不过在这些日子里，有一个人进步的速度，比草案推进得还快。
那就是艾米莉·沃森。
费兰一直在有意识地将一些现代的分析方法传授给她。
那些来自后世的东西。
经过几十年无数专家和学者的反复验证、修正、完善，对于1933年这个许多领域还处在摸索阶段的年代来说，还没有出现的东西。
比如回归分析。
这个年代的人做数据分析，还停留在看趋势”、比大小”的阶段。
费兰教她把一组数据拆成若干个变量，看每个变量对结果的影响有多大。
哪个是主因，哪个是次因，哪个看起来重要其实无关紧要，一张张表列出来，清清楚楚。
比如相关性检验。
这个年代的人看到两件事同时发生，很容易得出甲导致了乙”的结论。
费兰告诉她：同时发生，不一定有因果关系。
要先排除巧合，排除第三方因素的影响，才能下结论。
比如抽样方法。
这个年代的人做调查，往往是能找到什么数据就用什么数据”。
费兰告诉她：数据来源的偏差，比数据本身的误差更致命。
样本要有代表性，要有随机性，要能经得起推敲。
这些在后世任何一个大学统计学入门课上都会讲到的东西，在1933年的华盛顿，即便不算降维打击，但也能称作是远超时代的方式。
当然，光有方法不够。
艾米莉本身就有很好的底子。
她毕业于马里兰州的巴尔的摩女子学院，那是一所规模不大、名声不显的学校，但它的统计学专业在东海岸颇有名气。
她在那里打下了扎实的基础，只是毕业后进了财政部，日复一日地做着重复性的数据整理工作，那些学过的知识，渐渐蒙上了灰。
现在，费兰帮她把那些灰擦掉了。
办公室里，费兰正在翻阅一份报告。
艾米莉站在他对面，双手垂在身侧，姿态比以前放松了许多。
