从概率分布开始理解一张数据表
统计学习的第一步不是套用公式，而是知道数据来自哪里、如何变化，以及哪些差异值得解释。
先辨认数据的单位
打开一张数据表时，先确认一行代表什么对象，一列代表什么指标。学生成绩、设备测量、企业月度指标和调查问卷的单位并不相同。如果单位没有说明，平均值、比例或排名都可能失去原来的意义。一个清楚的资料页应保留变量名称、记录时间、取值范围和缺失说明，让读者知道数字如何被收集。
概率不是结果保证
概率分布描述的是一组观察值出现的方式，不是对单次事件的承诺。正态分布、二项分布和长尾分布各自适合不同的情境。阅读曲线时要同时看中心、离散程度和异常值，不能只看到一条平滑线就认为数据一定符合模型。
用图表提出问题
直方图适合观察分布，箱线图可以帮助比较组别，散点图则适合观察两个变量之间是否有关系。图表不是结论本身，而是一个提问工具。看到两个指标一起上升时，还要继续问时间顺序、样本范围和是否存在第三个变量。
为下一次阅读留下记录
学习者可以保存一张小卡片：数据单位、来源时间、图表类型、最明显的变化和还没解释的地方。这样回到资料库时，不会只记得一个漂亮数字，而能继续追踪它的条件和范围。
继续阅读
读完后可以回到研究索引，补充数据来源、变量说明、图表版本与仍需核对的问题。方法只有在条件清楚时才有可复用价值。
把方法带回实际资料
读完这篇文章后，可以选择一份公开数据或课程练习，写下数据单位、时间范围、变量定义、图表类型和仍然需要核对的问题。不同工具可能给出相似结果，但每个结果都依赖输入、版本、筛选条件和模型设定。保留这些信息，下一次回到同一份资料时才能看出是数据变化、方法变化还是展示方式发生变化。还可以把同一个问题交给不同读者阅读，比较他们选择的变量、图表和解释是否一致；出现差异时，回到数据字典与原始来源通常比争论单一答案更有帮助。这样才能把一次阅读变成可复用的研究经验。回看时也要记录使用的软件、文件版本和筛选条件，避免以后只剩下一个无法解释的结果。