Klar denken mit Daten: Ein Leitfaden für quantitatives Denken und Analyse

Eine fesselnde Einführung in die Datenwissenschaft, die kritisches Denken über statistische Techniken stellt

Eine Einführung in die Datenwissenschaft oder Statistik sollte nicht das Beweisen komplexer Theoreme oder das Auswendiglernen obskurer Begriffe und Formeln beinhalten, doch genau das betonen die meisten einführenden quantitativen Lehrbücher. Im Gegensatz dazu konzentriert sich „Thinking Clearly with Data“ in erster Linie auf kritisches Denken und konzeptuelles Verständnis, um den Studierenden beizubringen, wie sie bessere Konsumenten und Analysten der Arten von quantitativen Informationen und Argumenten werden können, denen sie ihr ganzes Leben lang begegnen werden.

Das Buch lehrt unter anderem, wie man beurteilt, ob eine beobachtete Beziehung in Daten eine echte Beziehung in der Welt widerspiegelt und, falls ja, ob sie kausal ist; wie man die informativsten Vergleiche zur Beantwortung von Fragen anstellt; welche Fragen man anderen stellen sollte, die Argumente mit quantitativen Beweisen untermauern; welche Statistiken besonders informativ oder irreführend sind; wie quantitative Beweise die Entscheidungsfindung beeinflussen sollten und nicht; und wie man bessere Entscheidungen trifft, indem man moralische Werte sowie Daten nutzt. Gefüllt mit realen Beispielen, zeigt das Buch, wie seine Denkwerkzeuge auf Probleme in einer Vielzahl von Themen angewendet werden können, einschließlich Wahlen, zivile Konflikte, Kriminalität, Terrorismus, Finanzkrisen, Gesundheitswesen, Sport, Musik und Raumfahrt.

Vor allem zeigt „Thinking Clearly with Data“, warum Daten, trotz der vielen Vorteile unseres datengetriebenen Zeitalters, niemals ein Ersatz für das Denken sein können.

Ein ideales Lehrbuch für Einführungskurse in quantitative Methoden in den Bereichen Datenwissenschaft, Statistik, Politikwissenschaft, Wirtschaft, Psychologie, Soziologie, öffentliche Politik und anderen Gebieten. Es führt in das grundlegende Handwerkszeug der Datenanalyse ein – einschließlich Stichprobenziehung, Hypothesentests, Bayes'scher Inferenz, Regression, Experimenten, Instrumentalvariablen, Differenzen in Differenzen und Regressionsdiskontinuität. Es verwendet reale Beispiele und Daten aus einer Vielzahl von Themen und enthält Übungsfragen und Datenübungen