《统计的艺术》（The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century）由 David Salsburg 写于 2002 年，Wiley 出版，中文常见译名为《一个茶壶、一位淑女与统计学》。Salsburg 本人有一段不太常见的职业轨迹，先在学界做研究，再回到业界担任礼来公司（Eli Lilly）统计研究部门主管。这种在学界和业界之间来回切换的经历，让这本书既不像学术教科书那样枯燥，也不像普通科普那样浮于表面。它的目标是写给"非统计学家"看的 20 世纪统计学史。
这本书几乎不写数学公式。它讲的是"为什么会有这些公式"，公式怎么用放在第二位。
现代科学靠的是把实验做对
书里最核心的态度是，现代科学之所以成立，靠的是把实验做对，而不是把实验做多。判断一个实验有没有做对，靠的是统计学。
这听起来像常识，但在 20 世纪之前，科学的很多分支确实是在"做得多"和"做得对"之间挣扎。医药、农业、心理学、社会科学，这些领域要回答的问题天然有噪声。同一种药，有人好了有人没好；同一块地，今年丰收了明年歉收。没有一套系统的统计方法，这些领域只能停留在"观察一下，看看结果"的经验阶段。
费歇尔（Ronald Fisher）、皮尔逊（Karl Pearson）、戈塞特（William Gosset，化名 Student）这几个人留下的工具，把"观察"升级成了"实验"。这本书用他们的故事，把统计学从一堆抽象公式还原成"人怎么解决真实问题"。
品茶的淑女
书名的来历就是全书最经典的一个实验。费歇尔的一位同事做了一项小实验，一位女士声称自己能分辨出"先倒牛奶"和"先倒茶"这两种奶茶。费歇尔不信，请她尝 8 杯茶，其中 4 杯先倒奶、4 杯先倒茶，问她能不能分对。
如果她全部猜对，费歇尔给出的结论非常反直觉。他不会直接说"她真的会"，他会反过来算，如果她完全不会分辨，8 杯全猜对的概率只有 1/70。1/70 这个概率足够低，低到可以怀疑"她不会"这个假设。
这里的核心思维是"零假设"（null hypothesis）。在统计学里，你不用急着证明"你的观点是对的"，真正要做的是尽力证明"你的观点可能是错的"。如果它错不了，才算过关。这个思路后来成了整个现代实验科学的方法论基石。
用大白话讲，科学要证明的是"你不懂的概率足够低"，而不是"你懂"。
随机化是费歇尔留给科学最重要的遗产
书中反复强调的一个做法是随机化。把被试随机分到"治疗组"和"对照组"，让两组之间除了"接受不同处理"以外其余条件尽量一致，这样才能真正区分出"是药起效"和"恰好这些人本来就好转"。
随机化听起来像理所当然的事，实际上在统计学发展之前，很多"实验"根本不做这一步。医生觉得某种疗法好，就一直用；农民觉得某种施肥方式好，就年年用。他们看到的"效果"里，往往混杂了大量和干预本身无关的因素。费歇尔的贡献就是把"随机化"从一种模糊的直觉，变成了一套严格、可复制的操作规程。
和《思考，快与慢》放在一起看
Salsburg 讲统计学怎么帮助科学，Kahneman 讲人脑怎么系统性犯错，两条线索在"人类判断不可靠"这个节点汇合。
Salsburg 给出的解法是制度化的，用随机化、对照组、假设检验这些工具，把人的主观性从判断链条里尽量排出去。Kahneman 给出的解法是认知层面的，让你意识到自己的系统一随时在犯错，需要刻意调用系统二去复核。前者是"建一个流程保护自己"，后者是"训练自己对自己保持怀疑"。两条路并不矛盾，合起来才是完整的判断能力。
关联词
- 统计的艺术，David Salsburg 2002 年所著，英文原名 The Lady Tasting Tea，Wiley 出版。
- 品茶淑女，费歇尔设计的 8 杯茶实验，全猜对概率仅 1/70。
- 零假设，统计学的核心方法，先假设你的观点可能是错的，再尝试推翻这个假设。
- 随机化，把被试随机分到不同组，用来区分"是干预起效"和"恰好如此"。
- Student，William Gosset 的化名，他在啤酒厂工作时发表的一系列论文开创了小样本统计。
小结
《统计的艺术》最特别的地方，是它把统计学从一堆公式和算法里解放出来，还原成一门"怎么把实验做对"的手艺。它几乎没有数学门槛，但读完以后，你对"科学研究表明"这几个字会产生一种不同的反应，你会下意识地去找，这个研究有没有对照组，样本是不是随机分的，结论是不是基于对零假设的严格检验。这个反应，就是这本书最有价值的部分。