统计学的力量

圣达菲暑期项目第一周的主讲教授是应用统计学家埃利娜·罗德里格斯。在周一的课上，她说她的任务是向我们展示如何在实践中最有效地利用数据。她通过实例告诉我们，如何估计人们身高的平均值和标准差，如何衡量统计关系的强度，比如吸烟和喉癌之间的关系。这和我的预期不太一样，因为埃里卡·珍的介绍强调了创新思想的重要性，而罗德里格斯则希望我们掌握基础知识。

第二天，在她的课结束后，我和那位瑞典计算机科学家埃丝特坐在一起吃午饭。

与其他人相比，埃丝特在这群人中显得有点儿超然，学术水平似乎高出其他所有人。她刚刚在帕克教授的指导下完成了她的硕士研究项目。按照暑期项目的计划，帕克教授会担任第二周的主讲教授。他在普林斯顿高等研究院工作，因为具有创造性的思想和善于运用数学模型去理解现实世界中的系统而闻名。

埃丝特说，她的硕士研究项目分析了在互联网快速发展的背景下人与人之间的关系。帕克认为，互联网的发展方式和人类大脑的结构之间可能存在着深层次的相似性，因此他试图分析这两个复杂系统各自表现出的基本相互作用。在我看来，跟我们上午从罗德里格斯教授那里听到的统计数字相比，这些东西更能激发人们的兴趣。

我们当天没来得及讨论细节，所以，为了做进一步的了解，我在第二天午餐时又去找了埃丝特。她和鲁珀特坐在一张桌子旁，离暑期项目的其他学生有点儿远。鲁珀特正在一张A4纸上做一些计算，每完成一步他都会做出解释。他说话的时候，埃丝特不时点头，偶尔还会用铅笔在纸上写些什么。

“他们在做什么？”我问马克斯和安东尼奥，他们俩坐在餐厅的另一张桌子旁。

“鲁珀特正在向埃丝特介绍他在经济学中使用的统计数据，教她如何避免最常见的错误、最大似然方法的原理、混淆相关性和因果关系的危险，诸如此类的东西……”马克斯说。

“她似乎很感兴趣。”我说。

“你是不是有点儿嫉妒你的英国老乡啊？”安东尼奥笑着说。

“没有。”我有点儿尴尬地回答道，“只不过我以为埃丝特已经掌握了那些东西。”

我告诉他们，埃丝特的硕士生导师是帕克教授，他擅长将纯粹的统计思维转向其他更深入的互动思维。所以，鲁珀特说的这些对埃丝特而言太简单了。

安东尼奥看着我。“这并不是说我们到了圣达菲就可以忘记统计学……”他说，精确测量在他自己的雨林动态研究中特别重要。就像其他人一样，他来这里是为了了解相互作用、混沌和复杂动态系统，他认为这些有助于解读生态系统的运转。但我们必须掌握基础知识，不能还没学会走路就先学跑。

“我还是觉得鲁珀特有点儿自以为是。”我说。

这不是重点，安东尼奥说。在很多情况下，衡量事物、做实验或看待问题都应该有一个正确的方法。“不管你怎么看鲁珀特，这一点都不会改变。”他说。

安东尼奥还想说些什么，但马克斯示意他闭嘴。

埃丝特站起来朝我们走来，鲁珀特紧随其后。她把他们写的那几张纸递过来，说道：“我觉得我搞明白了。”

埃丝特说，她以前也学过统计学，但她更多地把统计学看作一种检验假设的方法，比如一种药物是否有效，或者一种肥料能否帮助作物更快地生长，但现在她发现统计学可能有更大的作用。她接着说，随着收集的数据越来越多（万维网上的数据在日益增多），我们将在人类行为中发现越来越多的规律。自动处理这些统计数据将是理解人类和划分人群的关键。

鲁珀特站在她身后，面露笑容，他显然对这位新皈依者的到来感到高兴。

“课还没开始呢，你们俩似乎就已经把所有问题都解决了。”我说。

埃丝特笑着说：“我使用‘圣达菲方法’已经有一段时间了。重温一遍基础知识是件好事。”

在说到“圣达菲方法”时，埃丝特用手指打了个引号，就像鲁珀特第一天说到“复杂系统”时做的动作那样。看到她用那个手势，鲁珀特偷偷地笑了。

但我可以看出，与鲁珀特的封闭思想不同，埃丝特的思想是开放的。甚至在我们的课程正式开始之前，在发现鲁珀特这位牛津经济学专业的学生知道一些她不知道的东西后，她就准备向他学习了。现在，这些知识变成了她手里那张A4纸上的一行行字迹。她甚至已经开始思考如何运用她刚刚学到的那些知识了。

我的博士生导师一直在谈论的就是这种态度：把名头放在一边，谦虚地追求我们不知道的东西。