逻辑推理 = 数据 + 假设，（统计）数据并不能给你真相；在统计学中，你所知道的并不是你希望你知道的。
以下是一些标准的误解：
- “如果我找到正确的方程，我就能知道未知数。”
- “如果我对我的数据进行足够的数学运算，我可以减少我的不确定性。”
- “统计可以将数据转化为真理！”
它们听起来像童话故事，难道不是吗？因为他们就是童话！
如何基于过去预测未来？在过去和将来之间有一条鸿沟，你如何可能从你知道的东西跳到你不知道的东西？你需要一座桥梁来跨越那个鸿沟……而那座桥梁就是”假设“，所有数据科学中最痛苦的方程式：数据 + 假设 = 预测。
什么是假设？
如果我们真正掌握了所有的事实（而且我们知道我们的事实实际上是真实的事实），我们就不需要”假设“（或统计学家）。”假设“是你用来弥合你所知道的和你希望知道的之间差距的丑陋补丁。当你遗漏了事实的时候，你必须用它们来计算。
说得更直白一点：“假设”并不是事实，它是你编出来的胡说八道，正是因为你的知识中有巨大的漏洞。如果你有用你的过度自信来欺负别人的习惯，花点时间提醒自己，把任何基于假设的东西都称为真理是一种延伸。最好开始把整个事情当作一个个人决策工具，不完美但总比没有好（在特定情况下）。
统计是你在一个不确定的世界里尽力做到最好的尝试。
“假设”总是需要的。
假设是下判断做决定的一部分
给我看一个“无假设”的现实世界的决定，我会快速说出一大堆你甚至都不知道自己在做的隐含假设。
当你读报纸时，你是否假设所有的事实都被核实了？当你制定2020年的计划时，你是否认为不会出现全球大流行？如果您分析了数据，您是否认为捕获的信息没有错误？你假设你的随机数发生器是随机的吗(当你选择网上购物时，你是否认为从你的银行账户中提取的金额是正确的？你最后吃的零食呢，你以为不会毒死你吗？当你吃药的时候，你知道它的长期安全性和有效性吗？或者你认为呢？
不管你喜不喜欢，假设都是决策（下判断或做决定）的一部分。
（banq注：假设是上下文的上文，判断结果是上下文的下文，中间是你下判断的逻辑推演，业务逻辑）
一个对真实世界数据的恰当的探索应该包含一系列写下来的假设，在这些假设中，数据科学家可以清楚地说出他们必须切入的视角。
两个人可以从同样的数据得出完全不同的有效结论！所需要的只是使用不同的假设。
统计数据为您提供了一种更周到的决策工具，但没有一种正确的方法可以使用它。这是一个个人决策工具。
科学？
当科学家使用统计数据得出结论时，这意味着什么？很简单，他们已经形成了一种观点，并决定与世界分享：科学家的工作就是不情愿地形成意见。