GraphPad Prism 统计指南 | 为什么统计学非常难学

什么时候需要统计计算？

“总有一天，对于有效的公民身份来说，统计思维将和读写能力一样必要。”——H. G. Wells

我们在分析数据时的目的很简单：希望从有限数据中得出最强有力的结论。为此，需克服两个问题：

1. 重要的发现可能会被生物的变异性和试验的不精确性覆盖。这使得很难区分真正的差异和随机变异。即使是在随机数据中，人类大脑依然是擅长发现模式/规律的。我们的自然倾向（尤其是我们自己的数据）是得出差异是真实的结论，并最小化随机变异性的贡献。—— 统计，正是严格防止我们犯这一错误。

观察到的差异与试验不精确和生物变异性相比很小时，统计分析非常必要。

一些科学家使用洁净的试验系统提出基本问题，没有生物变异性，试验误差很小。如果这能够说明你的工作，你可留意以下情况：

• 如需通过统计学来分析你的试验，则代表你做错了试验。如果你的结果不言自明，不要中断！

其他科学家在他们的工作领域面对大量变异性时，会寻求相对较小的差异。在这些领域，统计方法必不可少。​

即使我们知道统计学的重要性，但对于一些学生/科研人员来说，统计学依然晦涩难懂。

GraphPad引用了Motulsky，H.J.（2010）《直觉生物统计学》第2版，第2章（牛津大学出版社。ISBN=978-0-19-973006-3）的内容，简单概括了统计学为什么难学的三个原因。

一、分不清概率论与统计学

统计学的整体概念是从有限数量的数据开始，然后得出概括性结论（用概率表示）。换言之，你可以使用样本中的数据，以对从中提取数据的群体得出概括性结论。

概率论倾向于另一种途径。从了解一般情况开始，然后计算各种结果的概率。细节很混乱，但逻辑很简单。

统计计算建立在概率论的基础上，但概率论的逻辑与统计学的逻辑相反。概率论的逻辑是从一般到特殊，而统计学的逻辑是从特殊到一般。将概率数学应用于统计分析需要进行推理，这有时看起来会令人费解。

二、统计学以不同寻常的方式使用普通词汇

任何领域都具有特定含义的专业术语。在大多数时候，统计学都使用了我们已知的词汇，但是会赋予其特定含义。“显著性”、“假设”、“置信度”、“错误”、“正常”都是统计学以非常专业的方式使用的常用词汇。如果你不了解这些术语的统计学意义，那么当你阅读统计学书籍或与统计学家交谈时，你可能会感到非常困惑。问题不在于你不理解专业术语的含义，而在于你认为你知道该术语的含义，但你是错的。当你需要帮助来查看/理解这些词汇时，一定要注意掌握这些术语，因为此类术语在统计学领域具有特殊的含义。

三、统计学是数学和科学的结合

统计学是数学的一个分支，所以要真正理解统计学基础，你就需要深入探究数学细节。但是，你不需要了解很多数学知识就能有效利用统计学来正确解读结果。许多统计学书籍告诉你更多的是关于统计学的数学基础，而非你需要知道如何有效利用统计学方法。通常，我们在重点讨论统计学时，主要在讨论选择统计方法和理解结果，所以用到的数学知识很少。但如果你是一个用公式化思维思考的数学天才，那你依然可以从一本数学书籍中学习统计学。