拿到此书时，我的内心是澎湃的——听说它是一本有着女士品茶典故的统计学书本；

读到此书时，我的内心是纠结的——原来它是一本是摆脱了晦涩数学符号的统计学发展史；

读完此书时，我的内心是平静的——在大数据时代，我作为数据样本的提供者和获益者，依旧不具备统计学头脑。

《女士品茶》译自《Lady Tasting Tea》，由戴维·萨尔斯伯格（David Salsburg）著。从每一章标题和内容的分节，我们可以感受到David有很努力地尝试将统计学先驱们的故事讲述得通俗易懂，使它成为一本摆脱了晦涩数学符号的书籍。

1、现实生活中，概率意味着什么

概率，简单地说，就是一件事发生的可能性的大小。而概率作为数学的一个重要部分，同样也发挥着重要的作用，如果能够掌握一些统计学知识，懂得概率的性质，在生活中也会受益匪浅。

举一个十分具体的例子：某公司推出如下促销活动:本公司为答谢广大顾客长期以来对本公司产品的支持和厚爱，特推出免费抽奖活动。

抽奖方式 :箱中有20个球，10个10分和10个5分，从箱子中摸出10个球，把各球的分数相加，按总分设置奖项如下：

一等奖：100 分，电脑一台

二等奖：50 分，电视一台

三等奖：95 分，MP3一个

四等奖：55 分，电饭煲一个

五等奖：90 分，XX 洗发水两瓶

六等奖：60 分，XX 洗发水一瓶

七等奖：85 分，毛巾 两条

八等奖：65 分，高级香皂一块

九等奖：80 分，牙膏一盒十等奖 : 70 分 , 牙刷一把

十一等奖 : 75 分 , 以成本价购买 XX 洗发水一瓶 。

大多数人都会认为抽奖结果共11个, 其中10个结果可免费获得奖品，中奖率为10/ 11≈90. 9% , 因而很容易受到诱惑。但如果你站在一旁观察就会发现中十一等奖的人较多，而且就算中其他免费奖项，也大都是一些价值较低的奖品。

那么问题究竟出在哪？

用概率的知识来分析 :

设随机摸出的10个球中10分的球有x个，则5分球的个数为10-x, 易知服从超几何分布, 即：

从这一结果可以看出，问题的关键在于每个奖项出现的概率不同，摸奖者中十一等奖的概率超过了1/ 3，而且价值越高的奖项被抽中的概率越低，特别是中两个大奖的概率只有十万分之一。因此，看似免费抽奖，实为商家推销产品，获取利润的手段（张芳. 日常生活中概率的应用[J]. 山西财经大学学报: 高等教育版, 2007 (S1).）。

对于个人而言，每个人都会凭借自觉判断各种结果出现的概率。概率作为一个普通又普遍的概念，除了抽奖，彩票、保险、巧合事件、股票、抽签等各种独立事件中，都涉及到概率。统计学方法也常被应用于天文学、生物学、社会学、流行病学、法律或者天气预报等观测性研究，只是不同的数学模型不会得出不同的结论，因此也常常引起争议。故，理解并掌握统计学方面的知识，能够帮助我们深入窥得在科学变革及生活应用中的基础内涵。

2、做大数据时代的明白人

那么，在21世纪的大数据时代，统计学以一种十分不明显的方式，紧密联系到我们日常生活的方方面面。在这个数据信息大爆炸的当下，乱花渐欲迷人眼，数据的手机已然不成问题，但如何把数据的效用最大化便成为当务之急。

热门美剧《纸牌屋》，相信大家都有所耳闻，它之所以如此走红，是背后团队（Netfilx）利用统计学方法深入分析，精准把握观众喜好。

在TED演讲集中，2015年有一集《如何利用大数据做出正确的判断》，介绍了这个事件的过程。原来罗伊·普莱斯（Roy·Pirce）和他的亚马逊的团队，通过竞赛的方式集合了各类题材的视频，免费放映评估人们看测试电视时候的反应，记录他们喜欢的历史、任务、情节等等，他们发现了观众喜欢参议员，喜欢喜剧，于是设计了一个四位参议员的情景喜剧——《阿尔法屋》，反响平平。

而泰德·萨兰德斯（Ted Sarandos）及他的Netfilx团队用了类似的方法，他们也发现了观众喜欢参议员，但是他们走了不同的风格路线，他们集合了更多的元素，做出了《纸牌屋》。

两家公司用了类似的方法，都用了几百万个数据点，结果到最后一个的效果很好，一个却不是很好。作为21世纪人，我们有200年的统计经验，有强大的数据和电脑，我们常常认为有了这些就可以得到正确的结论和决策。但更多时候，还需要专业的头脑和思考:

从这里我们可以看出，Netfilx不仅懂得利用大数据和统计学，而且懂得运用头脑。毕竟20分钟的电视，它不论好坏，都不会太影响到国计民生，但当我们将大数据和统计学运用到医疗、制药、法制建设等影响力更广大的方面，就不能太依赖和信任数据，还需要用更多的巧思和对概率本质的理解。

3、女士品茶

到此，我们再次回归到这本书的引子上，作为大家读此书前的热身预读。

20世纪20年代末一个夏日的午后，在英国剑桥，一群大学教员，他们的妻子及一些客人围坐在室外的一张桌子周围喝下午茶。剑桥的统计学家Ronald Fisher也在其中。

喝茶中，一位女士坚持称，将茶倒进牛奶里和将牛奶倒进茶里的味道是不同的。

Fisher开始设计实验来检验这个命题。如果给这位女士一杯茶，即使她无法判断出区别，她也有50%的机会猜对茶的种类。于是他们做了个实验，冲多杯配方一致的奶茶，只是先倒奶和先倒茶的顺序不同。当我们一直继续给她递茶，样品量达到24杯的时候：

①24杯茶的说服力有多少？我们是否应该相信她有分辨力呢？

假设24杯茶她凭靠猜对的概率是x，那么她有（1-x）的概率是凭借能力分辨而不是靠猜的。而这个概率（1-x）就是传说中的置信度。如果置信度有95%，则代表我们有95%的把握相信她真的能分辨一杯奶茶。

②如果在24杯中全答对了，我们可以说她具有判别能力，如果24杯中错了2杯呢？如果错了6杯呢？错多少杯为分界点的时候，才能说她具有判别能力？

假设这位女士不具有判别能力，Fisher可以通过显著性检验（概率P值）进行统计，如果P<0.01，说明是较强的判定结果，拒绝假设，说明这位女士具有判别能力；如果0.010.05，说明结果更倾向于接受假定的参数，说明这位女士不具有判别能力。

这个故事最早出现在Fisher发表于1935年的著作《the design of experiment》中被用来描述原假设（null hypothesis）。后来，Fisher大哥在1956年针对女士品茶又发表了《6 Mathematics of a Lady Tasting Tea》，继续讨论了随机试验的重要性，增加样本数量和重复实验会带来的益处，以及实验设计中为什么“茶”和“奶”的数量应该相等……

时隔半个世纪，遥望先驱者的思想，以及他们探索性的发现、认真的实验、严谨的探讨，让生活在统计学普遍日常世界的我，再看当前大小公司各种平台对“大数据”的“大”的盲目追捧，感触颇深。

不知，五十年后，现在大家干个啥都要拿来吹捧情怀的“大数据”，又会演变发展成什么状态？