前言

胡扯的大范围存在是因为以下的原因：
1.动物自发的具有欺诈的策略
2.辟谣成本远大于制造谣言（胡扯）
3.信息传播的低成本

胡扯的定义是：
火车就是全然不顾事实，逻辑连贯性或实际传递的信息，而是利用语言，统计数学，数据图表和其他表现形式，通过分散注意力、威慑或恐吓等方式，达到说服或打动听话人的目的。

胡扯的手段

这一部分主要讲一些常用的胡扯手法，其中的部分具有很高的艺术性。

黑箱

通过用一些门槛相对较高的黑箱来描述事实，听众往往需要付出大成本来打开黑箱，一些情况下成本甚至大于信息本身。因此巨大的门槛掩盖了事实。

因果关系

将一些具有相关性的事实错误的叙述为，具有因果性的事实。

一个具有启发性的例子，为什么常常有人说，帅的男生更渣，本质是，大家挑选对象时，往往因为自身的原因，导致自己的对象要么长相一般但是不渣，或者是长相好但是渣。

也就是说，帅和渣具有负相关性，但是不具有因果关系。

数

第一，数字的测量具有误差

第二，人对数字的认知具有局限，换句话说，人不具备线性效用

第三，数字可以被修饰

第四，数学滥用，例如一些莫名其妙的公式（每天多努力一点，一年下来就是1.01的365次方）

选择偏移

简单的来说，就是胡扯的艺术就是，选择性的说出事实，并巧妙的铺垫预设

数据可视化

在可视化的过程中，有太多的手脚可以做了，包括修改横纵坐标的比例，修改横纵坐标的起点，以及另一种，在没有数据基础的基础上进行可视化，让人误以为这是数据基础生成的结果。

大数据

第一个重点是，基于大数据训练的机器学习算法，可能出现欠拟合与过拟合的情况。

第二个重点是，神经网络，依旧具有不可解释的特点，需要警惕。

科学的易感性

这个标题我没怎么理解到，感觉是一种奇怪的翻译，其实可以理解为，利用统计学的漏洞。

一个经典的例子，检察官谬误，说是一个人被怀疑有罪，原因是在现场发现了一枚匹配度极高的指纹，这个匹配度出现的概率是：“一千万分支一”。但是这距离真正的有罪证据相差甚远：若指纹库中一共有五千万人的指纹，那么从期望上理解，有5个人的指纹都能达到同等的匹配度。因此有罪的概率是1/5。（读者注：这只是一种估算）

第二个情况，p值操作，简单来说，就是当代大部分本科生在水论文的常用手段，凑出一些满足p值的例子，谎称自己随机获取了这些例子，这例子具有代表性，来通过假设。（读者注：这里不包括读者的大学生活（））

辨别胡扯

最后书中给出了一些辨别胡扯的方法：

1.质疑信息来源
（1）信息是谁告诉我的
（2）他是怎么知道的
（3）他传达信息的目的是什么

2.小心不公平的比较

3.小心过好，或过坏的结论

4.注意数量级

还给出了一些回叱胡扯的方法，不过我已经是：放下助人情节，尊重他人命运的路子了，这里也就没有必要记录了。