中的「小」風險
- 二、虛假的「大」風險
- （一）科學上的「大」風險
- （二）生活上的「大」風險
- 三、風險也分相對與絕對
- （一）科學上的風險
- （二）生活上的風險
- 四、科學謠言扎根於數字陷阱
- （一）「大」數字
- （二）風險「相對論」
- （三）關聯不是因果
- （四）毫無意義的比較
- （五）離開劑量談毒性？請不要耍流氓
- 第三章 注意：迴歸分析也有陷阱
- 一、數字相關≠因果聯繫
- （一）醫學上的數字陷阱
- （二）網路上的數字陷阱
- 1．機緣巧合產生的相關關係
- 2．聯合變動
- 3．顯著相關性，變量之間毫無影響
- 二、A和B，哪個是因？哪個是果？
- （一）科學界的因果倒置
- （二）經濟上的因果倒置
- （三）學習上的因果倒置
- （四）廣告上的因果倒置
- （五）教育上的因果倒置
- 三、遺漏變量，分析有誤差
- （一）學校考試成績中的數字陷阱
- （二）健康上的數字陷阱
- （三）機率上的數字陷阱
- 1．環境謬誤——假設整體的機率就是個體的機率
- 2．獨立性謬誤——需要證明獨立性，卻假設獨立性先驗存在
- 3．檢察官謬誤
- 四、無關變量太多，結果無意義
- 五、預測趨勢胡亂分析，結果很可笑
- 第四章 統計調查，數字陷阱的重災區
- 一、樣本數據不足，離正確結論失之千里
- 二、資料不相配，何談正確結論
- （一）媒體的不相配數據
- （二）廣告中的不相配數據
- （三）醫學上的不相配數據
- （四）公司營運中的不相配數據
- 三、樣本選取錯誤，系統誤差不可避免
- 四、人性弱點，被調查者不一定說真話
- 五、問題問得好，被調查者才會答得好
- 第五章 廣告中的數字陷阱
- 一、徵才廣告有隱情，虛假薪資誘人心弦
- 二、商品折扣增加40%，你是否心動？
- 三、裝潢陷阱玩弄低價數字遊戲，你能看清嗎？
- 1．展開面積≠投影面積
- 2．單位不同，小心有詐
- 3．外牆面積與內牆面積
- 4．圖紙與預算書中的尺寸要一致
- 四、公司產品滿意度99.8%，幌子不少
- 五、廣告中的辛普森悖論
- （一）藥物 vs 安慰劑
- （二）考試成績
- （三）吸菸與健康問題
- 六、數字形式巧變樣，感覺不一樣
- （一）模糊字眼
- （二）「大」數字
- （三）精確數字
- 七、價格就怕比，弄得消費者沒主意
- （一）第一個數字
- （二）消費者的中庸之道
- （三）我們只是缺少一個購買的理由
- 八、特價房屋，特價可能只是錯覺
- 第六章 網際網路的數字陷阱
- 一、婚戀網站陷阱多，機器人帳號遍地開花
- 二、網路金融，產品收益說得不可靠
- （一）年化收益率16%？零風險？
- （二）貨幣基金收益8%？
- （三）高收益吸睛，文字遊戲？
- 三、你的粉絲究竟有多少是虛假的？
- 四、網際網路的KPI，內幕真不少
- 1．用戶註冊數
- 2．活躍用戶數
- 3．用戶瀏覽數
- 五、網路上有排行，灌水太多不可靠
- （一）品牌榜
- （二）暢銷榜
- （三）信譽榜
- （四）排名應有准入門檻
- （五）網路平台當擔責
- 六、直播平台很熱門，隱情很多，湊成堆出現
- 七、流傳二十多年的假數據，是時候拆穿了
- 八、網路數據造假為何頻頻出現？
- 第七章 企事業單位營運的數字陷阱
- 一、學校考生真是不同凡響，你關注上榜人數的背後了嗎？
- 二、藥價下降了，你覺得醫藥費真的會少嗎？
- 三、霧霾減輕了，真的是車輛限行的原因嗎？
- 四、電視收視率有那麼簡單嗎？
- （一）收視率的玄機
- （二）收視率為零？
- （三）收視率 vs 收視占比
- 五、上市公司融資額，造假危險且愚蠢
- （一）上市潛力股公司
- （二）上市企業所投公司
- 六、高鐵上座率大於百分之百，有的車廂還沒人？
- 七、可恨的誘餌式標題，死亡率可不能這麼對比
- 第八章 生活中的數字陷阱
- 一、攤販找你小錢，先不要著急走開
- （一）耍賴裝傻
- （二）障眼法
- （三）墊秤
- （四）耍秤
- 二、步數多，健康也不一定會來
- 1．步數≠運動強度
- 2．生活步數≠運動步數
- 三、有折扣就便宜？可沒有那麼好的事
- （一）折扣陷阱
- （二）贈品陷阱
- 四、體重減輕，減肥就成功？
- （一）越減越肥
- （二）失戀減肥
- （三）紋絲不動的體重數字
- （四）瘦卻乾癟著
- （五）身材好，體重卻沒變
- 五、視力度數就一定可靠？小心近視
- 六、葡萄酒看年份，這種常識不可輕信
- 七、前面有坑，小心掉入中獎陷阱
- 八、二手車看里程數，多長心眼別被糊弄
- 第九章 避免數字陷阱有妙招
- 一、大數據的困局，N≠所有
- 二、大數據，用小規模實驗求證
- 三、尋找偏差，不要被權威迷惑
- （一）有意識的偏差
- （二）無意識偏差
- （三）將資料與權威人士劃清界限
- 四、問自己，是否遺漏了什麼？
- （一）缺乏比較
- （二）遺漏原因
- 五、拆穿偷換概念的把戲
- （一）統計口徑不同
- （二）口頭回答不可靠
- （三）目的不同
- （四）無理比較
- （五）標榜第一
- （六）文字遊戲
- 六、用提問將毫無意義的數據打回原形
- 版權頁
