Leçons

Un changement en pourcentage n'a aucun sens sans la base qu'il modifie.

Un seul nombre ne peut pas capturer une distribution asymétrique.

Les observations individuelles peuvent être désordonnées, asymétriques ou pointues, pourtant les moyennes de nombreuses observations indépendantes finissent souvent par adopter un motif en forme de cloche prévisible.

Les affirmations à grande échelle sont souvent des estimations, la réponse honnête inclut donc des hypothèses et de l'incertitude.

Les résultats passés ne modifient pas les probabilités d'un événement indépendant.

Le nombre de paires possibles augmente à peu près avec le carré de la taille du groupe.

Remplir les derniers éléments d'une collection coûte beaucoup plus cher que les premiers, car les doubles s'accumulent vers la fin.

Un doublement répété reste faible, puis explose au-delà de tout ce que tu attendais.

Les résultats records et les pires scores se rapprochent généralement de la moyenne la suivante, sans aucune cause derrière cela.

Chaque zéro supplémentaire représente un bond par dix que notre instinct ignore en silence.

De nombreuses quantités du monde réel s'étendent sur plusieurs ordres de grandeur, de sorte que les premiers chiffres plus petits apparaissent plus souvent.

La façon dont un nombre est présenté oriente les conclusions que l'on en tire.

Fais la moyenne de nombreuses estimations indépendantes et leurs erreurs aléatoires se compensent, laissant une estimation plus proche de la vérité que la plupart des individus.

Une mesure peut être un signal utile jusqu'à ce que les gens soient récompensés pour la modifier ; le signal est alors souvent manipulé.

La probabilité conditionnelle consiste à actualiser l'espace échantillon après avoir appris quelque chose.

Plus de données aident, mais l'erreur aléatoire diminue lentement : pour diviser par deux le bruit dans une moyenne, il faut généralement quatre fois plus d'observations.

Compare les dangers selon une unité commune, et non selon leur intensité visuelle.

Le véritable hasard forme des grappes ; une répartition régulière et soignée est la surprise.

Même des preuves solides peuvent induire en erreur lorsque ce que tu testes est très peu courant.

Une cause commune cachée peut faire varier ensemble des choses sans lien.

Une petite valeur p indique que les données seraient surprenantes sous un modèle nul, et non que l'affirmation est probablement vraie ou importante.

Un petit échantillon peut s'éloigner de la vérité par simple chance, tandis qu'un échantillon plus grand élimine cette chance par la moyenne. Cette leçon montre comment la dispersion diminue avec la racine carrée de la taille de l'échantillon et pourquoi les plus petits groupes dominent les extrêmes de tout classement.

Les moyennes, variances, corrélations et droites de régression peuvent correspondre alors que les données sous-jacentes racontent des histoires complètement différentes.

L'espérance mathématique ignore à quel point le résultat rare ferait mal.

Un nombre de départ arbitraire tire chaque estimation vers lui.

Ta conclusion peut être erronée lorsque les données que tu vois excluent des cas manquants importants.

Un nombre mesuré est généralement une meilleure estimation entourée d'une oscillation d'échantillonnage, de sorte que les comparaisons honnêtes nécessitent des plages ainsi que des estimations ponctuelles.