《统计陷阱》读后感范文大全 阅读《统计陷阱》收获感悟合集

阅读《统计陷阱》这本书，让我深刻认识到了统计思维和方法的重要性，同时也让我更加了解了一些常见的统计陷阱和误导方式。通过借鉴书中的思想和经验，我们可以更好地应对数据的问题和挑战，为数据的合理利用和发展做出更大的贡献。以下是《统计陷阱》读后感范文大全，和阅读《统计陷阱》收获感悟合集，可供大家参考。

《统计陷阱》读后感1

这是一本值得大力推荐的好书，对提高批判思维有好处。如果大家都读过这本书，相信很多的流言就不会传得大那么广那么快！

要学理论的话买本大学教材就行，一般人生活中不需要记住随机和粗大误差是啥，只要面对统计数据图表的时候本能上怀疑，认真审题，自己逻辑正确，就不会被牵着鼻子走，然后就会发现相当一部分数据和因果关系毫无意义

《统计陷阱》读后感2

现在企业管理中越来越强调用数字说话，各类汇报和展示中也都是充斥着各种数字和图表，什么饼图，趋势图，平均值，方差，零零总总，到处都是。

但是，这么多的统计数字反映的是否都是真实的世界呢？如果不了解统计的具体方法，可能很多人都觉得统计出来的数字都是值得信赖的，实际上并不是这样。美国在1950年代开始在企业管理中大量引入统计数字管理的时候，就有大量的统计数据、统计资料由于主、客观的原因被滥用，很难起到描述事实、传递信息的作用。相反，还往往对读者形成误导。选莱尔·哈夫(Darrell Huff)，一位具有深厚统计背景的新闻记者——发现了这一现象。他在广泛调查的基础上，从报刊、杂志、书籍中，从美国统计学会一些统计学家提供的实例中，收集了大量案例，并在1954 年写下了《如何用统计造假（How to Lie with Statistics）》一书。这里借用《大西洋》杂志的评价：“这是一本具有善意破坏性的书，读完它后，你对于‘万能统计’的信任将大大降低。”

《统计陷阱》读后感3

在经历了一个学期的学习之后，我们对《统计学》的学习也来到了最后的阶段。在这一个学期的学习中，有很多感想，也有很多收获。虽然课程有些枯燥，但无疑的是，我们掌握了统计学这门实用的工具，在我们未来的人生中，也必将会运用这个工具，陪伴我们前行。 作为一个曾经以政治为高考内容文科生，在学习统计学之前，在我的心目中，统计学是一门非常枯燥以及复杂的学科，以我的数学水平以及从未涉及高等数学的学习，令我对这门学科有着异乎寻常的恐惧。经过几堂课的学习之后，基础的缺乏更令我感到难以下手，后来，每当有人谈起统计，我脑袋中就浮现出计数，一大堆枯燥的数字，还有一长串的数学计算式。 但是经过半个学期的学习，我对统计学有了全新的认识。在学习的过程中，我渐渐开始意识到统计学在学术研究中，在公司决策中，在国家制定方针政策时……在社会生活的各个方面都发挥着重要作用，它有它独立而完备的理论体系，它是相当科学的，它是以数学作为它的基本工具，但它有比数学更有实际用途，它可以对生活中大量的无序的数据进行分析，找出它们的规律，从而为研究、决策提供基本的依据，它是其他学科的一切理论的基础和来源……因此，为了掌握这门有用的科学，我决定开始努力学习。

在很多跟我一样以人力资源为学习对象的同学们的心目中，统计学跟我们的专业关系并不是很大。但是实际上却截然不同。作为我们课程学习的骨干部分，经济学来源于统计学。自然界的现象可以通过实验解剖等方法来被人们掌握。但是人类社会的经济现象就不一样了，它们复杂多样、变化多端，没有任何实验的方法可以来准确的研究。因此我们就只有借助于统计学，通过统计分析社会经济的各种数据，我们就可以发现社会的经济问题，为经济学的研究提供了素材。因此，我们完全可以认为，统计是沟通经济学与实际的一个重要桥梁。没有统计学，就没有经济学今天的发展。正因为经济学和统计学这样密切的关系，我意识到，光学好经济学理论知识是不够的，我必须还要同时学好统计学。因为作为人力资源学科的学习者的我们来说，掌握这门学科，对于我们未来的管理和经济学的进一步学习，统计学的基本运用，是必不可少的。

《统计陷阱》读后感4

真实世界中的数字都是伴随着计量单位的，每个计量单位都表现出可伸缩的潜在计量空间，这就使得所有的计量行为都是不完美的，这便是误差。基于非常可靠和客观的计量行为得出的数据可以相当接近真实，而那些基于不可靠或者主观的计量行为的数据，则更接近荒谬。但是一个具体数字究竟属于哪一类，常常不是那么明显。因此面对现实生活中的数字时，我们必须承认，它们是存在缺陷的，它们未必有着充分的依据。

书中举了这样一个例子：在医学界曾探讨人的标准体温的问题，我们知道人是没有绝对的标准体温的，个体多少都有一点体温的差别，当时曾有医生通过统计了大量体温数据，定了一个大概的标准——37摄氏度，就定做是人的标准体温。这里的37并不是一个绝对精确的数字。我们知道，美国人使用的温度单位不是摄氏温度，而是华氏温度，那时美国就有学者把37摄氏度换算成华氏温度，刚好等于98.6华氏度。于是就有了这样一个暗示：人的标准体温是可以精确到0.1华氏度的，同时也给人一个错觉：人是有很精确的标准体温的。这种观点曾经被很多人所接受。虽然仅仅只是做了一个简单的换算，但实际上已经传导给人一种错误的知识。

还有一种是统计中与确定和不确定性有关的因果关系陷阱。有一个例子，美国亚利桑那州肺结核发病率比较高，从这个数据人们很容易得出结论：亚利桑那州环境肯定不好，不利于人的肺部呼吸等等，但是事实却恰恰相反，因为该州环境较好，非常有利于肺结核病的康复，所以全美很多肺结核和肺病患者都前来治疗，从而导致了肺结核病的统计数字过高。通过一个数据，结论可以很轻松就得出，但真相往往不是那么简单就可以得到的，通过表面上的数字得出轻率的结论就极容易陷入偏差。单纯利用数字来找原因，未必靠得住。

《统计陷阱》读后感5

　要说什么专业最没用，统计学肯定能排上名号，很大的一个原因是没几个公司需要统计职工。开始的时候，统计学多应用在金融和科研机构上，民营企业用得比较少。一来民营企业没有那么多资源去收集和分析海量数据，二来也没有意识到数据的重要性。但是，自从大数据、云计算提出后，数据统计变得越来越重要。查看拉勾网上的相关招聘可以发现，除了平安保险、尼尔森数据、中科院这样早就重视统计的公司，哔哩哔哩、什么值得买、QQ阅文这样的互联网公司也需要找专人分析处理收集到的数据，而今日头条的算法匹配、推荐内容就是数据统计有效利用的一个例子。

　　然而，仅仅把统计用在大公司大机构还是太浪费了。统计就和英语一样，是一门工具，可以通过这个工具打通不同领域的界限。比如，掌握了统计方法，可以通过比较几家公司历年的发展状况、企业福利，来推算出自己可能的薪资、发展前景，更加合理地跳槽。学统计和学英语也很像，一要有英语的思维，用英语的习惯表达，也就是要学会统计思维，二要学习英语的语法，也就是统计方法。

《统计陷阱》读后感6

和统计数据打的交道多了，什么见鬼的事情都能遇上。统计数据显示，在铀矿工作的工人居然与其他人的寿命相当，有时甚至更长！难道统计结果表明在铀矿工作对身体无害么？

当然不是！其实，统计数据本身并没有说谎，铀矿工人的寿命真的不比普通人低，难就难在我们如何剥开数据的外表，从中挖掘出正确的信息。事实上，只有那些身强体壮的人才会去铀矿工作，他们的寿命本来就长一些，正是因为去了铀矿工作，才把他们的寿命拉低到了平均水平，造成了数据的“伪独立性”。这种现象常常被称为“健康工人效应”。

类似地，有数据表明打太极拳的人和不打太极拳的人平均寿命相同。事实上呢，太极拳确实可以强身健体、延长寿命，但打太极拳的人往往是体弱多病的人，这一事实也给统计数据带来了虚假的独立性。

有虚假的独立性数据，就有虚假的相关性数据。统计数据显示，去救火的消防员越多，火灾损失越大。初次听到这样的结论，想必大家的反应都一样：这怎么可能呢？仔细想想你就明白了：正因为火灾损失大，才会有很多人去救火。因果关系弄颠倒了。数据只能显示两件事情有相关性，但并不能告诉你它们内部的逻辑关系。

事实上，两个在统计数据上呈现相关性的事件，有可能根本就没有因果关系。统计数据表明，冰淇淋销量增加，鲨鱼食人事件也会同时增加。但这并不意味着，把冰淇淋销售点全部取缔了，就能减小人被鲨鱼吃掉的概率。真实的情况则是，这两个变量同时增加只不过是因为夏天来了。统计数据显示，足球队的获胜率，竟然与队员的球袜长度成正比。难道把队员的球袜都换长一些，就能增加进球数了吗？显然不是。数据背后真正的因果关系是，球队的获胜率和队员的球袜长度都与队员的身高呈正相关，这导致了获胜率与球袜长度之间表现出虚假的相关性。

类似的例子还有很多。统计数据表明，手指越黄的人，得肺癌的概率越大。但事实上，手指的颜色和得肺癌的概率之间显然没有直接的因果联系。那么为什么统计数据会显示出相关性呢？这是因为手指黄和肺癌都是由吸烟造成的，于是又营造出一种虚假的相关性。

读到这里，大家脑子里或许会产生这么一个颠覆性的念头：根据同样的道理，我们又凭什么说吸烟会致癌呢？万一吸烟和肺癌也都是由另外一个东西同时导致的怎么办？

其实，要想知道吸烟与癌症之间究竟是否有因果联系，方法本来很简单：找一群人随机分成两组，规定一组抽烟一组不抽烟，十几年后再把这一拨人找回来，数一数看是不是抽烟的那一组人患肺癌的更多一些。这个实验方法本身是无可挑剔的，但它太不道德了，因此我们只能考虑用自然观察法，选择一些本来都不吸烟的健康人进行跟踪观察，然后呢，过一段时间这拨人里总会出现一些失意了、堕落了犯上烟瘾的人，于是随着时间的流逝这帮人自然而然地分成了可供统计观察的两组人。注意，这里“是否吸烟”这一变量并不是通过随机化得来的，它并没有经过人为的干预，而是自然区分出来的。这是一个致命的缺陷！统计结果表明，犯上烟瘾的那些人得肺癌的几率远远高于其他人。这真的能够说明吸烟致癌吗？仔细想想你会发现这当然不能！原因恰似之前提过的例子：完全有可能是因果关系颠倒了，或者某个第三方变量同时对“爱吸烟”和“患肺癌”产生影响。1957年，费希尔（Fisher）提出了两个备选理论：癌症引起吸烟（烟瘾是癌症早期的一个症状），或者存在某种基因能够同时引起癌症和烟瘾。

现实中的统计数据往往会表现出一些更加诡异复杂的反常现象，带来更多意想不到的麻烦。辛普森（Simpson）悖论是统计学中最有名的悖论：各个局部表现都很好，合起来一看反而更差。统计学在药物实验中的应用相当广泛，每次推出一种新药，我们都需要非常谨慎地进行临床测试。但有时候，药物实验的结果会匪夷所思。假设现在我们有一种可以代替安慰剂的新药。统计数据表明，这种新药的效果并不比安慰剂好。

大家不妨实际计算一下：对于男性来说，新药对高达70%的人都有效，而安慰剂则只对60%的人有效；对于女性来说，新药对30%的人都有效，而安慰剂则只对20%的人有效。滑稽的一幕出现了：我们惊奇地发现，新药对男性更加有效，对女性也更加有效，但对整个人类则无效！

这种怪异的事屡见不鲜。曾有一个高中的师弟给我发短信，给了我两所大学的名字，问该填报哪个好。我考虑了各方面的因素，甚至非常认真地帮他查了一下两所大学的男女生比例，并且很细致地将表格精确到了各个院系。然后呢，怪事出现了：A学校的每个院系的女生比例都比B学校的同院系要高，但合起来一看就比B学校的低。当然，进错了大学找不到女朋友是小事，但医药研究需要的是极其精细的统计实验，稍微出点差错的话害死的可就不是一两个人了。

上面的例子再次告诉我们，统计实验的“随机干预”有多么重要。从上面的数据里我们直接看到，这个实验的操作本身就有问题：新药几乎全是女性在用，男性则大都在用安慰剂。被试者的分组根本没有实现完全的随机化，这才导致了如此混乱的统计结果。不难设想，如果每种药物的使用者都是男女各占一半，上述的悖论也就不会产生了。当然，研究人员也并不笨，这么重大的失误一般还是不会发生的。问题很可能出在一些没人注意到的小细节上。比如说，实验的时候用粉色的瓶子装新药，用蓝色的瓶子装安慰剂，然后让被试人从中随机选一个来用。结果呢，女孩子们喜欢粉色，选的都是新药；男的呢则大多选择了蓝瓶子，用的都是安慰剂。最后，200份新药和200份安慰剂正好都发完，因此不到结果出来时，就没有人会注意到这个微小的性别差异所带来的统计失误。

当然，上面这个药物实验的例子并不是真实的，一看就知道那个数据是凑出来方便大家计算的。不过，永远不要以为这种戏剧性的事件不会发生。《致命的药物》一书详细披露了20世纪美国的一次重大药害事件，其原因可以归结到药物实验上去。人们推测，事故发生的原因就与一些类似的统计学现象相关。

这些离奇的统计学现象有时会让人感到恐慌：连统计数字也不可靠了，还有什么能真实地反映这个世界运转的规律呢？

《统计陷阱》读后感7

很有活力的一本书。没系统学过统计学的人可以通过看这本书了解：

统计学的现实应用；

统计分析常见问题；

语言风趣幽默，引人入胜。通过大量的例子和详实的数据证实来解释一门严谨的学科——或者说一个比较复杂的工具。

学过统计学的人也可以通过书中的解读，强化对原有知识的理解。

本书是对统计这个工具加深基本了解不可多得的好书。在这个数据为王的时代，人们可以不在乎微积分，但却应该重视统计工具。它在社会学、娱乐、体育、金融几乎所有涉及人类参与的领域都有着大量应用。

《统计陷阱》读后感8

现在企业管理中越来越强调用数字说话，各类汇报和展示中也都是充斥着各种数字和图表，什么饼图，趋势图，平均值，方差，零零总总，到处都是。

但是，这么多的统计数字反映的是否都是真实的世界呢？如果不了解统计的具体方法，可能很多人都觉得统计出来的数字都是值得信赖的，实际上并不是这样。美国在1950年代开始在企业管理中大量引入统计数字管理的时候，就有大量的统计数据、统计资料由于主、客观的原因被滥用，很难起到描述事实、传递信息的作用。相反，还往往对读者形成误导。选莱尔·哈夫(Darrell Huff)，一位具有深厚统计背景的新闻记者——发现了这一现象。他在广泛调查的基础上，从报刊、杂志、书籍中，从美国统计学会一些统计学家提供的实例中，收集了大量案例，并在1954 年写下了《如何用统计造假（How to Lie with Statistics）》一书。这里借用《大西洋》杂志的评价：“这是一本具有善意破坏性的书，读完它后，你对于‘万能统计’的信任将大大降低。”

《统计陷阱》读后感9

　我想，像我这样对数字不敏感的人一定很多。尤其在这个资讯如此泛滥的时代，我们太轻信于书面的数字。可这些都一定是真实的吗？你有没有想过，自己的头脑常常是别人的跑马场？

　　这本书之所以少有关注，可以就是因为“统计”这样一个不太讨人喜欢的词语。不过我还是希望读过此书人能通过数字这小小的杠杆，使谎言的大厦轰然倒塌。

《统计陷阱》读后感10

美国有人经过统计后，发现男性发生中年危机的时候，其妻子往往都是中年女性。如果男性的妻子是年轻女性，男性往往不会有中年危机。所以中年危机的原因是妻子是中年女性。这个结论其实非常荒谬，本末倒置。如果中年男性能找到年轻女性做老婆，说明男的财力雄厚，财力雄厚的男性会有什么中年危机？所以，只有财力雄厚的男性才不会有中年危机，而不是找到青年女性做老婆。

介绍完了常用的统计造假手段，如何不被统计欺骗？

作者认为对统计资料应该提出五个问题：

(1)“谁说的?”统计局还是民间机构？自吹自擂还是全无关系的人说的？如果有利益在里面，很有可能统计是有偏的。

(2)“如何知道的?”例如，调查问卷如果回收率很低，统计的结果就很值得怀疑。

(3)“是否遗漏了什么?”当你看到人均住房面积是114平的统计结果时，一定要想一想住房面积的中位数是多少。

(4)“是否偷换了概念?”分析统计资料时，请留心从搜集原始资料到形成结论的整个过程中，是否存在着概念的偷换。在现实生活中．将甲说成乙的案例实在是太多了。例如，有人发现埃及木乃伊上从未检测到癌症的迹象，便认为古代生活好，不会得癌症。实际上，这些埃及人都在50岁前死亡了，还不会有机会得癌症了，在古代这种没有工业污染的社会，癌症只有在人岁数很大的时候才有可能出现。

(5)“资料是否有意义?”现在统计的房价，实际是略偏低的，因为政府只能用网签价格来统计房价，但是二手房交易时，人们经常搞阴阳合同，实际成交价格比网签价格要高，这样的房价就缺乏参考意义。

《统计陷阱》读后感11

通过以经济管理应用案例为基础的方式，将理论知识框架蕴于实际生活中的经济领域之中，将统计学理论与管理统计实践进行有机结合，围绕统计学分析的方法在生产生活中的运用所产生的各种问题展开，通过引入真实具体的案例来阐释管理统计学理论。同时书中精选了作者数年来积累的MBA教学案例以及实际工作案例，便于读者最大程度上的学以致用。此外，书中还结合实际的应用，详细阐述了通过相关应用软件解决实际问题的方法及技巧，借此来指导读者动手操作。总之，这本书读罢，顿觉是对自己在管理统计上的知识的一次全面升华。

《统计陷阱》读后感12

　如果要分析一个抽象的因素和结果之间的关系怎么办呢？比如大家都很熟悉的品牌的作用。有的公司投放品牌就有很好的收益，有的公司却适得其反。然而品牌又不像到店次数一样直观，可以直接得到数据，那该怎么办？可以用因子分析，把包含品牌和销售额的材料归为一类，以点的形式标在坐标系上，若是要考虑别的因素就建立新的坐标系。

　　统计思维是把所有信息转换成数字的思维，将数据以公式、图表的形式呈现出来。数字是客观的，可以最大程度地减少主观的影响。处理数据的目的则是找出最能影响结果的那个数据，也就是平常说的最优方案。这个思维和商务简直是天作之合，因为商务也是要从众多的因素中找出能最有效地促进销售、获得收益的那一个。

　　这种数字化的思维不仅在商务中有很重要的作用，在个人的职场中也有很重要的帮助。比如前面提到的跳槽。善用统计思维还能把自己的工作化成数字，今年做了多少项目，每个项目花了多少时间，取得多少成绩，A项目和B项目的区别在哪里，这样不仅能看出自己的工作效率方法也能看出成绩所在。最直接的，就是能拿着这个当年终总结了。统计思维是一个工具，可以帮助使用者建立一个因果关系的思考方法，在纷繁复杂的现实世界中找到最重要、最关键的原因。相信拥有了这种思维，无论是处理工作和是个人生活都能更有条理，更加顺利。

《统计陷阱》读后感13

用数据说谎很容易，用数据说出真相却很难。

你无法管理你无法衡量的事物。

“如果你立志成为一名器官捐献者，那么你就选择摩托车出行吧，因为摩托车的致死率比汽车整整高出35倍”

“你应该时刻谨记为那些你无法轻松承受的意外上保险，而其他情况就不要浪费钱了，这是个人理财的核心原则之一。”

“世界上3 本最有声望的医学期刊上刊登的49 篇学术研究论文中有1/3 后来都被推翻了，所以，“尽量不要用你的回归分析研究杀人”。

在进行回归分析时，需要记住的最重要的一点就是：尽量不要杀人。你甚至可以在你的电脑屏幕旁贴上一句话时刻提醒自己：“不要用你的研究杀人”。因为即使一些非常聪明的家伙有时候都免不了违反这条规定。”

“罗彻斯特大学医学与牙医学院的一项调查表明，以服务病人为初衷的记分卡，到头来反而会给病人造成伤害：在参与调查的心脏科医生中，有83%的医生表示正是由于公开了死亡率数据，一些本来可以从搭桥手术中获益的病人最终没能被安排进行手术；79%的医生表示收集并公开死亡率数据或多或少地影响了他们的治疗决策。这一看似有用的描述性数据存在一个可悲的矛盾，而心脏科医生也只能理性地接受并采取自己的对策，就是让那些最需要心脏搭桥的病人远离手术台。”

《统计陷阱》读后感14

　如果你想证明某事，却发现没有能力办到，那么试着解释其他事情并假装他们是一回事，这就是逻辑谬误，偷换概念。统计学所犯的错误，归根结底是逻辑问题。例如，把相关性当成因果性，这是事后归因；小样本得出大结论，这是以偏概全；为了证实自己的观点，刻意用统计方法放大比例，大家都这样，所以我是对的，这是诉诸公众谬误。广告说统计显示自己的产品在某一权威群体里使用率高，言下之意是他们的产品好，这是诉诸权威谬误等待。基本上每一个统计陷阱就是一个逻辑谬误。不被他人欺骗容易，不被自己欺骗难。学统计学，就是学会怎么对自己说理。

《统计陷阱》读后感15

管理统计学是研究如何收集、整理、分析反映社会经济管理问题的有关数据，并对研究对象进行统计分析、推断以期认识事物的规律性的一门科学。它要求管理人员要学会运用统计方法进行决策，改进工作，提高效率。没有统计分析的管理是不完善的管理。在天气预报、证券行业分析、产品寿命估计、产品抽样检验、产品库存量估计、金融保险、市场分析、市场识别、企业风险管理等方面都有着积极的应用。审计员检查一个大公司的帐目，可以通过统计方法抽取帐目样本，根据样本结果确定该公司是否有帐目不清的问题。企业经理需要考虑可能的原材料需求水平和原材料存储费用来确定原材料的进货量，因此他要做相应的调查。经济学家要评价改变销售税对社会的影响，也需要根据消费者的购买模式来进行统计学计算。 营销经理通过对样本顾客进行试销来决定是否销售一种新产品。生产经理根据检验产品样本的质量情况，决定是否对生产过程作出必要的调整……这些都是管理统计学在生产生活中的应用。

各位小伙伴，上面这些都是有关于《统计陷阱》读后感范文大全的优质内容，相信以上这些内容中一定有大家在书写过程中所需要的东西，希望它们能够为大家提供一些书写灵感上的启发。如果喜欢小编这期分享的内容，也请多关注本站。