Mere info

Her er samlet referencer og links til inspiration og yderligere information omkring statistik. Bøger Statistikbøger De seneste par år er der udgivet en række bøger, der præsenterer statistik, statistisk tankegang og statistikforståelse for et bredere publikum på nye spændende måder. Bøgerne kan alle læses af alle uanset om man er ny eller erfaren i statistisk analyse, og de er ikke pakket ind i en masse matematiske formler. Alle bøgerne kan varmt anbefales.

Her er samlet referencer og links til inspiration og yderligere information omkring statistik.

Bøger

Statistikbøger

De seneste par år er der udgivet en række bøger, der præsenterer statistik, statistisk tankegang og statistikforståelse for et bredere publikum på nye spændende måder. Bøgerne kan alle læses af alle uanset om man er ny eller erfaren i statistisk analyse, og de er ikke pakket ind i en masse matematiske formler. Alle bøgerne kan varmt anbefales.

Bemærk: hvis du køber nogle af bøgerne gennem nedenstående links, så får sandsynligvis.dk en lille procentdel af salget.

  • “The Art of Statistics” af David Spiegelhalter giver en fremragende indledning til, hvad statistik og statistisk tænkning er. Spiegelhalter er en formidabel formidler og selvom han kommer meget bredt omkring i “Art of Statistics”, så formår han at forklare det hele ved figurer, grafer og tekst, så han næsten helt undgår matematiske formler. Bogens kapitler tager udgangspunkt i en konkret problemstilling/case fra medierne og bruger casen til at introducere de enkelte statistiske emner, hvordan man skal tænke på problemstillingen, hvad man skal være opmærksom på, og hvordan man skal forstå og formidle analysens resultater.
  • “The Book of Why” af Judea Pearl og Dana MacKenzie. Vi har tidligere skrevet en kortere anmeldelse af bogen, men det er værd at reklamere for den igen. Bogen giver en populærvidenskabelig indføring i, hvad der kræves for at kunne lave kausale konklusioner fra statistiske analyser. Bogen dækker kausale modeller, directed acyclic graphs, konfounders, colliderbias, og de værktøjer, der er nødvendige for at kunne vurdere, som man kan gøre sig forhåbninger om at kunne svare på kausale spørgsmål fra observationelle studier. Bogens tema er utrolig vigtig og det er den første bog, der forsøger at udbrede den kausale tankegang og værktøjer så det kan forstår af alle.
  • I “Statistical Rethinking” giver Richard McElreath en forfriskende indføring i statistisk tankegang og metoder set fra et bayesiansk synspunkt. Bogen er mere teknisk end de to foregående, men alligevel formår McElreath at ramme et niveau, hvor forklaringerne gør, at læseren bliver ført roligt og sikkert igennem de forskellige koncepter, så de matematiske dele af bogen ikke virker så skræmmende. Hvis man gerne vil have en forståelse af bayesiansk statistik er “Statistical Rethinking” et oplagt sted at starte.

Bøger om vurdere, læse og forholde sig til statistiske påstande i medierne

Statistik er en vigtig komponent i den videnskabelige proces og i at forholde sig kritisk til videnskablige argumentationer og diskussion af evidens. Det er sjældent noget, man lærer som del af statistikfaget, men der findes mange gode bøger, der hjælper en til at tænke kritisk og undgå de mest almindelige faldgruber.

  • “Calling bullshit” af Carl T. Bergstrom og Jevin D. West er en nyere og ret underholdende bog, der er udsprunget af forfatternes kursus i “Calling Bullshit” ved University of Washington. De diskuterer, hvordan medier, forskere, influencere og politikere komplet misforstår centrale begreber som forskelle på sammenhænge og årsagssammenhænge, selektionsbias, og datavisualisering. Forfatterne giver gode råd omkring, hvordan man afviser bullshit, og hvordan man undgår selv at formidle bullshit. Det er en skam, at et tilsvarende kursus ikke er obligatorisk for forskere, men i det mindste kan man læse bogen og blive klogere og underholdt på samme tid.
  • Foruden at være skribent på Financial Times har Tim Harford i mange år været vært på BBCs radioprogram “More or less” - den britiske pendant til Detektor. Harford har skrevet flere bøger om at forstå og bruge tal og statistik, men i “How to Make the World Add Up” har han samlet 10 gode råd om at læse, fortolke og bruge tal. Bogen afspejler de tricks, som holdet bag “More or less” bruger, når de skal grave sig ned i de statistiske påstande, som de undersøger i programmet. Harford har en god, nuanceret tilgang og som en af de eneste er han også opmærksom på de psykologiske mekanismer hos en selv, der træder i kraft, når man skal vurdere andres videnskabelige udsagn. Det er en pointe, som ofte overses, men i bogen bliver dette flettet fint ind i de 10 råd.
  • “Thinking fast and slow” af Daniel Kahneman er efterhånden en klassiker og har høstet massevis af roser. Bogen argumenterer for, at vi som mennesker har to tankesystemer - et hurtigt og et langsomt. Når vi står overfor et svært spørgsmål, vil det hurtige system forsøge at overtage styringen og svare på spørgsmålet eller måske et andet lidt lettere spørgsmål, hvis det er hurtigere at komme med et svar på. Konsekvensen er, at man ikke opdager, at spørgsmålet fordrer, at man bruger det langsomme tankesystem og tænker dybere over spørgsmålet inden man kommer med svaret. Ideen kan lyde simpel, men Kahneman har masser af eksempler, hvor det går galt, og man bliver fanget på det forkerte ben. Thinking fast and slow er virkelig inspirerende læsning og hjælper en med at træne i at tænke langsomt.
  • Alex Reinhart’s “Statistics done wrong” dækker over en ret velskreven lille bog. Bogens 12 kapitler kan læses uafhængigt af hinanden, og omhandler hver en situation, hvor det er let at komme til at bruge statistikken forkert, hvis man ikke er forsigtig. Kapitlerne dækker alt fra problemer med studier med for lidt styrke, over Simpsons paradoks og pseudoreplikation til reproducerbar forskning. På trods af titlen diskuterer forfatteren ikke kun, hvad problemet er, men forklarer også, hvad man skulle og kunne have gjort i den pågældende situation, og giver fif til, hvordan man kan forsøge at undgå at falde i de samme fælder fremover.