Das ist eine äusserst gelungene Schilderung der Grundlagen für Statistik, für die Plausibilität, Logik, Beweisbarkeit und Glaubwürdigkeit von Aussagen, und ganz besonders eine kluge Anleitung zu gesunder Skepsis gegenüber allen Aussagen, denen man auf Schritt und Tritt, in Medien, Publikationen, im Internet, in Werbebotschaften oder in politischen Äusserungen begegnet.
Es ist sehr gut und lesbar geschrieben, enthält zahllose sehr einleuchtende Beispiele und bietet leicht anwendbare Werkzeuge für die kritische Überprüfung von Behauptungen oder Appellen.
Es eignet sich bestens zur Lektüre für junge Menschen (im Alter von etwa 15-20 Jahren), die sich aus den von Gesellschaft und Medien, von der Häppchen-Zivilisation und von Social Media kultivierten ‚autistischen’ und selbstreferenziellen Blasen emanzipieren wollen, oder lernen sollten, wie man das anstellen kann.
Aber auch ‚ältere Semester’ wie ich selbst können mit dem Buch einen wirksamen Wiederholungskurs für die Umsetzung von Kants Appell ‚sapere aude’ absolvieren.
Der Titel der Buchbesprechung in The Economist «Nullius in verba» (siehe Anhang zu dieser Besprechung) drückt sehr klar und eindeutig aus, worum es dem Autor geht. «Nullius in verba» ist das Leitmotto der ‚Royal Society’, also der 1660 in England gegründeten ‚königlichen Gesellschaft’. Sie war ein Verein zur Förderung naturwissenschaftlicher Experimente; ihr Motto bedeutet wörtlich «nach niemandes Worten», oder etwas freier «auf niemandes Worte schwören», oder noch direkter «Take nobody’s word for it!».
Für mehr über die ‚Royal Society’ siehe Wikipedia.
Das Buch ist in drei Teile gegliedert. Im ersten Teil «Evaluating numbers» behandelt er die Art und Weise wie wir mit Zahlen getäuscht und in die Irre geführt werden können, aber auch mit hilfreichen Methoden und einfach anwendbaren Techniken, die uns helfen, statistische Aussagen zu hinterfragen und zu plausibilisieren. Im zweiten Teil geht es um die Verifizierung verbaler oder qualitativer Aussagen. Er illustriert mit zahlreichen Beispielen, mit welchen Tricks Sachverhalte verdreht oder Wahrheiten in deren Gegenteil verwandelt werden können, und wie wir dies erkennen und abwehren können. Im dritten Teil erklärt er die Grundlagen des wissenschaftlichen Denkens und Arbeitens, die Logik und logische Fallen (à la ‚post hoc proper hoc’), sowie die Bedeutung der Erkenntnis, dass wir wissen sollten, was wir nicht wissen.
Im abschliessenden Kapitel «Conclusion» betont Levitin, wie wichtig es ist, dass wir alle uns dafür verantwortlich fühlen, in der Informationswalze, die uns permanent überrollt, zu unterscheiden zwischen ‚counterinformation’ (das wurde noch vor dem Aufkommen der ‚postfaktischen’ Lawine) geschrieben) und gültigen Aussagen. Er weist darauf hin, dass dies Zeit benötigt, aber auch darauf, dass wir diese Zeit sehr wohl haben, denn: «We’ve saved (dank moderner Möglichkeiten, insbesondere des Internet, Informationen zu suchen und zu finden; Anmerkung BB) incalculable numbers of hours of trips to libraries and far-flung archives, of hunting through thick books for the one passage that will answer our questions. The implicit bargain that we all need to make explicit is that we will use just some of that time we saved in information acquisition to perform proper information verification.»
Anhang – Buchbesprechung aus The Economist (4 February 2017):
Nullius in verba
A crash course in understanding numbers
PEOPLE take in five times as much information each day as they did in the mid-1980s. With all these data sloshing around it is easy to feel lost. One politician uses a statistic to back up her argument; a newspaper uses another fact to refute it; an economist uses a third to prove them both wrong. In “A Field Guide to Lies and Statistics” Daniel Levitin, an American neuroscientist, shows the reader how to find a way through all this numerical confusion.
A book about statistics can easily be boring. Fortunately, Mr Levitin is the perfect guide. Before becoming an academic he used to work as a stand-up comedian. Drawing on those skills Mr Levitin peppers his book with wisecracks. He uses the phrase “on average, humans have one testicle” to make the point that the mean can be a misleading description of a population. He goes off on interesting tangents, granting the reader some light relief from detailed analysis of sampling and probabilities. Only occasionally is his hokey style annoying.
Using plenty of examples, Mr Levitin shows how easily statistics can lead people astray. Take the following assertion, which on a quick skim might seem perfectly reasonable: “In the 35 years since marijuana laws stopped being enforced in California, the number of marijuana smokers has doubled every year.” One will soon realise that this must be nonsense; even with only one smoker to begin with, after doubling every year for 35 years there would be more than 17bn of them. Mr Levitin repeatedly throws these statistical curveballs at his readers, training them to adopt a take-nobody’s-word-for-it attitude. It is an effective pedagogical technique.
Some statistics turn out to be plain wrong, but more commonly they mislead. Yet this is hard to spot: numbers appear objective and apolitical. A favourite of academics and journalists, when analysing trends, is to “rebase” their figures to 100 so as to back up the argument that they wish to make. For instance, starting a chart of American GDP growth in 2009, when the country was in recession, tricks the reader into thinking that over the long term the economy is stronger than it really is. “[K]eep in mind that experts can be biased without even realising it,” Mr Levitin reminds people.
A basic understanding of statistical theory helps the reader cope with the onslaught of information. Mr Levitin patiently explains the difference between a percentage change and a percentage-point change, a common source of confusion. When a journalist describes a statistical result as “significant”, this rarely carries the same meaning as when a statistician says it. The journalist may mean that the fact is interesting. The statistician usually means that there is a 95% probability that the result has not occurred by chance. (Whether it is interesting or not is another matter.)
Some readers may find Mr Levitin’s book worthy but naive. The problem with certain populist politicians is not that they mislabel an x-axis here or fail to specify a control group there. Rather they deliberately promulgate blatant lies which play to voters’ irrationalities and insecurities. Yet if everyone could adopt the level of healthy statistical scepticism that Mr Levitin would like, political debate would be in much better shape. This book is an indispensable trainer.