機率思考：大數據時代，不犯錯的決斷武器 BY 貳團 Desmond Huang

本書討論(拆穿)許多生活中會遇到的機率問題，說明這些問題背後的理論及如何被大眾誤用，例如：最近後熱門的確診問題，試劑的準確度代表的不是確診，書中舉例，乳房檢測後醫生說報告呈陽性，該檢測準確度80%，並不是指有80%罹患乳癌，而是指檢測後，真正有乳癌的人有80%會呈陽性反應，因此如果要評估罹癌機率，還需要納入偽陽性的機率，因此經估算後(書中有詳細說明)，呈陽性反應且確診的機率只有17%，另外書中也討論近年來很熱門的Data mining，大多數人都想用找出一個萬用模型來詮釋一切，然而都忘了使用規定，例如：常態分佈(鐘型曲線)，的前提：個體現象需彼此獨立，但卻被大量應用於財務工程，結果造成2008年金融海嘯，此外，被濫用的還有相關係數(線性回歸法)，也因此產生許多可笑的結論如尼可拉斯凱吉新片上檔，就會有人在泳池溺斃，許多學者喜歡用相關係數來表示兩事件的影響度，想找出彼此關聯，卻忘了線性回歸法的前提：事件彼此呈線性相關(必須先確定彼此相關)。讀完書後再來看最近的新聞真得會再讓人想到馬可吐溫的名言：“Lies, damned lies, and statistics”