智慧即財富
陳立功的文學城博客：馳縱騁橫，談今博古，飛花揚月，行文交友
挑戰：誰是人類文明史上最偉大的科學家？
rt，歡迎感興趣者發表自己的見解。本人將真誠地參與討論，一如我參與所有感興趣的話題的討論一樣。
以下是在軍版的部分討論：
wsnonline (衛所南次郎-人擋殺佛佛擋殺人的春哥)：當然是愛因斯坦了，比牛頓還牛X。
hexieNo1 (還算WSN)：俺認為是牛頓。牛頓在他的“原理”中說了結論，但過程被有意無意地忽略了。他把這一切歸功於上帝的啟示，其實不然。就說萬有引力定律吧，俺的一位老師就以開普勒的發現為起點推導了一遍。 從那之後，他就言必稱“牛頓和我”怎樣怎樣。
LAOXlNG (老邢)：我覺得是孔子。
TNEGIETNI (lovewisdom)：牛頓和愛因斯坦都可以作為候選人。不過，我想請問你們知道不知道一個叫戈塞特（Gossett）的人？
wsnonline (衛所南次郎-人擋殺佛佛擋殺人的春哥)：恕老納寡聞，敢問他是何方大蝦？有何功績？
TNEGIETNI (lovewisdom)：我是來自武漢的一隻小蝦。搞的是統計工作。統計被稱為是近現代科學研究的通用方法論，而Gossett是奠定這個方法論的基礎的最關鍵的人物。沒有他的創造性發現，人類近現代乃至今後的一切科學研究將不可設想。他可以被認為是改變科學發展方向的一個極其重要的人物。
這個Gossett不過是英國一所並非最有名的大學的化學專業畢業的，畢業後去了一家私人小釀酒廠當會計和配料員。現在，他被數學家們抬進了數學家的行列。
thinknet (我是雲)：嗬嗬，拔得過高了，統計這種東西，高斯坐馬桶的時候想想都能搞出來。
TNEGIETNI (lovewisdom)：高斯的工作是在確定性數學的範疇內以一種最經典的數學邏輯做出的創造；而戈塞特則是對傳統邏輯學的決定性突破。這個突破在人類認識世界的基本方法論領域引導了一場深刻的革命。這是人類哲學史上的第四次革命。前三次分別由亞裏士多德、培根和黑格爾主導。
在戈塞特之前，人類一切知識皆來自上述三大邏輯係統，而在他之後，由t-test引導的這場認知邏輯的革命將繼續主導今後的知識係統的產生。
如果說愛因斯坦等人不過是在基本認知邏輯的幫助下在特定領域做出的巨大的貢獻，那麽，上述4個邏輯學家或一般認知方法論學家則為一切領域的認知活動提供了強大的工具。
stoppingtime (李將軍又打雞血了)：就是，高斯給戈塞特提鞋都不夠。沒有t-test，人類根本沒有可能發展出量子力學相對論這些東西，據馮諾伊曼講，計算機的根本思想也是受了戈塞特的啟迪。香農在他的回憶錄裏說過，他是讀了戈塞特的文章後，突然對信息論豁然開朗。
TNEGIETNI (lovewisdom)：愛因斯坦的相對論比較局限，因而離普通人的需要遙遠，對一般科學研究和應用的影響也非常小。計算機的產生是一種計算工具的創新。至於香農的信息論的意義，我不是太了解。而t-test方法中所隱含的邏輯係統是全新的和複雜的高級邏輯係統。
如果說計算機不過是提高了人類計算的效率，那麽，t-test的誕生則是徹底改變了整個科學研究的方法學的基礎，沒有它的誕生，現代科學研究將不可想象。這個意思是說，人類將沒有任何辦法對複雜的隨機係統的差異性和相似性作出判斷，從而不能實現對它們的認知，或者說，人們將在認知的方法學上遇到終極障礙。所以，即使沒有計算機，我們仍然可以在低效率下實現一定程度的認知，但如果沒有t-test法所提供的基本邏輯，我們將一事無成。
evillive (小米加鍵盤)：t-test即使在統計中，也沒有你所說的崇高地位。
TNEGIETNI (lovewisdom)：你太小看t-test的曆史地位了。正是由於它的出現，才確立了一套全新的複雜而高級的認知邏輯。它是一場認知邏輯領域的革命，是人類曆史上能夠達到的最高級階段，也就是最後的階段，它的基本思想具有無比崇高的地位。
stoppingtime (李將軍又打雞血了)：我非常同意你。但是需要說明的是，普通科學家並沒有認識到這場革命（雖然他們已經被革命了），是樓主第一個指出了T-BONE，啊不，T-TEST的革命性的意義。所以人類曆史裏隻有兩個半科學家，牛頓，卡賽特，還有半個是樓主。
TNEGIETNI (lovewisdom)：你錯了。自從t-test誕生後，認識並使用t-test的科學家多得不可準確計數，幾乎遍及人類科學研究領域的各個方麵。
stoppingtime (李將軍又打雞血了)：不要謙虛。我沒有看到其他任何科學家直接指出T-BACK的偉大革命意義（不然的話，你能指出哪怕一個科學家認為T-TEST是對整個人類都有革命性意義嗎？）。是你第一個指出這個理論的革命性意義了。這個桂冠你是逃不到的。不許謙虛！我最討厭謙虛的人了。
TNEGIETNI (lovewisdom)：對t-test的地位的評價不是我的觀點，而是費雪爾在大約70年前就給出的。
stoppingtime (李將軍又打雞血了)：但是FISHER並沒有指出T-TEST對整個科學有如此偉大的意義。不信的話，你把FISHER的原文拿出來看。
TNEGIETNI (lovewisdom)：Fisher的評論是，t-test是一場邏輯學的革命，而我的觀點則是在這個基礎上進了一步：它是一場最後的革命，除非世界重構或人類異化為另一類。而T-test是幹什麽的？它是用來判斷兩個總體間的抽樣隨機差異是否顯著的方法，也就是通過隨機樣本來判斷兩個總體間是否存在顯著差異性。沒有這個方法的誕生，我們將不可能實現對複雜係統的認知和判斷。
如果你也是搞統計的，你應該知道，它的基本邏輯甚至某種變形的算法也被廣泛應用在高級統計方法中作為一個基礎性的支柱。所以，它的意義非比尋常。
stoppingtime (李將軍又打雞血了)：原文呢？
TNEGIETNI (lovewisdom)：去Wiki上查t-test。在一本著名的數理統計學中也稱t-test是統計學（即通用科學方法論）曆史上的一個cornerstone。
以下是統計版上的繼續討論：
caiteha (MattGor)：我以前的老師把fisher比喻為愛恩斯坦2世啊。
TNEGIETNI (lovewisdom)：他們兩個屬於不同類別的。愛因斯坦是搞觀察結果的發現研究的，Fisher則是搞如何觀察的方法學研究的，而結果是從方法中得出的。
tninja (K dash)：確實把戈塞特以及他的t分布t檢驗拔得太高，且不說假設檢驗本就是應用層麵的東西，理論深度有限；假設檢驗方法本身也受到質疑，過100年以後還有沒有都是問題。跳出統計的小圈子，偉大的科學家多的是。沒有牛頓，世界恐怕還在蒙昧中；沒有戈塞特也沒啥大不了。
TNEGIETNI (lovewisdom)：我說的不是單純的t-test方法，而是戈塞特在創建這個方法時所使用的一套基本邏輯思維的模式。這個邏輯思維模式比在此之前的簡單的演繹、歸納和辯證等三大邏輯複雜多了，可以認為是前三個邏輯的綜合使用來解決一個差異性判斷的問題。已經沒有誰能重建一個比這個邏輯更高的邏輯了，除非上帝重構世界或人類異化為上帝。
所以，如果沒有戈塞特在創建t-test方法時發現和踐行的那一套基本邏輯思維，後世的統計方法很難想象，例如，相關和回歸分析就是直接采用了一個變形的t-檢驗法來判斷相關或回歸關係是否顯著性地成立。沒有這個檢驗，一切相關和回歸分析都是空談。
tninja (K dash)：前麵關於邏輯思維的模式，個人以為是哲學層麵的東西。戈塞特是否有哲學層麵的著述，我沒看到過。其次，回歸這個詞實際上是由高爾頓首先提出（Francis Galton. Presidential address, Section H, Anthropology. (1885) (Galton uses the term "regression" in this paper, which discusses the height of humans.) 之後由皮爾遜和Udny Yule發展的。（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.）
戈塞特在皮爾遜主辦的biometrika發表t檢驗是在1908年，在相關分析和回歸分析提出之後。這些資料都在wikipedia上。
TNEGIETNI (lovewisdom)：戈塞特本人可能沒有深厚的哲學素養，但他自覺而精細地使用到了在此之前的三大邏輯係統，從而完美地促成了這次革命。
至於相關與回歸分析的基本思想確實是在t-test之前就產生了，但在沒有實現對相關與回歸係數的顯著性檢驗的基礎上，我們還不能說這個方法就是完全正確可行的，而隻能說還隻是在空談關係的存在與否。隻有當t-test的基本方法建立起來後，對相關和回歸係數的顯著性概率推斷法才有了現實的依據，從而整個方法論才算最終確立。
goldmember (蔬菜<<<菜鳥)：t-bone這麽高的地位，還是屬於統計學。大師又革了統計學的命，地位顯然更高。算來算去，史上最牛的人當屬大師了。
TNEGIETNI (lovewisdom)：我沒有革統計學的命，隻是為它添了幾塊磚而已，順便將前人們碼的幾塊磚按照自己的意誌重新調整了一下對應的位置，也許其他人不會同意我的調整。
Actuaries (striving)：大師的中心思想很明確，你們搞統計的人就會搞一些奇技淫巧來證明啥consistency，efficiency之類的東東，這些一點都不重要。真正重要的是邏輯思維，這個我(認為我)有。
TNEGIETNI (lovewisdom)：你有就好好用吧，別再情緒化。
andone (andone)：大師見解獨到，震爍古今，真是往前300年往後300年都沒人能超過大師。看到大師鳳姐應該對自己以前的狂妄言論道歉，大師就是活生生的超過她的例子．．．。
dreadfull (執子之手)：joke？
baicaibangzi (白菜幫子)：stoppingtime 很有才啊。
stoppingtime (李將軍又打雞血了)：我隻是站在樓主這位巨人的膀子上而已。
TNEGIETNI (lovewisdom)：在我指示他/她去wiki查考資料後，他/她最後閉嘴了。
hip (hip)：T-test不是基於高斯分布的麽？個人認為毫無疑問是愛因斯坦，然後是牛頓，然後是傅立葉。
TNEGIETNI (lovewisdom)：高斯分布是對正態分布的一個數學函數式的刻畫。而t-test是一個應用分布的概率特性進行認知判斷的邏輯與方法。你這個（關於愛因斯坦等的）價值觀還停留在19~20世紀的思維模式上。
AaronFlex (AaronFlex)：天哪，鄙人搞了若幹年的研究，原來都不算研究啊，為麽我對t-test一無所知啊，也沒見過我們電子計算機領域的人誰提到過啊。
馬克·吐溫以其文學家和非受過統計專業訓練（更何況他所處的年代統計尚處於繈褓中幼兒）的人士的想象力所發出的片麵而幼稚的評論是極不可信的。我深信他甚至根本就不知道統計學是幹什麽的。
謊言，該死的謊言，統計數字
維基百科，自由的百科全書
謊言，該死的謊言，統計數字（英文：Lies, damned lies, and statistics），是一句著名的西方諺語。主要描述數字的說服能力，特別是用來諷刺一些使用統計數字支持、但毫無說服力的分析報告，以及人們傾向於貶低那些不支持其立場的統計結論。
[編輯] 簡介
其名言部分來自19世紀英國首相本傑明·迪斯雷利，此後經美國著名文豪馬克·吐溫之筆，被廣泛傳誦，原句載馬克·吐溫的《我的自傳》：“圖表經常欺騙我，特別是我在整理它們的時候。那些標記有時讓我聯想到本傑明·迪斯雷利說的一句至理名言‘世界上有三種謊言：謊言，該死的謊言，統計數字。’（There are three kinds of lies: lies, damned lies, and statistics.）”[1]。但其原句並沒有發現在本傑明·迪斯雷利的演說稿或者其他作品中。
對不起，我的英文很濫，讀起來有點吃力，感覺到些這個東西的人，或至少這部分內容沒有把統計學是幹什麽的以及如何幹的講清楚。可否請你將主要的部分翻譯一下？
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.
遺憾的是，盡管你對統計學有著如此的認識，但近現代的人類已經明白，沒有統計學（或你所認為的比大謊言更甚的謊言）便沒有認識世界的可能性。所以，要麽是統計學錯誤，要麽是你對它的認識錯誤。
謊言，大謊言，統計學。
你將一個排在前麵，你會覺得這對另一個有同樣多的不公平。
非要排名，必會引來沒完沒了無意義的爭吵。就如對朝霞和晚霞非要在美麗上排名一樣。