Нет более ложной вещи, чем статистика

Статистика — это мощный инструмент, который помогает нам понять мир вокруг нас, принимать взвешенные решения и делать долгосрочные прогнозы. Однако не стоит забывать, что статистика может быть искусно использована для обмана. В этой статье мы рассмотрим 10 примеров, как статистика может ввести нас в заблуждение и дать неправильное представление о реальности.

1. Выводы на основе небольшой выборки

Когда статистика основана на очень ограниченной выборке, она может быть крайне непрезентативной. Например, если опрос проводится только среди студентов одного университета, его результаты не могут быть обобщены на всю популяцию. Это небольшое количество данных может искажать истины и приводить к неправильным выводам.

2. Выборочное исключение

Иногда статистика может быть использована так, чтобы исключить некоторые данные, которые не соответствуют желаемому результату. Например, исследование о вреде курения может исключить данные о людях, у которых нет проблем со здоровьем, и тем самым привести к искажению реального влияния этой привычки на организм.

3. Сравнение неподходящих величин

Использование неподходящих метрик и сравнение непохожих величин может привести к неправильным выводам. Например, сравнение среднего времени, проведенного на поисковых сайтах, у молодых и пожилых людей может оказаться нагрубной ошибкой, так как эта величина зависит от множества факторов, включая доступность интернета и уровень образования.

4. Неверная интерпретация корреляции

Корреляция не всегда означает наличие причинно-следственной связи. Например, если статистические данные показывают, что с увеличением числа пиратов растет среднегодовая температура в мире, это не означает, что пираты влияют на климат. В данном случае корреляция может быть обусловлена другими факторами, такими как изменение технологий и географических условий.

5. Субъективное восприятие данных

Статистика может быть подвержена субъективному восприятию и интерпретации. Люди могут выделять определенные данные или аспекты статистики, которые подтверждают их предубеждения или уже имеющиеся у них убеждения. Это может привести к искажению и неправильной интерпретации реальности.

6. Мертвый остов

Иногда статистика может быть устаревшей и неактуальной. Представление данных, полученных до нескольких лет назад, в настоящем времени может привести к неправильным выводам. Статистика должна быть актуальной и основываться на недавней информации, чтобы быть полезной и достоверной.

7. Манипуляция графиками

Использование определенного масштаба осей графика или изменение его внешнего вида может привести к искажению данных и созданию неправильного впечатления. Например, изменение масштаба оси Y на графике так, чтобы выглядело, что данные имеют значительную разницу, может быть способом манипуляции статистикой.

8. Недостоверные источники данных

Одним из способов обмана с помощью статистики является использование недостоверных источников данных. Если источник не проверен, нет возможности удостовериться в его достоверности и репутации. Это может привести к распространению ложной информации и дезинформации.

9. Неверное использование независимых переменных

Статистика может быть искажена, если не учитывать взаимосвязь между различными независимыми переменными. Например, сравнение среднего заработка между двумя группами людей без учета их уровня образования или опыта работы может привести к неправильному выводу о влиянии только одной переменной на доходы.

10. Предвзятый выбор группы

Иногда статистика может быть искажена, если делается предвзятый выбор группы. Например, проведение опроса среди здоровых людей, чтобы вывести статистику о заболеваемости определенного заболевания, может привести к неправильному представлению о реальности, так как это исключает людей, которые уже болеют или имели опыт лечения этого заболевания.

Как статистика подводит человека к ошибкам

Помните, что статистика должна использоваться с осторожностью и всегда требует критического мышления и внимания к деталям.

Примеры статистических искажений в медицине

1. Подтасовка данных: В медицинских исследованиях иногда могут быть случаи, когда исследователи искажают или подтасовывают данные, чтобы подтвердить свои гипотезы или получить желаемые результаты.

2. Выборочные искажения: Когда исследования только с частной выборкой пациентов, результаты могут быть искажены и не могут быть обобщены для остальных пациентов.

3. Убирание нежелательных данных: Иногда исследователи исключают «неудачные» результаты или данные, которые не подтверждают их гипотезы, чтобы создать впечатление достоверности.

4. Ошибки измерения: В медицинских исследованиях могут совершаться ошибки в измерениях, которые могут привести к неточным результатам.

5. Базовые риски: Иногда исследователи представляют только относительный риск, не указывая абсолютный риск, что может привести к искажению понимания реального риска.

6. Публикация только положительных результатов: Большинство исследований с отрицательными результатами не публикуются, что ведет к медицинскому искажению, называемому публикационным искажением.

7. Влияние финансирования: Исследования, спонсируемые фармацевтическими компаниями, могут быть склонны искажать данные в пользу своих продуктов.

8. Неточное описание статистических методов: Некоторые исследования могут не указывать все статистические методы, использованные для обработки данных, что может привести к неправильным выводам.

9. Неопределенность: Многие исследования не указывают уровень статистической значимости или доверительные интервалы, что может привести к неправильной интерпретации результатов.

10. Политическое влияние: Исследования могут быть подвержены политическому влиянию, что может привести к искажению данных и результатов.

Когда статистика дает заведомо ложные результаты

• Выборочное искажение: когда статистика основана на выборке, которая не представляет общую популяцию искаженной.
• Использование неправильных методов сбора данных: некорректные методы сбора данных могут привести к несостоятельным результатам.
• Обобщение небольшой выборки на всю популяцию: когда результаты основаны на очень ограниченной выборке и считаются репрезентативными для всей популяции.
• Проблемы смещения выборки: когда определенные сегменты популяции исключаются из выборки, исказивая результаты.
• Статистическая значимость vs. практическая значимость: результаты могут быть статистически значимыми, но не иметь практической значимости в реальной жизни.
• Ошибки измерения: недостаточная точность измерений может привести к неточным результатам.
• Выборочное восприятие: когда статистика используется для подтверждения предвзятых взглядов или убеждений вместо объективного анализа данных.
• Манипуляция графиками и визуализациями: использование искаженных графиков или визуализаций может исказить значения и впечатления, которые они передают.
• Неправильная интерпретация корреляции и причинно-следственной связи: причинно-следственная связь может быть неправильно интерпретирована на основе статистической корреляции.
• Публикация только положительных результатов: искаженная картина может возникнуть из-за неопубликования или игнорирования негативных результатов.

Способы манипуляции статистическими данными

1. Выборочное искажение: когда выборка не является репрезентативной и не отражает реальное положение дел.
2. Выборочное исключение: когда исключаются некоторые данные для достижения определенного результата.
3. Неполные данные: когда данные не представлены полностью и утверждения делаются на основе неполной информации.
4. Выборочная фильтрация: когда данные фильтруются таким образом, чтобы поддерживать определенную точку зрения.
5. Противоречащие определения: когда термины и определения используются в разном смысле для изменения результатов.
6. Игнорирование причинно-следственных связей: когда статистические данные приводятся без объяснения причинно-следственных связей.
7. Выборочная интерпретация: когда данные интерпретируются таким образом, чтобы поддерживать определенное утверждение.
8. Манипуляция масштаба: когда шкала оси или диаграммы изменяется таким образом, чтобы сделать различия более или менее значимыми.
9. Манипуляция единицами измерения: когда статистические данные представлены в разных единицах измерения для введения в заблуждение.
10. Селективное представление: когда выбираются только те данные, которые подтверждают желаемую точку зрения.

Понимание этих способов манипуляции может помочь нам быть более критичными к статистическим данным и способствовать более объективному анализу информации.

Искажения статистики в политической рекламе

Ниже приведены 10 примеров искажений статистики, которые часто встречаются в политической рекламе:

1. Выборочное опросное исследование. Кандидаты могут использовать опросы, в которых задавались вопросы определенной группе людей, являющихся их сторонниками, чтобы показать поддержку большей части населения.
2. Искажение данных. Часто политические рекламы могут представлять данные таким образом, чтобы подчеркнуть их позитивные стороны и скрыть негативные. Например, упускать важные детали и подробности из статистики, которые могут изменить ее истинное значение.
3. Преувеличение фактов. Политические кандидаты часто используют статистику, чтобы увеличить важность определенных фактов или проблем. Они могут преувеличивать числа и проценты, чтобы вызвать у избирателей беспокойство и поддержку.
4. Недостаточная или выборочная информация. Политическая реклама может часто представлять только часть статистики или использовать выборочные данные, чтобы подтвердить свою точку зрения.
5. Сравнение с некорректными данными. При представлении статистики политические кандидаты могут сравнивать текущие данные с устаревшими или неподходящими данными, чтобы создать иллюзию улучшения или ухудшения ситуации.
6. Переход от понятия к оттенку. Политическая реклама может использовать разные толкования статистики, чтобы противопоставить две ситуации между собой, например, сделать ухудшение ситуации в одной области незаметным за счет улучшения в другой.
7. Манипуляция цифрами. Кандидаты могут манипулировать числами и цифрами, чтобы выглядеть успешнее или более компетентными в глазах избирателей. Они могут отбирать только те данные, которые подтверждают их успехи.
8. Использование внушаемости. Политические рекламы могут использовать внушаемость и эмоциональное воздействие статистики, чтобы вызвать сочувствие и поддержку избирателей.
9. Игнорирование контекста. Одно из самых распространенных искажений статистики — это игнорирование контекста. Кандидаты могут представлять цифры оторванными от своего истинного значения и не учитывать другие факторы, которые могут влиять на ситуацию.
10. Создание ложных связей. Политическая реклама может представлять статистику таким образом, чтобы создать ложные связи между фактами и событиями. Это может помочь кандидату укрепить свою точку зрения и настроить избирателей на определенный лад.

Искажение статистики в политической рекламе — это распространенная практика, которая может серьезно повлиять на восприятие избирателей. Важно быть осведомленными и критически оценивать данные и аргументы, представленные в политических рекламах, чтобы принять информированное решение при выборе кандидата.