女士品茶
出版社:中国统计出版社
出版日期:2004-11-01
ISBN:9787503744891
作者:David Salsburg 萨尔斯伯格
页数:332页
内容概要
萨尔斯伯格(David Salsburg)为辉瑞大药厂(Pfizer, Inc.)前资深统计研究员，目前担任私人顾问，且為美国统计学会(ASA)会员，并获「药品研究暨製造学会」颁赠终生成就奖。萨尔斯伯格是康乃狄克大学统计学博士，先后任教於哈佛公共卫生学院、康乃狄克学院、康乃狄克大学、宾州大学、罗德岛学院及三一学院(Trinity College)；著有《The Use of Restricted Significance Tests in Clinical Trials》等专门书籍，及超过50篇科学论文。
作者简介
《20世纪统计怎样变革了科学:女士品茶》以某位喝茶的英国女士的假设学说为起点，引出了近代数理统计的开创者——费歇尔，以及费歇尔为解决类似问题而发明的实验设计法。书中细数了二十世纪参与这场科学变革的代表性人物与事迹。
发布书评
精彩书评 (总计21条)
-
看开头的时候对这本书抱了很大的期望，希望能够通过这本书理解整个统计学科的发展历史、知识体系和科学哲学。总体而言，作者学识渊博旁征博引，讲到了几乎所有统计学的重要人物，甚至相关科学史上其他领域的人物。不过遗憾的是，这本书也就更多地停留在人物轶事的层面，而没有深刻挖掘其对于整个学科的深层意义。比如说在介绍George Box的时候，我还是十分希望看到作者对Box所说的那句“all models are wrong, but some are useful”做一些置评。愚以为这句话从很大程度上体现了统计学科的思维方式。想来作者既想做到面面俱到，系统地介绍统计学科，却又不想失去趣味，失去读者，因此花了不少笔墨在人物轶事上。两者殊难兼顾，确实难以兼得。另外少许吐槽一下翻译。读得略感别扭，总感觉没切实把握作者真意。翻译这些专业名词本身就不容易，要传神地翻译出作者略带调侃的语气更是困难。但Godel翻成格德尔而不是哥德尔、Mendel翻成门德尔而不是孟德尔等等，少许有些非主流的译法，经常会让人略感不习惯。 -
没想到这本书比预想的要难读一些。如果每一位上课的老师都像这样以史带入，知道一个知识点背后的原因和发展，知道历史是怎样一步一步走到今天呈现在教科书里的样子的，那么也就没有那么多不知道趣味何在的学习了。当然，概念仍然不好理解，这就是读得慢的原因。而且，读完后的感觉是：统计学、数据分析好复杂好难，天才们尚且如此费力……不由得沮丧起来。 -
这周算是有空（其实那一周都闲得不对头），有幸读了一下《女士品茶》。先说说书本身吧。本书的全名为：《女士品茶：20世纪统计怎样变革了科学》，是David S. Salsburg于2001年出版的一本介绍20世纪概率统计发展历史的普及作品。本书作者在统计界可能只是个二流人物，在Wiki上连标准化的词条样式也没有，词条内容也很少。或许作者不算厉害角色（纯粹是我的臆测），但是本书写的却倒是颇有独到之处。书内没有涉及到任何令人不明就里的具体公式，只是按照历史教科书讲历史的方法粗略地用通俗语言介绍了概率统计在20世纪的发展。很多论述，也颇有哲学层面上的讨论（毕竟概率统计里的很多东西还是仁者见仁，智者见智，关于模型和实际也确实颇有话可讲）。虽然有章节过短、数学内容太少、后几章有赶工的迹象等缺点，不过总体上瑕不掩瑜的。因为概率统计这块，能讲到这个层次的普及类书籍实在是太稀缺了，除了几本太过哗众取宠的快餐式书籍，至今还真没看到几本（陈希孺院士的那本除外，还没有读）。不过限于自身水平，读后的收获还是很少，也许再多看一些概率统计的数之后再读或许收获更大，毕竟此书颇有提纲挈领的感觉，还是不错的，值得反复阅读。虽说收获不多，但总还是要谈上一点的。首先，本书关于概率统计的历史发展的梳理劲道一般的，作为数学史来看，还是太过文学化。不过怎么说，熟悉熟悉那几个历史上大牛的名字也是不错的，好歹吹牛谈天时能多讲出不少名字。而且本书也补全了一直以来自己的遗憾：从未读过对概率统计历史介绍的著述。应该是我读的数学史还是太少，因此真还未曾与介绍概率统计的数学史书谋过面；当然，也有可能概率统计本身不太受原教旨主义过强的数学界待见，毕竟甚至连《古今数学思想》这样的经典数学史中也缺乏概率统计的章节。读了本书，也算是填补了我对数学史了解的一大块空白。其次，读本书的另一收获莫过于又一次端正了我关于科学的三观。虽然之前在各类普及作品中也读到不少关于科学本身的描述，大致也提到了不确定性在20世纪科学发展中的作用，虽然只是囫囵吞枣、知其然而不知其所以然的描述，但也留下了些印象。再加上这暑假里做的数学课题，看的解析数论书中也透露出一种这样的思想：很多东西是没有办法求精确简短的表达式的，只能靠大O项这样的东西来补全简化，重点不在于精确，而在于近似好用。不过说实话，有时候就算证明个不那么精确的表达式，也是不容易的。而本书中一开始就提到了K.Pearson那三人在20世纪初引发的统计革命，确立了科学中的测量值不过是概率分布的结果之一观点。换言之，这世上是不存在精确测量的，因为随机误差，我们所测的不过是一些概率分布的值而已，甚至连传统意义上的测量值也算不上。虽然K.Pearson等人随着时间的推移，终究从学霸学阀变成了无人问津的老头，其思想也终究在不断改进中变样了。但是这一条基本的观点至今未变，管你是经典统计还是贝叶斯，无论什么学派赞同这一观点。所以统计学家很讲究实际，不在乎模型的理论如何，重点在于近似好用。有一句调侃的话不正是这么说的么：所有的模型都是错的，只是有一些更好用罢了。说说题外话，其实这种想法不得不让人对我们究竟能不能认识这世界做出遐想，毕竟连Feyman也表达过这样的观点：物理学家就像不知道象棋规则的人却在不断地看人下象棋一般，从观察到的每一步总结出种种规律，然而颇有可能因为下棋人不习惯使用某个子而导致规律有疏漏甚至错误。毕竟所有我们对世界的研究也只是局限在两三个世纪和人力能达到的空间这样狭小的范围内，所以科学究竟是世界的真理还是和宗教一样不过是对世界的一种认知？这一切都很难说，虽然我曾经狂热地认为科学是这世界唯一的真理，不过我后来放弃了。希望有一天，我能够获得我所能认同的这世界的真正的真理，虽然这件事的概率或许比明天太阳突然消失了还要小。好吧，其实上面扯远了，与本书的关系实在不大。下面回归正题。这次读本书的收获之三，莫过于对一些见过的统计概念有了一些新的认识，对一些没见过的概念倒也是混了个眼熟。但总体来说，在数学方面，读本书收获不大。毕竟会背Peano公理、ZFC公理和推导出整个数学分析的体系是两回事，所以有时候大体上知其所以然也不一定就会知其然。说到这点，我不得不吐槽吐槽一年前我的错误认知，记得那时将概率论的5条公理背得滚瓜烂熟，背后的概念与联系也是思索了很久，感觉对于公理已是透彻理解。结果一碰到后来涉及到计数的题和之后的推导，就臭得如和茅厕中的大粪一般了。也许数学这种东西要做到高屋建瓴不是靠背公理，而是先深入细节，学完整套东西，会算会画，最后在回过头去才是真正的举上而得下。好吧，就先写到这了，这学期到真得培养培养认真看书写读后感的好习惯了。
精彩短评 (总计50条)
-
对统计的历史和统计学的脉络有一个清晰的叙述，不一定完全，但对里程碑式的著作基本覆盖，统计学很好的兴趣读物。 -
好散。 -
印象最深的是费歇尔，科洛莫哥洛夫，图基。作者自己还拿到过普林斯顿的教职，很厉害。
这本书名字山寨，但是内容却不错。想起了经济学的一本类似风格的书 https://book.douban.com/subject/2567247/ -
值得一读，理解了统计的历史，更好的理解统计 -
想学点统计学常识，就看了这本书，比我想象中更为丰富。从统计学的历史入手，不仅阐述了统计学的发展历程，也在试图解释统计究竟是怎么一回事，以及这背后的科学或哲学思想。至少对我来说，明白了很多之前只是在用，却不知道原理的概率或者统计知识，t值检验的背景给我一种打通了任督二脉的感觉。 -
三星半吧。嗯作为一个有相关背景的人，看起来都不太enjoy。。。大概我并未喜欢统计到要去了解其历史？作为一本好玩的书看的话又有点趣味性不够 嗯个人意见，感兴趣可看，不感兴趣的不用尝试了。 -
没怎么懂，又要膜拜那些天才级的人物了……还好对统计学有了点兴趣（尽管惯常也仅仅是停留在兴趣）。 -
谁能告诉我这本书为什么买不到了，只能去图书馆借 -
八卦 -
作为一本统计史它是合格的，但是可能并不是一本合格的入门书籍。整本书没有几个公式定义定理，不过会帮助理解很多概念和想法。 -
其实对新手还是很不友好啊 -
统计学的历史，清楚易懂，但文章太散，并不是按照时间顺序来写的，可能是翻译的问题，也可能是我并不是统计系的，有些语句很晦涩，说得不清楚，这是一本咋看起来轻松，但是很奇怪一点都不好总结的书，名字太晦涩，穿插的八卦无关的话题太多。 -
感觉有点像统计学的发展流水账，学到的东西感觉有点少 -
好多八卦，我喜 -
断断续续拖了很久才看完，对于完全没有统计学背景的人来说，确实可以当成一个小了解，里面穿插各种奇闻异事，不禁对统计学家（数学家）的智慧和天资深深感叹。但同时内容很零散，并不能条理清晰的给出一个大致轮廓。甚至最后越发觉得有点生涩枯燥。 -
读《女士品茶》之前，从未想过统计学竟然如此有趣！ -
唉:-(看不明白 。作者东扯西扯什么都讲一下结果我找不到重点..... -
我如今的研究无不依赖于此 -
有趣的科学史。没想到这本书比预想的要难读一些。如果每一位上课的老师都像这样以史带入，知道一个知识点背后的原因和发展，知道历史是怎样一步一步走到今天呈现在教科书里的样子的，那么也就没有那么多不知道趣味何在的学习了。 -
傻眼 -
终于知道了学生分布的由来，还有一个个不那么牛b闪闪的名字，pearson，fisher，假设检验真的有意义么？还有真的是无处不在的凯恩斯大神…搁现在我觉得他会领导对冲基金…总而言之，这是一本八卦书。 -
为了写课程论文看的一本书。可读性还挺强的，不会读不懂。总体赞一个，想大概了解一下统计学可以看看 -
统计学发展的历史和统计思想的演进，在后记才看到是给没有数学基础的人看的，一只统计狗书里的内容看起来不用脑子，纯历史 希望可以有配套的参考书，可以深入学习各种理论和方法 -
不错。 -
零零散散读了一些，人们总能得出属于自己的结论。 -
没有公式的统计学历史真的能讲清楚吗？！！不过这本当做对概率论与数理统计的补充倒是挺好的 -
统计学的入门书籍，很有意思 -
统计学上的牛人都悉数出场，统计学的发展也并不是一帆风顺，但是它是与我们的显示生活最紧密的一门数学学科。 -
很有趣，但要说这书有科普意义我是不信的……没学统计之前很多东西根本看不懂好吗 -
年度安利给别人最多的一本书 -
这书好屌啊。。 -
统计学的科普，让我回想起被支配的时光…… -
撕逼大战，还行 -
2016第67本，统计学之前，科学的革命停留在精确值的争论；库恩《科学革命之后》，范式的更迭是科学革命的本质，其中也包含概率分布的争论；萨尔斯伯格认为，科学的革命的革命将不存在范式，概率和值，而是最大化还原真实世界。 -
很奇怪的感觉，如果不是系统学习过统计学的人很难从这种走马观花式的阅读中得到收获；然而如果对于系统学习过的人来说恐怕又有些过于肤浅了。 -
女士品茶以历史和全局的角度讲述统计和概率，虽然时间线有些混乱，但把统计和概率各个概念的前因后果串联起来，对于我这样一个对统计和概率仍处于一知半解（学习过两个学期SPSS知道如何机械的解读回归分析报告结果却无法明白为何要如此解读）的读者来说，阅读起来还是具有一定障碍，但为了能对统计和概率有更全面深入的理解，并在此基础上攻克CFA这一目标，还是要继续看下去呀。 -
太专业了 -
表示看不懂…… -
怪不得以前学不好概率论与数理统计… -
看到Pfizer，我还以为这是一本深入浅出的书. -
这不是一本介绍统计的书，不会对你的统计知识有一丝一毫的帮助，却一本介绍统计学历史的书，让你把握统计这门学科的脉络。书中通过对数理统计的发展，介绍了20世纪出现在统计学舞台上的科学家们他们的贡献以及对统计对整个世界的改变。作者想让读者了解数理统计发展的历史，整本书没有对数学内容过多介绍，代之的是统计学家们发现新事物过程和之间的关系的介绍。总体来说，这本书的讲述脉络是清晰的，以皮尔逊、费歇尔、奈曼、柯尔莫哥洛夫等人为中心，穿插以其他的研究学者，来描绘了20世纪统计学。在介绍人物的时候有些混乱和突兀，时间顺序上有一些错乱，看完还有许多人物在其中扮演的角色和贡献不太清楚，但总体来说，这是一本可读的好书。 -
这本书其实还是挺好玩的，就是关于统计学的科普吧。可能大多数人都被这个奇葩的名字误导了，所以一本好书真的译名或者封面很重要啊，同理还有引进的外国电影。 -
有此权威的教科书，则由始至终充满了精彩的证明，其中的数学推导过
程被浓缩成看上去很简单的步骤，按照这些步骤可以毫不费力地得出最终结论；还有极少量的权威性的教科书，作者试图在书中把问题的背景和思想都交代清楚，不仅记述了学科的历史渊源，而且所举的例子也取自生动的现实生活 -
#有点吃力扣1星^_^#以谈名人轶事的方式描述20世纪发生的统计革命，谈思路而非公式，展示统计思想转折、连续：高尔顿平均回归和拉普拉斯-高斯中心极限定理确立了统计的科学性，又翻身纠正科学就是测量（并用它寻找描述自然的数学公式），K皮尔逊：样本就是真实的一种分布，费歇尔：样本是全部的一部分，结果本来就是随机的，只有分布概率的函数有用。两种统计观：显著性检验、假设检验，之后一代代权威不断补充、反驳、崛起：戈赛特、奈曼、E皮尔逊、柯尔莫哥洛夫、考克斯、威尔克斯、图基...各类统计抽样方法和统计应用建立，直到贝叶斯大神被发掘：先验-数据-后验：真实的世界、描述的世界、每个人不同概率下眼中的世界，此时重要的已不是统计科学甚至计算科学从一门support变身引领者，而是因果性vs相关性下的哲学命题啦。 -
统计学八卦… 概率统计是认识这个世界的一个很好的视角啊。 -
早一点接触这些就好了。 -
很通俗易懂，不容易分神，但是对统计学的大致发展有概括性的总结的书 -
本想快点看完的 看完意识到了这些折腾我一学期的都是些什么人 不过很有意思 -
统计视角下，有时越精确，错的越离谱，因为人的头脑达不到能够构造一个理想的结构去解释，甚至不能近似地描述这个世界的真实情况。利用概率做决策却往往和逻辑相悖，而概率在现实生活中的含义清楚地建立在随机抽样上，所以既然是随机地，为何不相信真爱存在呢？反正我是相信的。这是我的个人概率，也是我的个人偏见，嗯哼~ -
大学的统计学都学狗身上去了