Preface · پیش‌گفتار

Fri, 23 Oct 2026 00:00:00 +0000

Before the first page

The book is dedicated to Fran, Salsburg’s wife of 42 years. She kept urging him to turn his stories about the people behind the statistical revolution into a book without mathematics. Because she had no mathematical training, she read every revision and pointed out where his explanations were not clear. He credits the clearest parts of the book to her persistence. That is a good lesson for anyone who teaches statistics.

Two epigraphs follow, and they pull in opposite directions. The poet W. H. Auden, in a playful list of “thou shalt not” commandments, tells us not to answer questionnaires, not to take tests, and not to sit with statisticians. Florence Nightingale says the opposite:

“To understand God’s thoughts, we must study statistics, for these are the measure of his purpose.”

Act I: the clockwork universe

Science entered the nineteenth century with a confident picture that has been called the clockwork universe. A few exact mathematical laws, such as Newton’s laws of motion and Boyle’s law for gases, together with measurements taken with enough precision, were thought to describe reality and predict every future event.

Pierre-Simon Laplace had written a monumental book showing how to compute the future positions of planets and comets from a few observations made on Earth. The story goes that Napoléon told him:

“I find no mention of God in your treatise, M. Laplace.”

And Laplace replied:

“I had no need for that hypothesis.”

Many people were horrified by a godless universe running forever without divine intervention. Salsburg suggests that the Romantic movement was partly a reaction against this cold, exact reasoning. Then, in the 1840s, Newton’s laws predicted an unseen planet, and Neptune was found where the laws said it would be. Almost all resistance crumbled.

Act II: the error that wouldn’t shrink

Laplace did not need God, but he did need an error function. Observations never matched predictions exactly. The differences were blamed on disturbances in the atmosphere or on human error, and Laplace collected all of them into one extra term. The expectation was that this term would fade away as instruments improved. This was the age of philosophical determinism.

It did the opposite. By the end of the nineteenth century, the more precisely scientists measured, the more error turned up, and the clockwork universe “lay in shambles”. The search for exact laws in biology and sociology had failed, and in physics and chemistry the laws of Newton and Laplace turned out to be only rough approximations. A new paradigm took over, the statistical model of reality. By the end of the twentieth century almost all of science had moved to statistical models.

Salsburg argues that popular culture has not caught up. Words like “correlation”, “odds” and “risk” are part of everyday speech, but few people outside science understand the deep change in philosophy behind them.

Act III: three ideas

Randomness. For most people “random” just means unpredictable. Salsburg quotes the Talmud:

“One should not go hunting for buried treasure, because buried treasure is found at random, and, by definition, one cannot go searching for something which is found at random.”

For the modern scientist, random events are not simply wild and unexpected. They have a structure that can be described mathematically, and probability distributions give us a limited ability to predict them.

Probability. This is an ancient idea. Aristotle wrote:

“It is the nature of probability that improbable things will happen.”

In the seventeenth and eighteenth centuries the Bernoullis, Fermat, de Moivre and Pascal built a mathematical theory of probability, starting from games of chance. De Moivre brought in calculus, and the Bernoullis found the “laws of large numbers”. Yet by 1900 probability was still a collection of sophisticated tricks without a solid theoretical foundation.

Statistics. Statistics applies probability to real scientific questions through distributions. Salsburg’s example is a 1971 Harvard study in The Lancet that asked whether coffee drinking was linked to cancer of the lower urinary tract. About 25% of patients with this cancer drank four or more cups a day, compared with 10% of patients without it. From these data the authors built a probability distribution function, which is like Laplace’s error function but far more complicated.

The first question to ask is: what else differs between the two groups? Later research pointed to smoking, which goes with heavy coffee drinking and also with bladder cancer, as a major confounder.

The promise of the book

Salsburg says plainly that this is not a book about probability theory, and that readers will not learn to analyse data from it, because that takes several years of graduate study. The book tells the story of the people who made the statistical revolution and gives a sense of how each discovery fits the larger picture. Probability “drifts in and out” of the chapters, used where it is needed and ignored where it is not.

The preface ends like this:

“So, where does the nonmathematician go to understand this revolution in science? I think that a good place to start is with a lady tasting tea…”

Next episode: Chapter 1, an afternoon tea in Cambridge in the late 1920s.

Which idea in statistics changed how you see the world?

Reference. Salsburg, D. (2001). The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century. New York: W. H. Freeman.

پیش از صفحهٔ اول

کتاب به «فرن» تقدیم شده است، همسر سالزبرگ که ۴۲ سال با هم زندگی کردند. فرن مدام اصرار می‌کرد داستان‌های آدم‌هایی را که انقلاب آماری را ساختند در کتابی بدون ریاضی بنویسد. او آموزش ریاضی ندیده بود؛ برای همین هر بازنویسی را خواند و جاهای نامفهوم را نشان داد. سالزبرگ می‌گوید بخش‌های روشن کتاب حاصل پافشاری اوست. این درس خوبی است برای هر کسی که آمار درس می‌دهد.

بعد دو نقل‌قول می‌آید که در دو جهت مخالف حرکت می‌کنند. شاعر، دبلیو. اچ. آودن، در فهرستی طنزآمیز از «فرمان‌ها» توصیه می‌کند به پرسش‌نامه جواب ندهیم، تن به آزمون ندهیم و با آماردانان هم‌نشین نشویم (نقل به مضمون). فلورانس نایتینگل اما برعکس می‌گوید:

«برای فهمِ اندیشه‌های خدا باید آمار بخوانیم، زیرا آمار سنجهٔ مقصود اوست.»

پردهٔ اول: جهانِ ساعت‌وار

علم با تصویری مطمئن وارد قرن نوزدهم شد که به آن «جهان ساعت‌وار» می‌گویند. باور این بود که چند قانون دقیق ریاضی، مثل قوانین حرکت نیوتن و قانون بویل برای گازها، همراه با اندازه‌گیری‌های به‌قدر کافی دقیق، می‌توانند واقعیت را توصیف و هر رویداد آینده را پیش‌بینی کنند.

لاپلاس کتابی بزرگ نوشته بود که نشان می‌داد چگونه می‌توان موقعیت آیندهٔ سیارات و دنباله‌دارها را از چند مشاهده روی زمین حساب کرد. نقل است که ناپلئون به او گفت:

«آقای لاپلاس، در رسالهٔ شما هیچ اشاره‌ای به خدا نمی‌بینم.»

و لاپلاس پاسخ داد:

«نیازی به آن فرضیه نداشتم.»

بسیاری از تصور جهانی بی‌خدا که تا ابد بی‌دخالت الهی کار می‌کند وحشت داشتند. به نظر سالزبرگ، جنبش رمانتیک تا حدی واکنشی به این عقلانیت سرد و دقیق بود. اما در دههٔ ۱۸۴۰ قوانین نیوتن سیاره‌ای ناشناخته را پیش‌بینی کردند و نپتون درست همان‌جا کشف شد. پس از آن تقریباً همهٔ مقاومت‌ها فروریخت.

پردهٔ دوم: خطایی که کوچک نشد

لاپلاس به خدا نیازی نداشت، اما به «تابع خطا» نیاز داشت. مشاهدات هیچ‌وقت دقیقاً با پیش‌بینی‌ها جور نبودند. این اختلاف‌ها را به اغتشاشات جوّ زمین یا خطای انسانی نسبت می‌دادند، و لاپلاس همه را در یک جزء اضافه جمع کرد. انتظار این بود که با بهتر شدن ابزارها این جزء محو شود. این دوران جبرگرایی فلسفی بود.

اما برعکس شد. تا پایان قرن نوزدهم، هرچه اندازه‌گیری‌ها دقیق‌تر شد، خطای بیشتری پدیدار شد و جهان ساعت‌وار «از هم پاشید». جست‌وجوی قوانین دقیق در زیست‌شناسی و جامعه‌شناسی شکست خورده بود، و در فیزیک و شیمی هم معلوم شد قوانین نیوتن و لاپلاس فقط تقریب‌هایی خام‌اند. پارادایمی تازه جای آن را گرفت: مدل آماری واقعیت. تا پایان قرن بیستم، تقریباً همهٔ علوم به مدل‌های آماری روی آوردند.

به نظر سالزبرگ فرهنگ عمومی هنوز به این تحول نرسیده است. واژه‌هایی مثل «همبستگی»، «بخت» و «ریسک» وارد زبان روزمره شده‌اند، اما کمتر کسی بیرون از علم دگرگونی فلسفی عمیقِ پشت آن‌ها را می‌فهمد.

پردهٔ سوم: سه مفهوم

تصادف. برای بیشتر مردم «تصادفی» یعنی پیش‌بینی‌ناپذیر. سالزبرگ از تلمود نقل می‌کند:

«نباید به دنبال گنج مدفون رفت، زیرا گنج مدفون به‌طور تصادفی یافت می‌شود، و بنا به تعریف، نمی‌توان به دنبال چیزی گشت که به‌طور تصادفی یافت می‌شود.»

اما از نگاه دانشمند امروزی، رویدادهای تصادفی صرفاً وحشی و غیرمنتظره نیستند. ساختاری دارند که می‌توان آن را با ریاضی توصیف کرد، و توزیع احتمال توانایی محدودی برای پیش‌بینی به ما می‌دهد.

احتمال. این ایده‌ای کهن است. ارسطو گفته است:

«طبیعتِ احتمال این است که چیزهای نامحتمل رخ دهند.»

در قرن‌های هفدهم و هجدهم برنولی‌ها، فرما، دوموآور و پاسکال از دل بازی‌های شانسی نظریه‌ای ریاضی برای احتمال ساختند. دوموآور حسابان را وارد آن کرد و برنولی‌ها «قوانین اعداد بزرگ» را یافتند. با این حال تا پایان قرن نوزدهم احتمال هنوز مجموعه‌ای از ترفندهای پیچیده بود، بی‌آنکه پایهٔ نظری محکمی داشته باشد.

آمار. آمار احتمال را از راه توزیع‌ها در پرسش‌های واقعی علمی به کار می‌گیرد. مثال سالزبرگ پژوهشی از هاروارد است که در سال ۱۹۷۱ در مجلهٔ Lancet منتشر شد و می‌پرسید آیا نوشیدن قهوه با سرطان مجاری ادراری تحتانی ارتباط دارد. حدود ۲۵ درصد بیمارانِ مبتلا به این سرطان روزی چهار فنجان یا بیشتر قهوه می‌نوشیدند؛ در بیمارانِ غیرمبتلا این رقم ۱۰ درصد بود. پژوهشگران از این داده‌ها یک «تابع توزیع احتمال» ساختند که شبیه تابع خطای لاپلاس است، اما بسیار پیچیده‌تر.

پرسش اصلی این است: این دو گروه دیگر در چه چیزی با هم فرق دارند؟ پژوهش‌های بعدی سیگار را، که هم با مصرف زیاد قهوه همراه است و هم با سرطان مثانه، مخدوش‌کنندهٔ اصلی دانستند.

وعدهٔ کتاب

سالزبرگ صریح می‌گوید این کتاب دربارهٔ نظریهٔ احتمال نیست و خواننده از آن تحلیل داده یاد نمی‌گیرد، چون این کار چند سال تحصیلات تکمیلی می‌خواهد. کتاب داستان آدم‌هایی است که انقلاب آماری را ساختند، و نشان می‌دهد هر کشف چگونه در تصویر بزرگ‌تر جای می‌گیرد. احتمال در فصل‌ها «می‌آید و می‌رود»: هرجا لازم باشد به کار می‌رود و هرجا نباشد کنار گذاشته می‌شود.

پیش‌گفتار با این جمله تمام می‌شود:

«پس فردِ غیرریاضی‌دان برای فهم این انقلاب علمی از کجا باید شروع کند؟ به گمانم جای خوبی برای شروع، بانویی است که چای می‌چشد…»

قسمت بعد: فصل اول، یک عصرانهٔ چای در کمبریج، اواخر دههٔ ۱۹۲۰.

کدام ایدهٔ آماری نگاه شما به جهان را تغییر داد؟

منبع. Salsburg, D. (2001). The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century. New York: W. H. Freeman.

The Lady Tasting Tea · بانویی که چای می‌چشید | Mina Norouzirad