Session 1: Introduction to statistics
- 所属系列：统计基础 · 2021 系列
- 视频：YouTube · 时长 16:50 · 字幕
- 内容判断：概念笔记｜画面依赖低：讲义全是文字，已看过｜统计的定义、为什么现在更需要它，以及全课六个模块
- 处理方式与范围：全片梳理
- 讲义 / 资料：Session 1 讲义（13 页）· 课后测验 · 答案
- 素材依据：英文字幕，仓库存档，446 行；字幕类型未核实
- 核对范围：已读全片字幕 00:01–16:46，讲义全部 13 页，课后测验和答案；视频画面未核对
- 发布日期：2021-08-24
- 数据截至：不依赖数据
- 状态：已提炼
统计是把数据变成信息的学科。Damodaran 的第一个论点有点反直觉：数据越多，我们越需要统计，因为过载的大脑会退回经验法则，带议程的人也更容易挑选数据。这一讲把课程分成六块：收集与抽样、描述统计、分布、数据关系、概率和概率工具。
视频总结
时间戳取自 YouTube 英文字幕，标题中的时间区间可点击跳转；讲义页码指 PDF 页码。
00:25–02:30 数据和统计
数据是原料，统计是把它变成信息的全过程。
数据几乎是你能得到的任何信息。它可以定量，也可以定性，疼痛量表就是把定性感受变成数字（00:37）。它可以离散，比如篮球得分不可能是 83.5 分；也可以连续，比如身高（01:00）。
统计是“数据的科学”，覆盖收集和记录、处理、分析、呈现四件事（02:18）。关键句是把数据变成信息：数据大多无用甚至互相矛盾（02:05）。
02:30–05:52 为什么现在更需要统计
数据过载让人退回经验法则，社交媒体又让坏数据赶走好数据。
第 4 页的链条：数据更容易获得，于是过载，于是大脑退回经验法则和心理捷径（02:38）。这正是数据丰富的讽刺之处，经验法则可能是 50 年前数据还不存在时留下的（03:14）。
统计看起来是定量的，人们就误以为它不能被武器化，这是错觉（04:29）。人们挑选怎样抽样、怎样度量，不算说谎，却能误导（04:40）。社交媒体放大了这一点，好比格雷欣法则（Gresham's Law）说的劣币驱逐良币，坏数据也在赶走好数据（05:01）。于是责任落到每个人身上，要自己判断该信什么（05:31）。
05:52–07:22 大数据和数据分析
大数据的关键不只是量大，还在于它记录了过去观察不到的个人行为。
他查自己的 iPhone，有 27 个应用在追踪位置（06:17）。数据分析听上去很新，其实所有统计都是数据分析，差别在于数据集非常大，并且把定量和定性结合起来（06:53）。
07:22–14:03 统计的前四块
先抽样，再描述，再找分布，再看变量之间的关系。
抽样：全世界的企业数不过来，所以只看上市公司，甚至只看美国的大型上市公司（08:08）。抽样有两宗罪，一是偏差，二是噪音（08:43）。
描述统计：把 100 个数压缩成几个指标，也就是位置、离散和偏度（09:30）。
分布：直方图只是数一数各区间有多少观察值（10:41）。如果能用标准分布代替它，就可以直接继承这个分布已有的性质（11:31）。
数据关系：从记录共同变动，到判断因果，再到预测（12:09）。第 11 页用利率和股价做例子：两者怎样一起动，谁影响谁，能否用其一预测另一个（13:12）。
14:03–16:46 概率和概率工具
概率度量事件的可能性，三种工具把它用到决策上。
事件可以是离散的，比如公司破产与否；也可以来自连续变量，比如利润是否超过 10 亿美元（14:07）。概率可以来自历史数据，也可以来自假定的分布（14:34）。
| 工具 | 用途 | 例子 |
|---|---|---|
| Probit / Logit | 用可观察变量估计事件概率 | 公司被收购、破产的概率（14:58） |
| 决策树 | 分析序列的离散风险 | 药物通过 FDA 三个阶段（15:19） |
| 蒙特卡洛模拟 | 用分布代替单点输入 | 公司估值（15:49） |
提炼
方法与判断依据
- 数据不等于信息。测验第 1 题的答案是：数据多而矛盾时，决策可能更差。
- 统计不能消除不确定性，只能让你意识到、度量并应对它（测验第 3 题）。
- 判断一份统计材料时先问四个环节：怎样收集，怎样处理，怎样分析，怎样呈现。每一环都可能被操纵。
- 从相关到因果再到预测，每一步都要多一层论证。
复算与实操
课程地图：
| 模块 | 讲义 | 金融应用 |
|---|---|---|
| 抽样 | 第 2 讲 | 第 2A 讲 |
| 描述统计 | 第 3 讲 | 第 3A 讲 |
| 分布 | 第 4 讲 | 第 4A 讲 |
| 数据关系 | 第 5 讲 | 第 5A、5B 讲 |
| 概率和工具 | 第 6 讲 | 第 6A、6B 讲 |
自测与复习
- 测验第 2 题：统计的最终目的是把原始数据变成可用于分析和决策的信息，不是计算均值，也不是追求精确。
- 测验第 5 题：大数据包括大量数据、定量和定性的混合、客户交互数据、竞争者和经济数据，答案是全选。
- 为什么说定性数据可以被量化，但要小心？