智慧即财富
陈立功的文学城博客：驰纵骋横，谈今博古，飞花扬月，行文交友
挑战：谁是人类文明史上最伟大的科学家？
rt，欢迎感兴趣者发表自己的见解。本人将真诚地参与讨论，一如我参与所有感兴趣的话题的讨论一样。
以下是在军版的部分讨论：
wsnonline (卫所南次郎-人挡杀佛佛挡杀人的春哥)：当然是爱因斯坦了，比牛顿还牛X。
hexieNo1 (还算WSN)：俺认为是牛顿。牛顿在他的“原理”中说了结论，但过程被有意无意地忽略了。他把这一切归功于上帝的启示，其实不然。就说万有引力定律吧，俺的一位老师就以开普勒的发现为起点推导了一遍。 从那之后，他就言必称“牛顿和我”怎样怎样。
LAOXlNG (老邢)：我觉得是孔子。
TNEGIETNI (lovewisdom)：牛顿和爱因斯坦都可以作为候选人。不过，我想请问你们知道不知道一个叫戈塞特（Gossett）的人？
wsnonline (卫所南次郎-人挡杀佛佛挡杀人的春哥)：恕老纳寡闻，敢问他是何方大虾？有何功绩？
TNEGIETNI (lovewisdom)：我是来自武汉的一只小虾。搞的是统计工作。统计被称为是近现代科学研究的通用方法论，而Gossett是奠定这个方法论的基础的最关键的人物。没有他的创造性发现，人类近现代乃至今后的一切科学研究将不可设想。他可以被认为是改变科学发展方向的一个极其重要的人物。
这个Gossett不过是英国一所并非最有名的大学的化学专业毕业的，毕业后去了一家私人小酿酒厂当会计和配料员。现在，他被数学家们抬进了数学家的行列。
thinknet (我是云)：呵呵，拔得过高了，统计这种东西，高斯坐马桶的时候想想都能搞出来。
TNEGIETNI (lovewisdom)：高斯的工作是在确定性数学的范畴内以一种最经典的数学逻辑做出的创造；而戈塞特则是对传统逻辑学的决定性突破。这个突破在人类认识世界的基本方法论领域引导了一场深刻的革命。这是人类哲学史上的第四次革命。前三次分别由亚里士多德、培根和黑格尔主导。
在戈塞特之前，人类一切知识皆来自上述三大逻辑系统，而在他之后，由t-test引导的这场认知逻辑的革命将继续主导今后的知识系统的产生。
如果说爱因斯坦等人不过是在基本认知逻辑的帮助下在特定领域做出的巨大的贡献，那么，上述4个逻辑学家或一般认知方法论学家则为一切领域的认知活动提供了强大的工具。
stoppingtime (李将军又打鸡血了)：就是，高斯给戈塞特提鞋都不够。没有t-test，人类根本没有可能发展出量子力学相对论这些东西，据冯诺伊曼讲，计算机的根本思想也是受了戈塞特的启迪。香农在他的回忆录里说过，他是读了戈塞特的文章后，突然对信息论豁然开朗。
TNEGIETNI (lovewisdom)：爱因斯坦的相对论比较局限，因而离普通人的需要遥远，对一般科学研究和应用的影响也非常小。计算机的产生是一种计算工具的创新。至于香农的信息论的意义，我不是太了解。而t-test方法中所隐含的逻辑系统是全新的和复杂的高级逻辑系统。
如果说计算机不过是提高了人类计算的效率，那么，t-test的诞生则是彻底改变了整个科学研究的方法学的基础，没有它的诞生，现代科学研究将不可想象。这个意思是说，人类将没有任何办法对复杂的随机系统的差异性和相似性作出判断，从而不能实现对它们的认知，或者说，人们将在认知的方法学上遇到终极障碍。所以，即使没有计算机，我们仍然可以在低效率下实现一定程度的认知，但如果没有t-test法所提供的基本逻辑，我们将一事无成。
evillive (小米加键盘)：t-test即使在统计中，也没有你所说的崇高地位。
TNEGIETNI (lovewisdom)：你太小看t-test的历史地位了。正是由于它的出现，才确立了一套全新的复杂而高级的认知逻辑。它是一场认知逻辑领域的革命，是人类历史上能够达到的最高级阶段，也就是最后的阶段，它的基本思想具有无比崇高的地位。
stoppingtime (李将军又打鸡血了)：我非常同意你。但是需要说明的是，普通科学家并没有认识到这场革命（虽然他们已经被革命了），是楼主第一个指出了T-BONE，啊不，T-TEST的革命性的意义。所以人类历史里只有两个半科学家，牛顿，卡赛特，还有半个是楼主。
TNEGIETNI (lovewisdom)：你错了。自从t-test诞生后，认识并使用t-test的科学家多得不可准确计数，几乎遍及人类科学研究领域的各个方面。
stoppingtime (李将军又打鸡血了)：不要谦虚。我没有看到其他任何科学家直接指出T-BACK的伟大革命意义（不然的话，你能指出哪怕一个科学家认为T-TEST是对整个人类都有革命性意义吗？）。是你第一个指出这个理论的革命性意义了。这个桂冠你是逃不到的。不许谦虚！我最讨厌谦虚的人了。
TNEGIETNI (lovewisdom)：对t-test的地位的评价不是我的观点，而是费雪尔在大约70年前就给出的。
stoppingtime (李将军又打鸡血了)：但是FISHER并没有指出T-TEST对整个科学有如此伟大的意义。不信的话，你把FISHER的原文拿出来看。
TNEGIETNI (lovewisdom)：Fisher的评论是，t-test是一场逻辑学的革命，而我的观点则是在这个基础上进了一步：它是一场最后的革命，除非世界重构或人类异化为另一类。而T-test是干什么的？它是用来判断两个总体间的抽样随机差异是否显著的方法，也就是通过随机样本来判断两个总体间是否存在显著差异性。没有这个方法的诞生，我们将不可能实现对复杂系统的认知和判断。
如果你也是搞统计的，你应该知道，它的基本逻辑甚至某种变形的算法也被广泛应用在高级统计方法中作为一个基础性的支柱。所以，它的意义非比寻常。
stoppingtime (李将军又打鸡血了)：原文呢？
TNEGIETNI (lovewisdom)：去Wiki上查t-test。在一本著名的数理统计学中也称t-test是统计学（即通用科学方法论）历史上的一个cornerstone。
以下是统计版上的继续讨论：
caiteha (MattGor)：我以前的老师把fisher比喻为爱恩斯坦2世啊。
TNEGIETNI (lovewisdom)：他们两个属于不同类别的。爱因斯坦是搞观察结果的发现研究的，Fisher则是搞如何观察的方法学研究的，而结果是从方法中得出的。
tninja (K dash)：确实把戈塞特以及他的t分布t检验拔得太高，且不说假设检验本就是应用层面的东西，理论深度有限；假设检验方法本身也受到质疑，过100年以后还有没有都是问题。跳出统计的小圈子，伟大的科学家多的是。没有牛顿，世界恐怕还在蒙昧中；没有戈塞特也没啥大不了。
TNEGIETNI (lovewisdom)：我说的不是单纯的t-test方法，而是戈塞特在创建这个方法时所使用的一套基本逻辑思维的模式。这个逻辑思维模式比在此之前的简单的演绎、归纳和辩证等三大逻辑复杂多了，可以认为是前三个逻辑的综合使用来解决一个差异性判断的问题。已经没有谁能重建一个比这个逻辑更高的逻辑了，除非上帝重构世界或人类异化为上帝。
所以，如果没有戈塞特在创建t-test方法时发现和践行的那一套基本逻辑思维，后世的统计方法很难想象，例如，相关和回归分析就是直接采用了一个变形的t-检验法来判断相关或回归关系是否显著性地成立。没有这个检验，一切相关和回归分析都是空谈。
tninja (K dash)：前面关于逻辑思维的模式，个人以为是哲学层面的东西。戈塞特是否有哲学层面的著述，我没看到过。其次，回归这个词实际上是由高尔顿首先提出（Francis Galton. Presidential address, Section H, Anthropology. (1885) (Galton uses the term "regression" in this paper, which discusses the height of humans.) 之后由皮尔逊和Udny Yule发展的。（Pearson, Karl; Yule, G.U.; Blanchard, Norman; Lee,Alice (1903). "The Law of Ancestral Heredity". Biometrika (Biometrika Trust) 2 (2): 211–236. doi:10.1093/biomet/2.2.211. JSTOR 2331683.）
戈塞特在皮尔逊主办的biometrika发表t检验是在1908年，在相关分析和回归分析提出之后。这些资料都在wikipedia上。
TNEGIETNI (lovewisdom)：戈塞特本人可能没有深厚的哲学素养，但他自觉而精细地使用到了在此之前的三大逻辑系统，从而完美地促成了这次革命。
至于相关与回归分析的基本思想确实是在t-test之前就产生了，但在没有实现对相关与回归系数的显著性检验的基础上，我们还不能说这个方法就是完全正确可行的，而只能说还只是在空谈关系的存在与否。只有当t-test的基本方法建立起来后，对相关和回归系数的显著性概率推断法才有了现实的依据，从而整个方法论才算最终确立。
goldmember (蔬菜<<<菜鸟)：t-bone这么高的地位，还是属于统计学。大师又革了统计学的命，地位显然更高。算来算去，史上最牛的人当属大师了。
TNEGIETNI (lovewisdom)：我没有革统计学的命，只是为它添了几块砖而已，顺便将前人们码的几块砖按照自己的意志重新调整了一下对应的位置，也许其他人不会同意我的调整。
Actuaries (striving)：大师的中心思想很明确，你们搞统计的人就会搞一些奇技淫巧来证明啥consistency，efficiency之类的东东，这些一点都不重要。真正重要的是逻辑思维，这个我(认为我)有。
TNEGIETNI (lovewisdom)：你有就好好用吧，别再情绪化。
andone (andone)：大师见解独到，震烁古今，真是往前300年往后300年都没人能超过大师。看到大师凤姐应该对自己以前的狂妄言论道歉，大师就是活生生的超过她的例子．．．。
dreadfull (执子之手)：joke？
baicaibangzi (白菜帮子)：stoppingtime 很有才啊。
stoppingtime (李将军又打鸡血了)：我只是站在楼主这位巨人的膀子上而已。
TNEGIETNI (lovewisdom)：在我指示他/她去wiki查考资料后，他/她最后闭嘴了。
hip (hip)：T-test不是基于高斯分布的么？个人认为毫无疑问是爱因斯坦，然后是牛顿，然后是傅立叶。
TNEGIETNI (lovewisdom)：高斯分布是对正态分布的一个数学函数式的刻画。而t-test是一个应用分布的概率特性进行认知判断的逻辑与方法。你这个（关于爱因斯坦等的）价值观还停留在19~20世纪的思维模式上。
AaronFlex (AaronFlex)：天哪，鄙人搞了若干年的研究，原来都不算研究啊，为么我对t-test一无所知啊，也没见过我们电子计算机领域的人谁提到过啊。
马克·吐温以其文学家和非受过统计专业训练（更何况他所处的年代统计尚处于襁褓中幼儿）的人士的想象力所发出的片面而幼稚的评论是极不可信的。我深信他甚至根本就不知道统计学是干什么的。
谎言，该死的谎言，统计数字
维基百科，自由的百科全书
谎言，该死的谎言，统计数字（英文：Lies, damned lies, and statistics），是一句著名的西方谚语。主要描述数字的说服能力，特别是用来讽刺一些使用统计数字支持、但毫无说服力的分析报告，以及人们倾向于贬低那些不支持其立场的统计结论。
[编辑] 简介
其名言部分来自19世纪英国首相本傑明·迪斯雷利，此后经美国著名文豪马克·吐温之笔，被广泛传诵，原句载马克·吐温的《我的自传》：“图表经常欺骗我，特别是我在整理它们的时候。那些标记有时让我联想到本傑明·迪斯雷利说的一句至理名言‘世界上有三种谎言：谎言，该死的谎言，统计数字。’（There are three kinds of lies: lies, damned lies, and statistics.）”[1]。但其原句并没有发现在本傑明·迪斯雷利的演说稿或者其他作品中。
对不起，我的英文很滥，读起来有点吃力，感觉到些这个东西的人，或至少这部分内容没有把统计学是干什么的以及如何干的讲清楚。可否请你将主要的部分翻译一下？
The secret language of statistics, so appealing in a fact-minded culture, is employed to sensationalize, inflate, confuse, and oversimplify. Statistical methods and statistical terms are necessary in reporting the mass data of social and economic trends, business conditions, "opinion" polls, the census. But without writers who use the words with honesty and understanding and readers who know what they mean, the result can only be semantic nonsense.
Introduction
A well-wrapped statistic is better than Hitler's "big lie"; it misleads, yet it cannot be pinned on you.
Introduction
Who are those who chucked the questionnaire into the nearest wastebasket?
Chapter 1: The Sample With the Built-in Bias
Even if you can't find a source of demonstrable bias, allow yourself some degree of skepticism about the results as long as there is a possibility of bias somewhere. There always is.
Chapter 1: The Sample With the Built-in Bias
This is the little figure that is not there—on the assumption that you, the lay reader, wouldn't understand it. Or that, where there is an axe to grind, you would.
Chapter 3: The Little Figures That Are Not There
Referring to degree of significance
It is all too reminiscent of an old definition of the lecture method of classroom instruction: a process by which the contents of the textbook of the instructor are transferred to the notebook of the student without passing through the heads of either party.
Chapter 3: The Little Figures That Are Not There
There is terror in numbers. [...] Perhaps we suffer from a trauma induced by grade-school arithmetic.
Chapter 5: The Gee-Whiz Graph
Nothing has been falsified—except the impression that it gives.
Chapter 5: The Gee-Whiz Graph
If you can't prove what you want to prove, demonstrate something else and pretend they are the same thing. In the daze that follows the collision of statistics with the human mind, hardly anyone will notice the difference.
Chapter 7: The Semiattached Figure
The president of the American Statistical Association once called me down for that. Not chicanery much of the time, said he, but incompetence. There may be something in what he says, but I am not certain that one assumption will be less offensive to statisticians than the other.
Chapter 9: How to Statisticulate
What comes full of virtue from the statistician's desk may find itself twisted, exaggerated, oversimplified, and distorted-through-selection by salesman, public-relations expert, journalist, or advertising copywriter. [...] As long as the errors remain one-sided, it is not easy to attribute them to bungling and accident.
Chapter 9: How to Statisticulate
It's all a little like the tale of a roadside merchant who was asked to explain how he could sell rabbit sandwiches so cheap. "Well," he said, "I have to put in some horse meat too. But I mix 'em fifty-fifty: one horse, one rabbit."
Chapter 9: How to Statisticulate
[edit] Quotes about How to Lie with Statistics
There is some irony to the world’s most famous statistics book having been written by a person with no formal training in statistics, but there is also some logic to how this came to be. Huff had a thorough training for excellence in communication, and he had an exceptional commitment to doing things for himself. [...] In the publishing field, this is what one means by pioneering, original work.
J.M. Steele, "Darrell Huff and Fifty Years of How to Lie with Statistics", Statistical Science, 20 (3), 2005, 205–209.
遗憾的是，尽管你对统计学有着如此的认识，但近现代的人类已经明白，没有统计学（或你所认为的比大谎言更甚的谎言）便没有认识世界的可能性。所以，要么是统计学错误，要么是你对它的认识错误。
谎言，大谎言，统计学。
你将一个排在前面，你会觉得这对另一个有同样多的不公平。
非要排名，必会引来没完没了无意义的争吵。就如对朝霞和晚霞非要在美丽上排名一样。