Reasoning / Evidence / Statistics / Bayes

一眼识破真相的思考力

把数字、图表、专家、逻辑谬误与贝叶斯判断，重组为一套可反复进入的批判性思维知识站

18章节页

49原则页

92图版页

这本书在训练什么

本知识站基于 EPUB 目录、正文片段、术语表和原书图版重建。它不是普通书摘，而是把这本书拆成可进入、可复习、可迁移到日常判断的思维工具箱。你可以把它当成“误导识别工具箱”：数字先做合理性测试，图表先审轴线，专家先审边界，强结论先找替代解释，离奇主张再抬高证据门槛。

章节地图按误导类型进入

从数字、图表、抽样与概率，走到专家、反知识、逻辑谬误和贝叶斯。

原则卡片按高杠杆判断动作进入

优先抓合理性测试、样本审计、替代解释、先验更新。

图版证据按原书图版与章节图板进入

既保留原始示意图，也补足每章判断图板。

术语表按统计与逻辑索引

把基线、条件概率、相关、混合因素翻译成可执行语言。

章节路径

这本书适合被读成一条判断升级路径：先识别数字与图表的误导，再提升来源判断、逻辑和概率更新能力，最后回到长期可运行的思考工作流。

先承认真相竞争的环境已经变了，批判性思维不再是少数人的专业技能

序言人人都要批判性思考

序言先不讲技巧，而是先讲时代背景：后真相环境、假新闻、委婉化谎言，以及为什么普通人也必须升级自己的判断系统。

先做量级与常识筛查，再决定是否值得相信一串数字

第1章数字的合理性

这一章处理最基础却最常被忽略的动作：在复杂计算之前，先检查一个数字在常识和数量级上是否站得住。

平均数不是一个词，而是一整组会把现实压扁的统计选择

第2章平均数的妙用

这一章把“平均数”拆开：算术平均数、中位数、众数为什么会给出不同世界，极端值又如何误导判断。

图表不是中性的窗口，轴线设计本身就能偷偷改变你看到的世界

第3章数轴的诡计

这一章专讲图表如何骗人：不标轴、截断纵轴、单位模糊、比例失真、视觉夸张。

学会识别那些并不撒谎、却故意让你看错重点的数字汇报

第4章恶搞数字汇报

这一章聚焦汇报场景：累计图、双 y 轴、选择性对比、只报有利口径，如何让一个公司或观点看起来很成功。

数字最早出错的地方，往往不是计算，而是样本和收集方式

第5章收集数字的方法

这一章讨论样本、偏差、抽样代表性、记录方式和调查设计，它们决定了‘数字有没有资格进入你的判断系统’。

别让逸闻和直觉代替概率，概率是把未来不确定性翻译成可比判断的语言

第6章神奇的概率

这一章从安全带、彩票、医疗、天气等例子切入，讲清概率的不同形式，以及为什么我们容易被个例带偏。

多数认知都来自二手世界，所以来源管理本身就是判断力的一部分

第7章我们如何认知

这一章把问题从数字转向认知：人类大量知识都并非亲见，而是通过专家、书籍、媒体和他人的转述获得。

专家是重要的起点，但绝不是免检通行证

第8章不可轻信专家的意见

这一章讨论专家为什么重要、为什么也会出错，以及如何区分基于证据的专家表达与只是分享观点的权威口吻。

多想一个更普通的解释，常常比追逐惊人结论更接近真相

第9章被低估的可替代解释

这一章专练一个核心动作：看到一个解释时，主动寻找更平凡、更低成本、更不颠覆世界观的替代解释。

最危险的错误信息，不是胡说八道，而是披着事实外衣的半真半假

第10章似是而非的反知识

这一章处理‘反知识’：它如何借助数字、阴谋、碎片事实和故事结构，看起来像知识，实则拆解后站不住。

科学最可贵的地方不是永远正确，而是它允许自己被纠错、被复现、被击败

第11章科学运作的原理

这一章解释科学如何通过证据、可复制性、混合因素控制、修正机制与不确定性管理来工作，也讨论学术欺诈与方法缺陷。

逻辑谬误不是课堂游戏，而是日常讨论、媒体表达和公共说服中的高频陷阱

第12章逻辑谬误

这一章系统梳理推理中的常见错误：相关不等于因果、循环论证、肯定后件、诉诸情绪等。

真正成熟的判断力，包含处理未知、承认未知与区分未知的能力

第13章通晓未知

这一章围绕已知的已知、已知的未知、未知的未知展开，训练读者如何在不完整信息下保持清醒。

判断不是一次拍板，而是随着新证据持续更新先验的过程

第14章神通广大的贝叶斯思维

这一章把贝叶斯思维从公式带回现实：先验概率、事后概率、证据强弱、非凡主张需要非凡证据。

把前面所有工具拿到真实案例里跑一遍，训练从概念迁移到判断

第15章有关真相的4个案例

这一章不再新增太多概念，而是通过案例练习，把概率、替代解释、证据强度和逻辑结构综合起来。

最终目标不是背完一套术语，而是形成你自己的长期判断系统

结语发掘适合自己的思维方式

结语把整本书收束回日常：网络世界、真假混杂、专家有限、时间稀缺，所以你需要建立适合自己而且可持续运转的思维习惯。

把抽象术语、公式和案例翻译成可以随时回查的判断工具箱

附录贝叶斯法则的应用 / 术语表

最后这一页承担索引功能：把公式、术语和方法重新钉回实践场景，作为整站的速查层。

核心原则

如果你不想整本顺读，可以直接从这些高杠杆原则切入。它们基本覆盖了本书最常用的判断动作。

Truth Environment

真相环境意识

先承认你所处的信息环境会系统性制造错觉，判断力才能真正启动。

Claim Audit

主张审计

任何强主张都要拆成可验证前提，而不是整体吞下。

Critical Habit

批判性思维习惯

批判性思维不是偶尔启动的技能，而是可重复执行的习惯流程。

Reasonableness Test

合理性测试

先做常识和量级筛查，判断一个数字有没有继续研究的资格。

Orders of Magnitude

量级估算

通过数量级而非小数点精度，快速判断一个说法是否可能。

Growth Sanity

增长曲线常识

面对翻倍、爆发式增长和指数叙事，要先问它能持续多久。

Mean Median Mode

均值 / 中位数 / 众数辨析

‘平均’不是一个答案，而是不同统计选择下的不同现实切片。

Outlier Sensitivity

极端值敏感性

少数异常值能强烈扭曲整体印象，尤其是均值。

Distribution Shape

分布形状感

真正决定解释力的常常不是一个平均值，而是分布长什么样。

Axis Audit

轴线审计

读图第一步是审轴，而不是审情绪。

Truncated Axis

截断纵轴陷阱

纵轴不从零开始时，微小变化也能被画成巨大波动。

Visual Manipulation

视觉操纵

数据一旦被可视化，就进入了可被设计、可被操纵的叙事层。

Report Framing

汇报框架审计

很多误导来自汇报口径，而不是数据造假。

Double Y Axis

双 Y 轴识别

双 y 轴有时必要，但也是制造同步幻觉的高风险装置。

Cumulative Metric

累计指标警惕

累计值很擅长看长期规模，但也很擅长掩盖当期恶化。

Sampling Bias

抽样偏差

样本怎么来，决定了结论能不能外推。

Representativeness

代表性判断

样本能否代表整体，决定了统计结论能否迁移出去。

Measurement Design

测量与问法设计

你怎么问、怎么记、怎么量，本身就在塑造数字。

Base Rate

基线概率

判断风险前先问基线，否则个例和惊悚叙事会全面接管你。

Relative Risk

相对风险与绝对风险

风险说法如果只报相对变化，不报绝对水平，很容易制造夸张印象。