什麼，魔鬼也用統計，看怎麼對付那些善良的人？NO no no，你理解錯了，不是魔鬼的統計學，是超級有趣的統計現象，會讓我們覺得驚詫，讓我們覺得奇幻無比，就像是魔鬼那些出神入化的手段一樣。

大資料時代直覺輸給了基於資料的決策

白天你和閨蜜一起逛街，不知怎麼的就聊到準備要寶寶的事，結果晚上當你開啟某個APP，關於懷孕、優生優育的資訊撲面而來，各種嬰童用品也紛紛彈出。你會覺得好貼心是不是？

有一天你突然覺得咳嗽了幾下，覺得胸口有點悶，正在納悶是不是生病了。當你開啟APP，推薦給你的都是肺上的各種疾病，是不是突然有種被監控的感覺？

這就是我們熟知的演算法推送。是基於大資料時代，系統掌握了足夠多的資訊，對每個人的喜好進行了全面的分析，然後把我們可能感興趣的資訊推送給我們。就像上面兩個情形，其實我們可能在另一個購物軟體上搜索過嬰童用品，或者在其他搜尋頁面瞭解過肺部的症狀。這些APP相互之間有資料交換，於是其他的APP都紛紛推送類似的內容給你。

現在使用的大型資料集合，非常非常大，通常都是用太位元組或者拍位元組（1太位元組=1000G,1拍位元組=1000太位元組）。1太位元組非常龐大，整個國會圖書館大約有20個太位元組文字，而沃爾瑪資料庫存放了超過570太位元組資料。

國際象棋大師加里·卡斯帕羅夫輸給了深藍計算機，並不是計算機有了多麼高超的智力水平。而是深藍系統整合70萬盤大師棋局，並在幾秒鐘之內進行高速運算和推演，並選擇最有利的進攻或者防守。所以，高速運算有時候具有非常強的力量。對於個人的購物、生活、思維習慣等等，如果你自己來做一個問卷和一個基於大資料運算出的結果，你可能會非常驚奇地發現，大資料往往比你自己甚至更瞭解自己。

循證醫學可以降低誤診率

直到今天，醫生是否應該特別關注統計證據這一問題仍然存在爭議。但是對於患者而言，能更快地找準病因，對症下藥，然後儘快康復，才是重要的。

為什麼生病之後鄉看不好，就轉到市裡，市裡不行就到省裡，一級級往上轉診呢？我們經常說，人家省裡的某個專科醫生一天看的病人，比鄉里醫生一年看得還多。高一級醫院的醫生在大量接觸病人的過程中，對各種疑難雜症都有所瞭解，然後逐步掌握了治療方法。而有些鄉村醫生，一輩子可能也不會遇到那些特殊病例，或者看到了也不認識，只能根據自己的經驗判斷，說不定就誤診了。

診斷決策支援軟體“伊莎貝爾”，醫生輸入喊著的症狀，獲得最偶可能的原因清單。這樣可以極大地地幫助醫生去思考一些未被重視的細節，或者對一些非常見但是典型的症狀可以提出更多的的猜測。最難能可貴的是，這種關於相關性的預測不是非黑即白的布林式搜尋，而是其他可能的提醒系統。這和醫院的會診其實很相像，不過是不同時代、不同國家的醫生的研究成果，由軟體檢索出來，給醫生做出判斷提供更多的依據和遵循。

所以這種統計方法，無論是對於醫生、還是患者，都是大有裨益的。醫生不需要因為自己的權威受到了挑戰，就質疑這種技術。

隨著計算機技術的發展，我們的世界正在迅速的數字化。每個人的個人資訊、行為，都被網際網路記錄並在別人需要的時候被知曉。由伊恩·艾瑞斯撰寫的《魔鬼統計學》，讓我們瞭解到，我們以為不能算的，其實都能算。這些演算法可以為我們帶來收益、避免損失，甚至是拯救生命。伊恩·艾瑞斯是《紐約時報》“魔鬼經濟學”部落格的專欄作者之一，以《魔鬼經濟學》文風再講統計學。讓你在一個個咂舌的案例中，瞭解統計的強大，開啟你對統計的全新認識。