先读了这本书最重要也是最难的后面两章，重读前面章节，就觉得简单无比，所以读书笔记只写几个要点，简单从klib复制关键摘抄。
本书的第一部分将会告诉你怎样分辨数据的好坏。
统计学是关于数据的学问。
统计学通过数据获取真知灼见并且得出结论，所用的工具是图表和计算。
比较一下两则报道产生的影响：一则是有关历时5年、花费500万美元的调查研究的电视新闻报道，另一则是对一位能说会道的母亲的电视采访，她患有白血病的孩子恰好住在高压电缆附近。在公众心目中，几乎每次都是逸闻胜出。但事实上，我们应该心存疑问，因为数据要比逸闻更可靠，数据可以系统地描绘出整体图景，而不是聚焦于个别事件。
一句，“数据胜过自封的专家。”
“没有比较，就没有结论”，这是判断医学研究好坏的一个很好的依据。
统计的关键是抽样，抽样的核心是随机；分析的本质是比较；具体的统计方法论则是显著性检验。
当有人向你抛来一个数字时，你应该问的第一个问题就是：它来自何处？【数据的来源】
对于任何一个样本，我们要问的第一个问题就是：样本是不是随机抽取的？【抽样过程是否科学，是否具有代表性】
第一章 数据从哪里来
关键词： 变量，变量类型：数值变量，类型变量：数据两种收集方式：观察，实验；
本章提到了数据的两种收集方式，一是抽样，对应于第234这三章，介绍抽样调查的一些基本知识：二是实验，对应于第56这两章。
变量分为两种，一是数值变量，即连续的变化数值，比如身高比如成绩；二是类型变量，即不连续的选择结果，比如是否好坏。
当有人向你抛来一个数字时，你应该问的第一个问题就是：它来自何处？
尽管统计学是和数字打交道，但并非所有的变量都要用数字表示。有些变量代表的是“类别”，只需将个体归入不同的组别或种类即可。在这个例子的三个变量中，只有总分数是用数值表示的，专业和等级都是类别变量。统计类别变量时，我们采用的是计数或者百分比的方式。例如，我们可以给出得到等级A的学生的百分比，或者给出主修心理学的学生的百分比。
抽样调查 有句谚语说：“你不必吃完整头牛，就能知道肉老。”这就是抽样调查的精髓，即通过一部分获知全体的情况。“抽样调查”（sample survey）是一种很重要的观察研究方法。他们只研究目标对象中的一部分人，选中这些人并不是因为实验人员对他们特别感兴趣，而是因为他们具有代表性。
总体（population），样本（sample）
从第2章到第4章，我们将专门讨论抽样调查这门艺术和科学。抽取样本的目的，是为了了解总体的真实情况，而且在搜集信息时应尽量避免受到干扰。
在第5章和第6章中，我们将会说明怎样设计好的实验，在第7章中我们将会讨论相关的伦理问题。
第2章 好样本和坏样本
关键词：样本vs总体，抽样，简单随机抽样，有偏样本，随机数
第一章介绍最基本的统计概念：数据变量，两种数据收集渠道
核心关键词：随机！
拿到一组统计数据，第一个问题是，数据是怎么得来的？
样本需要反映整体，就需要确保抽样过程足够随机。
避免有偏样本，比如电话调查时只询问了有电话的人群，比如收信调查只收到了愿意发回信件的人的信息等等。
随机调查的核心是确保“随机性”，可以使用计算机的随机数，或者打印出来的随机表。
关于随机抽样方法，在本书第三部分第19章“统计模拟”中有更具体的实验设计方法 一般是分为两步.第一步是给总体进行数字编号，比如教师的100名学生从00编号到99；第二步是使用随机数来随机抽取指定数量的样本。
举例：
- “大家去投票”，商店结账时使用棉糖进行模拟总统投票，为什么结果和实际投票结果不相符
有偏抽样法：如果调查问题的设计使得结果总是往某个方向偏，我们就称这个设计是“有偏的”（biased）….总之，写信回应和电话回应的调查方法，几乎一定会得到有偏的结果。
简单随机抽样只需要两个步骤。
第一步：标签。为总体中的每个个体分配一个数字标签。如果你打算使用随机数字表，那么请确保所有的标签都是同样位数的数字。 第二步：软件或表。使用电脑软件或随机数字表，随机选择样本。[本书后面部分“统计模拟”有详细介绍】
对于任何一个样本，我们要问的第一个问题就是：样本是不是随机抽取的？
第3章
关键词：偏差，置信度，置信区间，误差范围
本章强调的是，对于简单随机抽样，如果重复抽样，结果落在什么区间中。
随机抽样消除偏差，而多次重复抽样则减少变异性。
简单抽样的抽样量大小，影响误差范围的大小。
备注：随机抽样可以减少工作量，但是万一有严重偏离平均值的数值，就会导致样本代表线变差；所以通过多次重复抽样，抵消变异数值的影响，多次重复抽样，不断缩小样本代表整体的区间。
在本章中，我们更详细地探讨了如何通过样本信息获得总体的信息。关键在于如果我们从同一个总体中取出多个样本，会发生什么情况。
随机样本的第一大优点是，随机抽样可以消除偏差。它的第二大优点是，如果我们从同一个总体中重复抽取多个大小一样的随机样本，所有样本统计量的变异情况就会呈现遵循某种可预测的形态（pattern）。
如何处理偏差与变异性？ （1）减小偏差：用随机抽样的方法即可。先将总体找出来，再从中抽取简单随机样本，就会得到无偏估计值（unbiased estimate）。也就是说，用简单随机样本的统计量来估计总体的参数值，既不会总是高估，也不会总是低估。 （2）减小变异性：用大一点儿的样本即可。只要样本足够大，变异性就会很小。
首先，要减少偏差，使用随机抽样的方法；其次，抽取的样本数量要足够大，才能减小统计量的变异性。
【【上面这三段，说的是一个事情。抽样的目的，重复抽样的目的】】
20200223备注：对于抽样调查的结果是否反映真值，答案是置信度、置信区间、标准误差。
标准误差的计算公式从略，根据真值、样本量来计算，样本量越大，标准误差越小。
其次考虑可以接受的置信度，然后根据平均值和标准误差，给出该置信度下的置信区间。
最典型的是68%，95%和99.7%，分别对应平均值两侧各1，2，3个标准误差范围，这就是置信区间。
第4章 真实世界的抽样调查
关键词：误差类型，随机抽样误差，无回应等误差，语言措辞， 概率样本
上一章介绍了误差范围，强调我们的给出的是不同置信度比如95%的置信区间，因为还有其他的误差难以控制。
误差范围包含了随机抽样误差，但是不包含很多其他误差，比如无回应，比如语言表述产生的引导性等。
误差范围中不包含什么？ 一项抽样调查中所公布的误差范围，只包括随机抽样误差。涵盖不全、无回应以及其他问题也会造成大偏差，但是误差范围中并不包含这些问题。
影响抽样调查结果的因素还有问题的措辞。想把问题完全表述清楚，难度出乎意料。
所有好的样本都是“概率样本”（probability sample）。
在这一章，我们知道了即便选取一个随机样本，我们的结论也会因为涵盖不全、处理误差、回应误差、无回应和问题的措辞而变得不准确。
第5章 好实验和坏实验
关键词：对比，随机对照实验（randomized comparative experiment），实验vs观察，单轨实验vs双盲实验（double blind experiment），实验组vs控制组（control group），统计实验设计的原则
数据来自两个渠道：观察研究和实验。观察研究适合在无干扰的情况下描述某个群体或状况并得出结论。抽样调查是一种观察研究，我们通过观察总体的一部分（样本），得出有关总体的结论。实验适用于判断一种处理是否会产生不同的反应。
观察研究是一种被动的数据搜集方式，实验人员只观察、记录或度量，但不进行干扰。而实验是一种能主动生产数据的方式，实验人员会把某种处理方式加诸实验对象，并观察实验对象有何反应。所有的实验和许多观察研究，其目的都是研究一个变量会对另一个变量产生何种影响。
5.1好的实验设计 【最直接实用的部分】
核心：分析的本质是比较；随机分配排除潜在变量的干扰，尽量大的实验样本
备注：尽量大的样本量，和上面所说的多次重复抽样，都是降低变异性，本质是一样的。
好的实验设计的几个原则：对比，随机，尽可能多的样本
- 要进行对比，而不是只进行一个实验，需要设置“控制组”和“实验组”，对比实验可以排除其他的干扰影响因素，一个典型就是“双盲实验”，避免避免安慰剂效应，不能只观察给病人吃药看治疗效果。
- 比较两个或多个控制方法的影响，同时增加一个空白的对照组
- 随机化：如果有多个样品，就要进行随机分配到不同的组中，而不能手动筛选，比如研究治疗方法时，把病情最终的病人分到实验组中，这是不合适的。 随机可以降低潜在变量的影响
- 实验样本要尽可能多，以降低试验结果的机会变异性（chance variation），比如恰好把病重的病人选在一组中。 样本数量影响显著性水平，足够多的样本有更小的标准差，更容易判断有差异的结果是否来自随机性。（显著性检验和p值的概念）
随机比较实验是统计学中最重要的概念之一，它的设计旨在让我们能够得到关于明确的因果关系的结论。
在随机比较实验的设计中，我们努力使这些潜在变量对于所有组的作用都是相似的。【尽可能避免潜在变量的影响】实验对象较多，实验组的“机会变异性”（chance variation）就比较小，实验结果的机会变异性也会比较小。“用足够多的实验对象”、“同时比较多种处理方式”、“随机化”，同为统计实验设计的基本原则。
统计实验设计的原则 统计实验设计的基本原则如下：
• 要控制潜在变量对反应变量的影响，最简单的方法就是同时比较至少两种处理方式。
• 随机化：用随机抽样的方法把实验对象分配成不同的组。
• 每组的实验对象要足够多，以降低实验结果的机会变异性。
“分析的本质是比较”，类似的实验设计在我的工作研究中经常用到，所以这是最基本但也最重要的实验方法论，这样才能获得准确的实验结论。比如要研究膨润土添加到洗发水中的控油功效，不能直接把含有膨润土的洗发水提供给客户测试，而是要同时提供不含膨润土的空白组，其次是要进行盲测，而不能提前告知测试者哪一个样品是含有膨润土添加剂的。 如果只提供一个样品，或者提前告知哪个是实验组，这就不是好的实验设计。
如果实验中设计抽样调查，就需要同时注意这儿提到的“随机抽样，增加样本量”这两个前提，这就是科学的实验设计方法。
以后单独写篇文章再强化理解
5.2好的观察研究是什么？
很多时候，我们无法使用实验设计分析一些因果问题（cause-and-effect question），比如研究打电话知否增加车祸事故，比如很多临床结论都是通过观察统计而来，因为涉及伦理等无法进行对比实验。
此时就需要使用比“实验设计”差一些的“观察研究”。
观察研究的核心依然是比较！ 虽然无法设计，可以尽可能的比较和配对（matching）， 关键是如何避免干扰因素，比如筛选年龄、抽烟习惯等相同的人，但是经常无法避免，所以要注意。
首先，好的研究不管是不是实验，都一定要是对比研究。
我们可以同时运用比较和“配对”（matching）的方法来建立一个控制组。
好的比较研究，必须能够测量和调整那些“交叉干扰变量”（confounding variable）的影响。如果我们测量体重、抽烟习惯、运动习惯，就可以用统计技巧来减少这些变量对人的寿命的影响，而只剩下宗教信仰的影响。
2019-04-10 地铁 第一章读书笔记done
2019-04-18 地铁 第五章 done
2019-04-21 晚上，从Klib摘抄kindle中的highlight，发表
2020-02-23 家，重读读书笔记，使用< font color=red>red标记红色（font前去掉空格），并补充新备注。 实验设计是工作中非常重要的基本功，以后收集几个实验写篇文章。