概率思維幾乎是不確定世界最重要的思維能力之一。一方面，只用懂加減乘除，再掌握三五個公式就夠用了；另一方面，懂概率和擁有概率思維，又完全是兩回事。有些自稱數學很好的人，對概率的無知令人意外。我們生活在大資料時代，高性能電腦和全球網路的強大組合正在得到人們的讚美甚至推崇。專家不斷告訴我們，他們發現了一種新的能力，可以對海量資料進行篩查並發現真相，這將為政府、商業、金融、醫療、法律以及我們的日常生活帶來一場革命。我們可以做出更明智的決策，因為強大的電腦可以對資料進行分析，發現重要的結論。也許事實的確如此，也許未必。有時，這些無所不在的資料和偉大光明正確的電腦會得出一些非常怪異的結論。例如，有人一本正經地宣稱：淩亂的房間會強化人們的種族主義傾向。還未出生的小雞胚胎會對電腦的隨機事件生成器產生影響。當政府負債相對國內生產總值的比率超過 90% 時，國家幾乎一定會陷入衰退。在過去 20 年美國犯罪率下降的原因中，合法墮胎的比例高達 50%。如果每天飲用兩杯咖啡，患上胰腺癌的風險將極度放大。最成功的公司傾向於變得不那麼成功，最不成功的公司傾向于變得更加成功，因此用不了多久，所有公司都會淪為普通的公司。出現在《體育畫報》和《麥登橄欖球》封面上的運動員會受到詛咒，他們可能會陷入平庸，或者受到傷病困擾。生活在輸電線附近的兒童具有更大的患癌風險。人類有能力將死亡推遲到重大儀式過後。亞裔美國人更容易在每月四號突發心臟病。如果一個人的姓名首字母縮寫擁有積極的含義（比如 ACE），那麼他可以多活三到五年。平均來說，教名（第一個名字）以字母 D 開頭的棒球運動員的壽命比教名以字母 E 到 Z 開頭的運動員短兩年。臨終病人可以被幾千英里以外傳送過來的積極心理能量治癒。當 NFC 冠軍球隊贏得超級碗（美國超級碗總決賽在國家聯合會（NFC）和美國聯合會（AFL）分別比賽產生的冠軍之間舉行 —— 譯者注）時，股市幾乎一定會上漲。如果你購買股息率最高、每股價格第二低的道鐘斯股票，你就可以跑贏大盤。這些說法顯然是錯誤的。不過，許多與此類似的說法每天都會出現在報紙和雜誌上。在如今的資訊時代，我們用沒完沒了而又毫無意義的資料指導我們的思想和行動。不難看出為什麼我們會反復得出錯誤的推論，制定糟糕的決策。即使能夠得到比較充足的資訊，我們也不會永遠注意到資料的偏差性和無關性，或者科學研究的缺陷和誤導性。我們傾向於相信電腦從不犯錯，認為不管我們把什麼樣的垃圾扔進去，電腦都會吐出絕對真理。這種想法不僅存在於外行人的日常生活中，也存在於專業人員嚴肅認真的研究工作中。在流行刊物、電視、互聯網、競選活動、學術期刊、商業會議、法庭，政府聽證會，此類現象屢見不鮮。幾十年前，資料非常稀少、電腦還沒有出現時，研究人員需要努力收集優質資料並進行審慎的思考，然後花費幾個小時甚至幾天的時間從事艱苦的計算工作。現在，面對豐富的資料，研究人員通常不會花費太多的時間對優質資料和垃圾進行區分，或者對合理分析和垃圾科學進行區分。更糟糕的是，我們常常不假思索地認為，我們對大量資料的處理永遠不會出錯。我們匆匆忙忙地根據這些機器發出的夢囈制定決策 —— 比如在衰退過程中增加稅收，將我們一生的積蓄交給一些說得天花亂墜的財務分析師，根據最新的管理理念制定商業決策，用醫療騙術危害我們的健康 —— 更糟糕的是，我們還會放棄心愛的咖啡。羅奈爾得・科斯（Ronald Coase）曾經嘲諷道：“如果你對資料拷打足夠長的時間，它一定會招供。”《簡單統計學》一書考察了幾十個扭曲的結論。只需片刻的思考，你就會發現這些結論的問題。有時，無恥之徒故意用這些說法來誤導我們。有時，天真快樂的研究人員並沒有意識到他們所製造的惡作劇。我寫這本書的目的是説明我們遠離錯誤 —— 包括外部錯誤和自己造成的錯誤。你將學到一些簡單的指導準則，用於識別其他人或者你自己說出的不靠譜的觀點。其他人用資料欺騙我們，我們也經常用資料欺騙自己。我沒找到一本完整而系統的入門書，但這書也許能推開概率和統計學的興趣之門。

《简单统计学》，真不知道为啥要叫这个名字，看起来好像是统计学的小白入门书，其实这是一本大数据时代，识别数据骗局的防骗宝典。

统计学是一门人人都需要懂一点的学科知识。不同寻常的理论需要更加坚实的证据来证实。本书通过描述一些统计学的偏差和误用，希望读者能破除对数据的迷信，学会基本的统计学常识，从而具备起码的辨别力。诚如书中所言，人们既可以被缺乏理论的数据欺骗，也可以被缺乏数据的理论欺骗。我们既需要理论，也需要数据。仅仅通过搜刮数据寻找模式是不够的。模式需要得到理论的解释，这种理论应该言之有理，而且需要得到新数据的检验。另一方面，在经过可靠数据的检验之前，理论仅仅是一种猜测。可是太多的人相信甚至笃信一些未经科学的验证的理论了，很多时候是人们有了先入为主的理论偏见，然后再从现实社会中寻求支持其理论的数据，现实数据何其庞杂，任何理论都可以从这庞杂的数据中找到偶然随机支持其理论的数据。就像是有人觉得这世界上有鬼神，他就会寻找有鬼神的证据，这世界上所谓的灵异事件还少吗，他总是可以找到支持自己想法的事件。我们其实没必要事事都追寻完美的解决方案，因为在不确定的世界里，最优决策可遇不可求，最不坏的决策才是现实的追求，善用统计学即可达成最不坏的决策。