女士品茶读后感精选10篇
《女士品茶》是一本由[美]戴维·萨尔斯伯格著作，江西人民出版社出版的平装图书，本书定价：48.00，页数：348，文章吧小编精心整理的一些读者的读后感，希望对大家能有帮助。
如果只是看看书名还真要让一大帮粗心男士错过，通过女士对奶冲茶和茶冲奶的判断来引出大量统计学的研究背景，学术和生活有时候真的是分不开，而大家耳熟能详的永远是物理学那个顺从地心引力掉下来的苹果，却不那么关注和数字密切相关的数学理论，当然，数学这门课程对于大部分人来说也确实足够枯燥。
记得大学时候首先学习的是微积分，这是一门太过于恐怖的学科，大部分文史类学科的学生一定都是这门认为的，在度过漫长又痛苦的两年微积分学习后，紧随而来的是统计学和概率论，这两门学科总是让人觉得应该配套起来学习，尤其是在概率论中统计学是它的实验基础。
数学类知识的实验远远没有物理化学那么生动和实际，永远都是枯燥的建模和数字计算。
《女士品茶》深入浅出地描绘了统计学不断变革的发展史，带领读者一一回顾“统计”这门应用范围最广的科学，了解若干重要理论的发展过程与应用，亲近那些隐身幕后的统计学家，看看统计学究竟为今天这个世界，带来了什么样的改变。这是一部大数据时代不容错过的实用之书，大数据时代，一切以数据说话，如何解读数据便与每个人的日常生活息息相关，统计学的本质就在于解读数据，读懂了本书，你就是大数据时代的明白人。——内容简介
《女士品茶》作者戴维·萨尔斯伯格，康涅狄格大学统计学博士，原辉瑞公司资深统计研究员，美国国家统计学会会员，先后任教于哈佛大学公共卫生学院，康涅狄格大学、宾州大学、罗德岛学院及三一学院，著有多部统计学专著，本书是其代表作。该书由刘清山翻译，译者同时还译有《横向领导力》、《物种起源》等作品。
有的时候确实无法理解数学家们的生活状态，总觉得他们的世界里所有的一切都是由数字组成，就好像我们不再是一堆化学元素或者生物细胞，而是密密麻麻的数字，这种数字甚至可以跨物种的比较，除了数字就是各种曲线图和计算公式，好像这些数字一旦进入到公式中，就可以以一定的几率开始变化，而每一点细微的变化对公式的推导成功，都能让他们欣喜若狂。
从偶然一天的下午茶，到自然灾害的出现，甚至已成文明的现有技术，都可以成为统计学重新推翻或者深挖掘的对象，我甚至在想那些已经成为其他科学领域的经典实验，统计学是否曾经或者现在都在质疑并重新测量确认着，即便是同属于数学领域里的概率，统计学是否也还在不断地计算和实验着？这个是在说不好，统计学质疑着一切也在证明这一切，这些原本不确定的因素因为统计学而变得确定，同样那些被坚定确认的情况也因为统计学而变得不确定，这就是统计学的严谨和权威。
说实话我不算是严格的数学爱好者，但是相比之下，我还是比较喜欢统计学和概率论，它们在生活和工作中太具有可实践性，如果想对世界进一步的从数学角度认知，这本《女士品茶》不妨一读。
《女士品茶》读后感(二)：天天生活在大数据统计里，总得懂点什么吧！
有一天我要给客户介绍微博的各个推广位，右边及底部的广告位一直跳出我昨晚搜索过的蕾丝内衣。性感的肉体不停的闪现。给客户介绍的那几分钟是我为数不多的人生尴尬之一。
后来我知道这是网页的抓取功能，有专业的名称——“爬虫”。只要你在淘宝或者别的网页搜索过特定名词，不管你打开什么网页，广告位总是你刚搜索完的物种。这是一种自动获取网页内容的程序。是搜索引擎的重要组成部分，搜索引擎优化很大程度上就是针对爬虫而做出的优化。
以上，可以俗称大数据统计。
我曾经服务过的一家公司是“海关数据”的整合公司，用海关编码可以查询到这款产品的进出口数据，包括中国的每年的出口数据，美国、俄罗斯、加拿大等各国的进口数据。通过中国的海关出口单据、海外的到港数据及各种提单进行完美整合的一款产品。这有什么用呢？举个例子，你是生产毛绒玩具的生产商，通过毛绒玩具的HS编码，你会在平台上找到这款产品在之前的5-10年每年的出口数量是多少，进口国最大的国家是哪一国。进口这些产品的商家是什么公司，运气好的可以找到这些进口商的联系方式。进出口知识丰富的可以通过一张提单的数据反推出一款产品的成交价格是多少，这家企业一年的进口数量是多少。接下来，针对这个企业的报价单就可以完美呈现自己生产的毛绒玩具有多符合这个客户的需求。《货币战争》早就告诉我们提前知道一些数据对自己有多管用。通过数据统计分析得出自己想要的信息，这就是大数据的魅力。
我可以再举个例子，购买过这款产品的有一个客户，他们是几个开外贸公司的年轻人，购买了一款产品的海关数据，涵盖该产品的各国概况、准入标准、各国政策、以及10年内产品的进出口数据。经过一段时间的潜心研究后，他们发现了在某洲的一个地区led灯的进出口数量都为零。但是这个地方的周边地区都已经在大量采购led灯泡了。他们直接买了机票飞到该国，实地考察当地市场，一家一家商超及经销商的去洽谈led灯泡的销售。一年后，他们收获了这个地区的2000万订单。
有些人可能觉得统计没有这么强大的能力。那么说个最简单的，一家餐厅刚开始营业，并不能确定自己每天的销售数量，但是第二天，店主可以通过第一天的销售大致预估准备第二天的食材，第三天可以通过前几天的销售准备当天的食材，一个月之后是不是可以通过数据统计分析得出餐厅下个月的备货数量了？这就是统计学啊！
一家超市卖薯片。他想知道哪个口味的薯片卖得最好，那么最好的办法就是整理自己的出库小票。用一个月、一年、三年的数据来得到最接近事实的数据。同理也可用于薯片生产商。
现在做电商，各大平台都会提供相应的数据分析，可以让你看到你想销售的产品在该平台一年有多少销量、你设定的关键词有多少搜索量、这款产品主要分布在哪些区域、价格区间是多少，购买对象集中在哪个区域，什么年龄段。这似乎已经成为了做好电商的必备工具。这就是大数据分析。
虽然我们现在把大数据、统计、分析说的很神奇，但是这其实始于20世纪20年代的一位女士，她提出将茶倒进牛奶与将牛奶倒进茶中所产生的味道不一样。罗纳德.艾尔默.费希尔听到了这个说法，他决定用一组实验来验证这位女士的这句话。第一次统计分析便是记录在册的这次：提出论点——提出假设——进行实验验证。
数据统计、实验统计是怎样改变我们这个世界的运作和生活的呢？我还有很多例子可以举，但是要知道这段历史和其中的故事大家可以来阅读这本《女士品茶》，书本会告诉你统计学是如何变革来科学和生活。书中介绍一个新的概念时，穿插了大量的背景介绍，再辅以相关奇闻异事。就算你对概念一窍不通，但读完一个章节，你就能明白其中的特定概念。书里讲的故事，可比我前面讲的内容有趣多了。天天生活在大数据里，总得知道点什么吧！
比如：大家都知道“概率”的意思吧，但是在这本书里非常细致了讲了概率的出现，各种大拿提出的理论，以及最后“概率”的各种野史。
最后我想说句，我一直觉得能写这种书的人特别牛，不仅要博览群书、逻辑清晰，还要是个特别有耐性的人，唯有将读者都当成“弱智儿童”才可以将这些概念介绍得如此细致，如此不让你接着提问为什么。
《女士品茶》是著名统计学家大卫• 萨尔斯伯格撰写的统计学通俗作品。本书以“女士品茶”的故事为开始，但与喝茶和女士没什么关系，只是用“品茶”故事作为引子，通过生动有趣却不失严谨的实例论述了统计学原理，并使用大量的大众化的语言通俗地阐述了统计学的最大似然估计，假设检验，中心极限，大数定律等基本概念和方法，深刻地揭示了现代统计学发展的过程，展示了统计研究的工作方法。作者使用平和亲近的表述方式，让我们体验了一场关于统计学的奇妙认知之旅。
在社会高速发展的今天，各行各业的发展都同统计学有着千丝万缕的联络。统计学可以为行业反应真实数据，帮助行业管理人员梳理出其中所需要的数据，从而根据专业的整合分析，能够宏观把控事态的发展方向，从而使得决策更加具有相对科学的预见性。比如城市交通拥堵的治理、人口普查等等，都少不了统计学的参与。有了统计这个定量分析的工具，很多科学研究就更加有效，结果也更加有说服力，更便捷地确定问题是什么。直到现在，大部分的研究都还是需要统计分析的过程，统计对科学研究的进步发展的意义是里程碑式的。
南丁格尔有一句名言：如果要想了解上帝在想什么，我们就必须学统计，因为统计学就是在测量上帝的旨意。通过《女士品茶》，我们能够清楚地看到统计学的巨大威力：
——费歇尔在农场里计量农作物与气候，雨量，杀虫剂，肥料之间的关系，在发表了《研究工作者的统计方法》这一系列举世著名的论文的同时，也改善了农业生产。
——戈赛特先生在吉尼斯酿造公司通过解决测量在麦芽浆发酵是其所用的酵母数量，确定了泊松分布在现实生活中的实例和统计分布新观念的应用，同时也解决了该公司生产上的一个重大问题。
——蒂皮特在棉花工业研究协会为找出最脆弱的纤维强度，发现了极致分度，也找出了最脆弱的纤维强度，从而提高了棉花的产量。
——为解决靠近前线的军火补给站的最佳选址，以及解决军队的食物补给问题，产生了运筹学。战后又将其应用到了商业上，提出最优解，均衡有限资源，改进生产和提高产量等问题。
当然，统计学的用处数不胜数，不能穷举，只能用大数定律来做简单的涵盖。统计学作为一门学科，同时也是一项重要技能。在生活、物理、社科乃至商业活动、政府决策，都能找到统计学的影子。随着互联网时代的发展，数字化进程不断加快，人们越来越多地希望能够从大数据中总结出一些经验规律从来为决策提供重要依据。
1.应用于政府决策。人口学中的统计学应用、社会发展与评价、持续发展与环境保护、资源保护与利用、宏观经济监测与预测、政府统计数据收集与质量保证等都依赖于各类科学的统计方法。最常见的就是人口普查和交通流量监控。近年来，CPI指数、PMI指数等宏观经济指数，也都为国家宏观调控提供了重要依据。
2.应用于金融行业。在金融业行业，统计学被广泛应用于金融风险研究，既为管理层宏观调控金融市场提供科学的理论依据，又对投资个人和机构实施风险控制进行指导。常见于利率、汇率以及债市等。
3.应用于企业管理。利用统计学知识可以对企业进行财务风险分析、顾客行为分析、商品市场的变化趋势及经济环境的研究等。特别是在顾客行为分析方面，利用大数据进行产品营销，提供顾客满意度。每年淘宝、天猫、京东等大型平台均利用大数据进行顾客分析；搜狗输入法通过个人录入进行相关统计，为客户提供一手资料，等等。
4.应用于旅游行业。随着旅游行业的不断拓展，统计学已经广泛应用于旅游行业，通过对旅客流量、宾馆入住率、餐饮收入等指标，进行预测，有效调控景区人流量，提高游客体验度。
等等，等等。
统计学不仅仅是统计数字，还具有调查、收集、分析、预测等功能。对于我们研究社会，研究世界；改造社会、改造世界具有非常重要的意义。想要学好、用好统计学，建议认真研读这本被称为“关于统计学历史与变革的书”——《女士品茶》。这里没有僵化枯燥的数字公式，有的只是统计学瑰伟的魅力。
:大名鼎鼎的中统、军统的全称分别是：中国国民党中央执行委员会调查统计局、国民政府军事委员会调查统计局。
《女士品茶》读后感(四)：开学读物
这是一本历史书，讲统计学及其科学应用的发展，目标群体作者在后记写明是"几乎没有经历过数学培训的读者"。
写得如何我读书少无从评判，读起来体验是好评的。就"有趣"来说，这本书是一个恰当的例子，我们可以轻松地跟着作者的编排走。
副标题"统计学如何变革了科学和生活"，对应原文是How Statistics Revolutionized Science in the Twentieth Century，框了一个时间范围。
背景是科学的哲学观念和实践从19世纪的决定论向统计模型的转移。
作者在自序里从"机械的宇宙"引入统计的基本概念，并明确了以人物为关注点的大众视角。不过20世纪发生了很多事，略微标题党。
全书有350页29章，篇幅不小，好在章节轻盈，便于翻阅 。上半部分出场人物有限，下半部分较为分散，大致是群英录。
早前的the Bernoullis，Fermat，de Moivre，Pascal 只偶尔提到了，主角列表有Karl Pearson，天才Ronald Aylmer Fisher，大宗师Jerzy Neyman，罗刹国Andrei Kolmogorov等，主要讲轶事，八卦之余讲学术话题。
标题来源于一个实验，发生在剑桥的一次下午茶，"实验设计"的统计学方法论。
进化论科普读物《自私的基因》第一章Why are people？作者Richard Dawkins 引用"著名动物学家辛普森（G. G. Simpson）"的说法"现在我要讲明的一点是 ，1859年之前试图回答这一问题的一切尝试都是徒劳无益的 ，如果我们将其全部置于脑后 ，我们的境遇会更好些 "，介绍Darwin 的工作。
本书里也有一个类似的起点，标志性人物是Karl Pearson。"我个人倾向于认为统计革命始于19世纪90年代卡尔 皮尔逊的工作"，并且根据作者的介绍，Pearson 是兴趣在"科学和数学模型的本质上"的政治学博士（Marx 的迷弟，为了男神改了一样的名字）。男一与Darwin 除了同为英国同胞之外，还有一位重要的共同中间人Sir Francis Galton。Galton 是Darwin 的表弟，追随他的学说，从事生物测量、统计等工作，按照作者的说法，"他是一位独立而富有的业余科学家"。而男一Pearson 的统计学工作正是受到Galton 的影响，并接手了Galton 的生物统计实验室。
故事围绕着工作背景，期刊论文，告诉读者学的那些东西发现的情形。从英国，到欧陆,最后到美国，伴随着战争、经济、公共卫生、工业等方面的应用。
在末章，作者引用了Thomas Kuhn的《科学革命的结构》，"建立在沙土上的摩天大厦"暗示着学科并不坚实的基础和潜在的危机。
饶有趣味，不明觉厉。
我在友邻的豆列看到这本书。大概是5年前，买不到，学校也没有。
过了这么久现在出了这一版，我也是闲。
这种书给学生看嘛。
《女士品茶》读后感(五)：其实是一个索引笔记
chap1——《实验设计》
chap2——《科学的语法》；《生物统计》[J]； 均值回归 相关系数
chap3——《均值的概率误差》；泊松分布 ； t检验； 假设检验/显著性检验
chap4——《研究工作者的统计方法》←（解读）《统计学的数学方法》； . Fisher Z 变换； Pearson系数
chap5——《收成变动研究》； 时间序列分析； 随机对照试验； 方差分析/协方差分析； 自由度
chap6——《极值统计学》； 极值分布
chap7——最大似然估计值； 迭代算法
chap8——概率单位分析（LD50）
chap9——中心极限定理； U统计量； 运筹学
chap10——拟合优度检验→卡方检验； 假设检验/显著性检验
chap11——《统计放大与科学推理》； 内曼-皮尔逊公式
chap12——《论代表方法的两个不同方面》； 区间估计
chap13——条件概率； 贝叶斯定理
chap14——概率论公理
chap15——
chap16——非参数检验； 无分布检验
chap17——《抽样调查方法与理论》
chap18——符号逻辑； 回顾性&前瞻性研究
chap19——消费价格指数
chap20——（应用数学与抽象数学）
chap21——贝叶斯经验方法； 贝叶斯层次方法（密码学）； 贝尔曼定理（维度）（动态规则）
chap22——图基对比、图基单自由度交互效应、图基快速傅里叶变换、图基引理、图基快速检验
chap23——稳健统计
chap24——质量控制
chap25——
chap26——鞅序列
chap27——（1个例子（Peto的意向性治疗）与其解决方法）
chap28——格里汶科定理； 靴襻法/重复采样
chap29——科恩的彩票悖论
《女士品茶》读后感(六)：明天，太阳还会照常升起吗？
20世纪初，法国数学家Emile Borel提出了一个让人觉得些许心寒的理论：猴子与打字机。即：如果无数多的猴子在无数多的打字机上随机的打字，并持续无限久的时间，那么在某个时候，它们必然会打出莎士比亚的全部著作。
猴子与打字机的理论一出，立刻引发了强烈的反对风潮，当时的一位著名知识分子甚至给Emile写信，用粗鄙的语言攻击他这一理论是对人类智慧的公开侮辱，要求他公开发表申明，说明猴子远逊于人类，而Emile的回应只有短短的一句话：
“先生，你说的是规律，而我说的是概率，这是两码事。”
回到二十一世纪的今天，先来问问自己以下三个问题：
已知：太阳每天都会升起，问：明天太阳还会照常升起吗？
用平均智商判断一个学校的学生聪明程度是否合理？
已知：一项社会调查显示，学生群体约有11.2%的人都患有不同程度抑郁症，而社会平均率仅为4.8%。问：这意味着学生群体更脆弱吗？
（注：此比率仅作举例，不代表实际情况）
你的回答是什么呢？你又是否知道自己选择背后的原因？
这本统计学的书，或许可以帮到你。
统计学博士戴维·萨尔斯伯格在《女士品茶》中写过这样一个小故事：
英国剑桥的某个午后，有位女士声称，把茶加到牛奶里，和把牛奶加到茶里，两种方法调出来的下午茶喝起来味道不同。在座的科学家都对她的说法嗤之以鼻，但有位来访的瘦小绅士，R. A. 费希尔，提议要用科学的方法，来检验这位女士的假设。
他们在女士看不见的地方按照不同的顺序配茶并让该女士品尝鉴定，那么问题来了，如果这位女士猜对了三次呢？五次呢？十五次呢？五十次呢？
绅士们的研究并没有仅仅停留在这位喝茶的女士身上，他们在金融，农业，企业管理，军工等领域做出了大量的统计学研究，并将统计学的基本原理总结为以下几点：
1. 万事皆有概率
回到《女士品茶》开头那位喝茶的女主人公，假设她成功的分辨了五十次，是否可以说明两种配法的茶的确有所不同？相反，如果她在第五次就失败了，是否意味着这两种配法的茶完全一样？
谨慎而严谨的统计学家们给两个问题的答案，都是大写的否。
成功五十次，并不代表第五十一次也会成功。没有特殊情况的出现，并不意味着特殊情况不会出现，前者是规律，而后者是概率。
同样，影响品茶结果的并不仅仅是茶的味道本身，还有品茶人的心情，前一杯茶的余味，周围人的误导等等。
因此，我们无法得到一个“必然”的结果，最好的答案是，“截至目前正确”。
2. 大数理论和正态分布
如果一个实验的样本足够大，偏离正常结果的实验数量就可以忽略不计，在大数理论中，概率通常呈现为正态分布（即我们常见的钟形曲线）。
举第二题中的平均智商为例，如果这个学校的人数足够多，那么平均智商的数值就可能越接近大多数人（即下图中钟形的凸处），智商极高和智商极低的人都在钟形的底部，为偏离正常数值的少数派，其所占比重在参与人数达到无限多的情况甚至下可以忽略不计。
《女士品茶》读后感(七)：拉一拉统计学的衣角
在读完这本书之前和之后，分别看到了两个颇有意思的事儿。
某个读书群的群主发话：请各位书友注意，《女士品茶》的副标题是——统计学如何变革了科学和生活，这不是一本教你如何品茶的书，请看清楚再约评！
另一个是读完书以后，在出版后记里看到“先加奶，还是先加茶，哪一种方式冲泡的奶茶口感更佳？”……要回答以上问题，你就必须懂统计学方面的知识。……
《女士品茶》是一本撰写统计方法变革以及发展的书，更偏向于历史。封面上写着“科学松鼠会推荐统计学领域入门必读书”，在我看来，科学松鼠会对于统计学的入门门槛似乎略高了。虽然作者在后记里写到“我并不是要写一部全面的统计方法发展史。本书的目标群体是几乎没有经历过数学培训的读者。”但如果没有一定的数学基础和统计学知识，要想通读这本书是需要相当的耐心的。所以作者花费了相当大的心血，为了吸引读者，做了两个重要的安排：
一是作者大致按照时间的顺序来讲述统计学发展的历程，这与普通读者阅读历史书籍的理解模式基本一致。任何一本科学发展，都是新理论的发现不断更新与迭代过去的理论。统计学也一样，按照作者的写作顺序阅读会发现，后文会多次出现引用前文的内容，后来的统计学家也多半是站在前人的肩膀上不断探寻得到统计学的新内涵。
二是作者为了照顾阅读体验，在每章开始挂上一个吸引人的标题，然后介绍这个篇章里的主人公遇到或者解决了一个什么现实问题，统计学如何在其中发挥作用云云。如同书中提到的，许多统计学家对于发展到后来越来越脱离现实的某些数学领域持有一定的批判态度，统计学就是务实的、贴近生活的，是在生产、医疗、环保、农业等方面实实在在去解决现实问题的一门学科，对于背景的介绍和生动举例能厘清统计学发展的原因，增强读者的阅读兴趣，这也是作者把这本书定位在统计学入门读物的原因之一吧。
作为一个对于统计学略懂一二的入门者，在读这本书时，很遗憾没能看到一些简要的数学推理证明或者表达式。其实也很容易理解，无外乎上文提到的照顾初学者的阅读体验，以及全书的篇幅问题，字典一样的入门读物通常不会太受欢迎。但这本《女士品茶》着实带来了一些收获：
一是补充了许多学到过的统计学知识背景，诸如t分布、中心极限定理、置信区间等在解题和实验时经常运用，现在更明白了它们从哪来，加深了对这些学习内容的理解。
二是得以窥探各个时代诸位统计学大家的风采，虽然他们也有派别之分、各执一词，但对于科学的奉献精神令人赞叹。
三是书的最后附有大事列表，是日后反查和搜索更多详细资料的绝佳索引。
最后，回到一开始的那两个事儿：
1.这本书真的和教你如何品茶没有半毛钱关系；
2.这本书不是通过统计学得出哪种煮茶方式更好喝，而是书中的一个实验引发的对于统计学中概率的思考：一位女士号称能品尝出一杯茶到底是先加茶还是先加了奶，具有科学精神的统计学家们不以为然，但是凭借科学实验精神设计了测试方式，真的冲泡了N杯让这位女士一一品尝。这位女士是真的能分辨出来？还是靠猜？多少的正确率才能确认这位女士真正有能力分辨一杯茶的冲泡顺序？想知道答案的话，看看《女士品茶》就明白了。
至于哪杯好喝，又有哪个统计学家在意呢？
《女士品茶》读后感(八)：人人都可拥有的上帝之眼
俗话说的好“爱笑的女生，运气都不会太差”。 科学松鼠会推荐的统计学领域入门必读书——戴维•萨尔斯伯格所著的通俗统计学“史书”《女士品茶—统计学如何变革了科学和生活》一书的封面上将这句话稍作改变变成了“了解统计学的人，运气都不会太差。”这句话很好的映证了南丁格尔的观点：“若想了解上帝在想什么，我们就必须学统计 费希尔所提到的后人不断证明前人过时或错误的观点 ，因为统计学在测量他的旨意。”试问，掌握上帝旨意的人，运气又怎么会差呢？
《女士品茶》绝对称得上是大家小书，作者戴维•萨尔斯伯格本就是统计学博士，在本书中你可以看到一部统计学的发展史，有传奇人物，传奇故事也有个人恩怨，思想碰撞。神奇的是作者却能深入浅出地运用文字而非数学语言将一部伟大的统计学史诗展示给非专业非数学领域的普通读者，而不致使他们觉得困惑迷茫。
对我而言尤其兴奋的是在阅读过程中发现了很多我以前不知道的事：
1-蝴蝶效应
源于 1963年混沌理论学家爱德华•洛伦茨发表了的一篇演讲，题为《扇动翅膀的巴西蝴蝶会引起德克萨斯的龙卷风吗？》。这篇演讲后来被很多人引用，其中洛伦茨的主要观点是：混沌的数学函数，对初始条件非常敏感，初始条件的微小差异在经过多次迭代后，可能导致完全不同的结果。他的这种蝴蝶效应思想，已经被混沌理论的推广者当成了深邃而明智的真理，并且远远超出统计学的范畴，表达了更丰富的哲学内涵，最常见的恐怕要数万物是普遍联系吧。
2-凯恩斯
大多数人提到凯恩斯，第一个想到的就是凯恩斯主义，强调“看不见的手”，主张政府对经济的干预。人们往往认为他是经济学家，是凯恩斯经济学派的创始人。但其实，凯恩斯本人是一位哲学博士，他于1921年发表的博士论文《论概率》是数理统计哲学基础发展过程的一个重要里程碑。在他看来，概率衡量的是所有接受某种文化教育的人为某种情形赋予的不确定性。概率是由一个人所处的文化环境决定的，不是由他的内心直觉决定的。简单举例就是对一个中国人而言愿意裸婚的概率肯定远远低于西方人。这是概率问题，更是由文化环境决定的。
3-南丁格尔
弗洛伦斯•南丁格尔是英国维多利亚时代的一位传奇人物，是护理行业的开创者，“5-12”国际护士节就是设立在南丁格尔生日，用以纪念她对人类所做的无私奉献。但同时，她也是一位自学成才的统计学家。为了迫使英国军队设立战地医院，在战场上为战士提供护理和医疗服务，她发明了饼图，用以处理数据和向议员和军方展示自己想要传达的信息。
4-约翰•图基
你可能没听说过他的名字，但你一定听说过“比特”（bit）和“软件”（software），这两个单词都是图基发明的，前者表示二进制位，后者表示与电脑“硬件”相对应的计算机程序。他不是计算机领域的从业人员，这只不过是他众多纷繁的思想在计算机领域的应用。他被戴维•萨尔斯伯格称为统计领域的毕加索，用以描绘图基丰富的想象力以及无穷的开拓创造力。
5-“鞅序列”
法国数学家保罗•列维为他提出的一组数字序列命名“鞅”训练。其中“鞅”源于赌博术语，是指赌徒每次失败时加倍下注的做法。这个词还有另外两个意思。一是法国农夫用来让马低头，不让马回头的装置；二是从帆船的吊杆上垂下来的，用于防止吊杆晃动过于剧烈的重木。当然这个词本身来自法国马提克的吝啬居民。
除此之外，《女士品茶》主要讲述的是统计学的发展史，这自然离不开发展的主体了。俗话说的好有人的地方就有江湖。虽然都是以发展科学，追求真理为目标，但每个科学家在他们的位置和学说领域都时不时会体现出一种固执的“偏见”。卡尔•皮尔迅的自傲和在《生物统计》中所表现的偏执的理念使得他和费希尔水火不容，面对卡尔•皮尔迅的打压，费希尔回应的是一系列的研究专著，最终他的统计估计法取得胜利，最大似然法统治了世界，皮尔逊的方法被人们丢尽了历史的垃圾堆。在一次受邀讲话中，费希尔说道，从某种程度上，前人阐述的观点，可能会被后人证明是过时或错误的，这是不可避免的事情，但却并非人人都能理解并做到尊重。为此他还专门对年轻的科学家提出提醒和建议：当你想要为人类的知识宝库献上一颗宝石的时候，你一定会受到某些人的攻击。在很大程度上这段讲话是意有所指的。但当他的学说暴露出问题，面对年轻学者内曼的挑战，他几乎是歇斯底里地重复了和皮尔迅一样的态度，对新学说大加批判。看来虽有点讽刺，但也确实映证了费希尔讲话中的观点：这是这个行业固有的问题。
对前人思想的继承和发展，加上 费希尔所提到的后人不断证明前人过时或错误的观点共同构成了《女士品茶》的叙事脉络，这绝对是统计学史的经典入门读物，大家写小书，不可错过。
《女士品茶》读后感(九)：数据的品格—大数据时代，看统计学如何改变每个人的日常生活
不要被它的名字骗了，这不是关于品茶的书籍，而是一本正宗的统计学发展史。
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、他们的妻子以及一些客人围坐在室外的一张桌子上喝下午茶。一位女士坚持认为，将茶倒进牛奶里和将牛奶倒进茶里的味道是不同的。在座的科学家都觉得这种观点很可笑，没有任何意义。这能有什么区别呢？他们觉得两种液体的混合物在化学成分上不可能有任何区别。此时，一个留有尖髯的男子激动了起来：“让我们检验这个命题吧。”他开始规划一个实验，让这位女士按顺序品尝若干杯
饮品，其中有些是加了茶的牛奶，有些是加了牛奶的茶。
有些读者会说：这绝对是吃饱了撑的！不管这位女士能否分辨这两种饮品，这件事有什么意义呢？这个问题一点也不重要，对科学也没有益处。他们嘲笑道：“这些聪明人应该把头脑用在能够造福人类的事情上。”
好了，这是全书的开头，也是唯一一个看起来不费力气的地方。毕竟，统计学(statistics)属于应用数学的分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化分析与推断预测，从而为相关决策提供依据和参考。而作为一个读书时候数学成绩就一团糟的人来说，这本书看的我是如坐针毡。并且，我相信，对于绝大多数普通民众而言，艰深的数学算法和陌生的大师理论也绝不会成为大家关注的焦点。
那么，每一个我们，每天都会关注些什么呢？
当电视里的新闻主播宣布一项医学研究证明被动吸烟会让非吸烟者的死亡风险翻番时，几乎所有的观众都认为自己知道这是什么意思。当一项民意调查的结果显示认为总统工作表现不错的公众比率65%上下浮动3个百分点时，大多数人都觉得自己知道这里的65%和3%代表什么含义。当气象员预测明天下雨的可能性是95%时，计划出行的人们基本都会带上一把雨伞。
还有那一连串的十万个为什么。赌博、炒股、买彩票，哪种方式更能让你一夜暴富？科学定律是真理吗？丈母娘究竟与房价涨落是否存在因果关系？为什么越来越多的考试采取偏差值而不是分数排名的方式来判断学生成绩的好坏？……
看吧，日常生活中我们对于具体数字的依赖已经到了令人发指的地步了，那么你知道为了得出这样的结果需要做哪些事情，又会发生怎样的争议呢？来，让我们一起走进背后的故事。
《女士品茶》读后感(十)：有点难度的科普书
今天跑了一天江阴，回到所里，表示：今天不加班。于是回家，做些取悦自己的事情，比如把这本《女士品茶——统计学如何变革了科学和生活》一书读完。 这本书是一本以多位统计学大咖生平为主线的科普书，其实不算平易近人，至少我是搞不清什么是P值，可能是因为知识背景的差异，这个时候我忍不住为作者难过起来：作者都这么尽力地写得平易近人了。
本书中最重要的思想之一是，科学研究的真实对象是数据的分布，这种分布可以用参数来描述。对于这种创见，我是表示极度赞成的。
想起以前初二的时候，我们做电流实验，得到两组数据，非常符合某公理，对此我的物理老师嗤之以鼻，认为我在捏造数据，因为他以为实验中的数据应当存在偏差，不应该这么巧合。
当年我年幼无知，虽然觉得自己无辜，但还是含泪吞下了误解，如今我可以傲娇地告诉他：我的数据不过是随机得恰好符合公理。 因为这本书告诉我再精密的实验得到的数据，也是存在随机性的。
本书中还有一个污染数据的概念很有趣，当数据收到污染时，人们平时非常喜欢使用的均值并不是一个很好的衡量参数。
比如某大学毕业生收入取平均，其收入水平将非常高，因为少数校友时百万富翁。实际上，超过80％的校友收入在平均水平以下。
这让我想起了我那可怜的每年被平均的收入还有消费水平，不晓得统计部门到底有没有剔除那些该死的污染数据。
本书作者很努力地把统计学与生活联系起来，以吸引像我这样庸俗的非专业者，虽然读着有点困难，但本书作为统计学一本颇负盛名的科普书，我非常愿意再推荐一次。
就是编辑赚钱心切，段落行间距目测是单倍，恨不得1.5倍。