吸烟寿龄思考

吸烟到底有没有害大数据分析

你劝吸烟君戒烟，吸烟君却对你说“某某一辈子抽烟但是活了90岁”，该怎么反驳？看毕然老师解析数据分析小案例，你就会知道，尽人事，听天命，如何从统计学角度来理解“吸烟有害健康”。...

你劝吸烟君戒烟，吸烟君却对你说“某某一辈子抽烟但是活了90岁”，该怎么反驳？看毕然老师解析数据分析小案例，你就会知道，尽人事，听天命，如何从统计学角度来理解“吸烟有害健康”。

基于个案的认知

一个朋友有吸烟的习惯，以往每次劝他戒烟的时候，他都振振有词地说：“你看名人A吸烟喝酒活到80多岁，名人B不吸烟不喝酒却很早就去世了。所以寿命这东西就是命，和吸不吸烟没啥关系！”。这句话真是掷地有声，堵得我哑口无言。直到了解统计学之后，我才能有效地反驳他。如题图中所示，从医院收集了3000个过世病人的资料，包括是否吸烟和寿龄等信息。将3000个病人分成吸烟和不吸烟的两组，分别画出寿龄的概率分布曲线，呈现正态分布。

可见，无论一个人是否吸烟，均可能过早去世（分布的左侧尾巴：差尾巴），也可能活到高寿（分布的右侧尾巴：好尾巴），但吸烟人群的寿龄分布整体减少5岁（两个分布中线的差距）。这说明，下论断要从统计整体来看，揪住一些个案是没有太多意义的。所以，该朋友拿两个名人的例子反驳吸烟有害健康的劝说，是“基于个案的错误认知”。

事情的道理如上所述，但人是一种感性的动物，我们往往会对身边发生的、亲眼看到的个案给予更多的重视，而忽略了整体数据。

以上内容，来自《大数据分析的道与术》，在本书中，有很多这样的生动的小案例，助你非常直观地理解大数据时代的数据分析与统计方法。

在这本书创作时，我贯彻了三个风格。

风格1：写一本既讲“是什么”也讲“为什么”的书，谈“知识”也谈“思考”的书。

很多事情的结果很重要，但思考过程更重要。以我个人感觉，数学史比数学更启迪人的思维。因为数学知识只是思考的成果，而数学史才是思考的过程。例如翻开大学微积分或线性代数的课本，会发现教科书以非常清晰的结构，完整地组织了这些知识成果。但科学家是怎样研究发明这些知识的？研究过程是从第一章到最后一章顺序进行的吗？他们碰到了什么实际问题，怎样进行思考的？为何这些学科的知识呈现出现在的样子？这些内容才是真正重要的，因为它使我们学习到科学家的思考方式，而不是思考结果。近两年一些领域出现的科学史作品，如《上帝掷筛子吗：量子物理史话》，正是这样的写作方式，给我带来很大启发。

所以，本书是一本注重讲解数据分析思想的书。相信读者先学习数据统计的思想，再去学习数据统计知识，会有庖丁解牛之感，如果这本书能够达到这样的效果，也是我最大的期望。风格2：写一本“快乐”的书，而不是“刻苦”的书。

轻松漫画让你理解用聚类分析的方法，更快捷、便捷地探索数据

工作和生活是有一些原始的兴趣和快乐的，但这个社会不断地将薪酬、地位、名声等一些价值观强加到我们头上，逐渐让我们认为工作就是为了薪酬、地位、名声，在这个过程中，人很容易迷失自己，使得努力做事的原因由乐趣变成“有用”这样功利性的衡量准则。很多人在这个过程中，变成了为了被灌输的“人生目标”不断“刻苦”忍耐过程的人。而我希望自己成为，为了自己确定的“人生目标”不断享受过程的人，也期望向往后一种生活的人越来越多。

所以这是一本轻松的书，刻意避开数学公式与大家谈谈数据分析背后的思想，并穿插我个人对很多事物的思考，辅以有趣的漫画故事。大家可能会发现本书的用例不那么正统，除了与数据分析主题直接相关的统计技术，间接相关的经济学、心理学、营销学和企业经营之外，还会有相当多的历史、文学和哲学方面的例子。这一方面是由于数据分析本身是一个辐射很广的学科，另一方面是因为：同一个思想，只有从决然不同的多个角度去认知，才能达到透彻的理解。所以我有意进行了发散的思考。风格3：写一本实用的书而不是泛泛概念的书。

难道《红楼梦》也和数据分析有关？

古典四大名著中我最喜欢《红楼梦》，因为这本书中有特别多精彩到极点的细节描写，这绝不仅因为曹雪芹的深厚的文学功底，更因为细节来自于他的亲身经历。很多书大谈概念而不谈细节，大谈思路而不谈落地，其实是因为作者经历并不切身、亲临一线的时候较少。我期望以我这些年的工作经历和积累为蓝本，写一本有独特心得的实用书籍。

这本书也承载了对我个人项目工作的帮助。在互联网从业7年，读过很多书、经历过很多项目，将更本质的知识从历史的应用场景迁移到未来的应用场景，需要对知识有更深层次的抽象，所以本书体系化方法论的总结对我自身提升很有帮助。