有一个装着红、白两色豆子的桶，如果你想要准确知道这个桶中两种豆子的数量，你惟一能做的只有一颗一颗地数豆子。 用一种更简单的方法也可以揣测红豆的数量：抓一把豆子，假定手中红豆的比例与桶中红豆的比例相同，只要数一数手中的豆子即可。如果你的样本足够大，并且选择方法正确，在大多数情况下它能够很好地代表整体。但是，如果以上两个条件不满足，这样的样本比一个臆想好不到哪儿去，除了能够营造科学精确的假象之外，其他则根本不值一提。不幸的是，我们所看到的，或者我们自以为了解的许多事物，往往都是根据类似样本所得出的结论，这种样本可能变得有偏，由于选择方式的不合理或者容量过小，抑或两种情况同时存在。

我们可以定量地衡量你的样本能以多大的精度代表总体，那就是：可能误差和标准误差。

事实往往在所见所闻之外。平均数、作用关系、趋势和图表总是与看上去的不一致。虽然经验告诉我们"眼见为实"，但眼睛告诉我们的"真相"或许隐瞒了部分事实，或许夸大了事实。

统计这种神秘的语言，在一个靠事实说话的社会里是如此地吸引眼球，但有时它却被人利用，并成为恶意夸大或简化事实、迷惑他人的工具。在报告社会经济趋势、商业状况、民意调查和普查的大量数据时，统计方法或者统计术语是必不可少的。但如果作者不能正确理解并恰当地使用这些统计语言，而读者又并不能真正了解这些术语的含义，那么，统计结果只能是废话一堆。

无形的误差与有形的误差一样容易破坏样本的可信度。也就是说，即使你找不到任何破坏性的误差来源，但只要有产生误差的可能性，你就有必要对结果保留一定的怀疑。

我也不觉得日子苦，只是你问我，最近有什么开心事的时候，想半天也答不上来。

如果两个相爱的人以法律而分开，那改变的应该是法律，所以狼和鱼终究会因为法律分开的，那狼会不会因为鱼而改变这个法律？

我们常在网路上被骗，不是因为笨，也不是因为太容易相信人，而是因为渴望异性的心炽热到心甘情愿承受被骗的风险，即使这风险高达九成九。