4 na paraan upang magsinungaling gamit ang mga istatistika

2024 May -akda: Malcolm Clapton | [email protected]. Huling binago: 2023-12-17 04:13

Ang isa sa pinakamabisang paraan ng pagsisinungaling ay ang maling pagbibigay-kahulugan sa mga istatistika. Ang pag-alam kung paano i-juggle ang mga numero ay makakatulong sa iyong mapansin kung may sinusubukang linlangin ka.

Mangolekta ng data na gagawing mas bias ang iyong mga konklusyon

Ang unang hakbang sa pagkolekta ng mga istatistika ay upang matukoy kung ano ang gusto mong suriin. Ang mga istatistika ay tumatawag ng impormasyon sa yugtong ito. Susunod, kailangan mong tukuyin ang isang subclass ng data na, kapag nasuri, ay dapat kumatawan sa buong populasyon sa kabuuan. Kung mas malaki at mas tumpak ang sample, mas magiging tumpak ang mga resulta ng pananaliksik.

Siyempre, may iba't ibang paraan upang sirain ang isang istatistikal na sample nang hindi sinasadya o sinasadya:

• Pagkiling sa pagpili. Ang error na ito ay nangyayari kapag ang mga taong nakikibahagi sa pag-aaral ay kinikilala ang kanilang sarili bilang isang grupo na hindi kumakatawan sa buong populasyon.
• Random sampling. Nangyayari kapag sinusuri ang madaling magagamit na impormasyon sa halip na subukang mangolekta ng kinatawan ng data. Halimbawa, maaaring magsagawa ng political survey ang isang channel ng balita sa mga manonood nito. Nang hindi nagtatanong sa mga taong nanonood ng ibang mga channel (o hindi man lang nanonood ng TV), hindi masasabi na ang mga resulta ng naturang pag-aaral ay magpapakita ng katotohanan.
• Pagtanggi ng mga sumasagot na lumahok. Ang ganitong istatistikal na error ay nangyayari kapag ang ilang mga tao ay hindi sumasagot sa mga tanong na itinanong sa isang istatistikal na pag-aaral. Ito ay humahantong sa hindi tamang pagpapakita ng mga resulta. Halimbawa, kung ang isang pag-aaral ay nagtatanong ng, "Naranasan mo na bang niloko ang iyong asawa?" Bilang resulta, tila bihira ang pagtataksil.
• Libreng access poll. Kahit sino ay maaaring makilahok sa mga naturang survey. Kadalasan hindi man lang nasusuri kung ilang beses sumagot ang parehong tao sa mga tanong. Ang isang halimbawa ay iba't ibang mga survey sa Internet. Napaka-interesante na ipasa ang mga ito, ngunit hindi sila maaaring ituring na layunin.

Ang kagandahan ng pagkiling sa pagpili ay ang isang tao, sa isang lugar, ay malamang na magsagawa ng isang hindi makaagham na survey na susuporta sa anumang teorya na mayroon ka. Kaya maghanap lang sa web para sa poll na gusto mo, o gumawa ng sarili mong poll.

Pumili ng mga resulta na sumusuporta sa iyong mga ideya

Dahil ang mga istatistika ay gumagamit ng mga numero, tila sa amin ay nakakumbinsi silang nagpapatunay ng anumang ideya. Ang mga istatistika ay umaasa sa mga kumplikadong kalkulasyon sa matematika na, kung mali ang pangangasiwa, ay maaaring humantong sa ganap na kabaligtaran na mga resulta.

Upang ipakita ang mga bahid sa pagsusuri ng data, nilikha ng English mathematician na si Francis Anscombe. Binubuo ito ng apat na set ng numerical data na ganap na naiiba sa mga graph.

Ang Figure X1 ay isang karaniwang scatter plot; Ang X2 ay isang kurba na unang tumataas at pagkatapos ay bumababa; X3 - isang linya na bahagyang tumataas paitaas, na may isa sa Y-axis; X4 - data sa X-axis, maliban sa isang overshoot na matatagpuan mataas sa parehong axes.

Para sa bawat isa sa mga graph, ang mga sumusunod na pahayag ay totoo:

• Ang mean ng x para sa bawat dataset ay 9.
• Ang mean ng y para sa bawat dataset ay 7.5.
• Ang variance (spread) ng variable x - 11, variable y - 4, 12.
• Ang ugnayan sa pagitan ng mga variable na x at y para sa bawat dataset ay 0.816.

Kung nakita lang namin ang data na ito sa anyo ng teksto, iisipin namin na ang mga sitwasyon ay ganap na pareho, kahit na pinabulaanan ito ng mga graph.

Samakatuwid, iminungkahi ni Enscombe na i-visualize mo muna ang data, at pagkatapos ay gumawa ng mga konklusyon. Siyempre, kung gusto mong linlangin ang isang tao, laktawan ang hakbang na ito.

Lumikha ng mga graph na nagha-highlight sa mga nais na resulta

Karamihan sa mga tao ay walang oras upang gawin ang kanilang sariling istatistikal na pagsusuri. Inaasahan nilang magpapakita ka sa kanila ng mga graph na nagbubuod sa lahat ng iyong pananaliksik. Ang mga chart na mahusay na idinisenyo ay dapat magpakita ng mga ideyang akma sa katotohanan. Ngunit maaari rin nilang i-highlight ang data na gusto mong ipakita.

Alisin ang mga pangalan ng ilang mga parameter, bahagyang baguhin ang sukat sa coordinate axis, huwag ipaliwanag ang konteksto. Para mapaniwala mo ang lahat na tama ka.

Sa lahat ng paraan, itago ang mga pinagmulan

Kung hayagan mong banggitin ang iyong mga mapagkukunan, madali para sa mga tao na i-verify ang iyong mga natuklasan. Siyempre, kung sinusubukan mong makuha ang lahat sa iyong daliri, huwag sabihin kung paano ka nakarating sa iyong mga konklusyon.

Karaniwan, sa mga artikulo at pag-aaral, ang mga sanggunian sa mga mapagkukunan ay palaging ipinahiwatig. Kasabay nito, ang mga orihinal na gawa ay maaaring hindi ibigay nang buo. Ang pangunahing bagay ay sinasagot ng mapagkukunan ang mga sumusunod na katanungan:

• Paano nakolekta ang datos? Ang mga tao ba ay nakapanayam sa pamamagitan ng telepono? O huminto sa kalye? O ito ba ay isang poll sa Twitter? Ang paraan ng pagkolekta ng impormasyon ay maaaring magpahiwatig ng ilang mga error sa pagpili.
• Kailan sila nagkakilala? Mabilis na nagiging luma ang pananaliksik at nagbabago ang mga uso, kaya ang oras ng pangangalap ng impormasyon ay nakakaimpluwensya sa mga konklusyon.
• Sino ang nagkolekta sa kanila? Mayroong maliit na kredibilidad sa pananaliksik ng kumpanya ng tabako sa kaligtasan ng paninigarilyo.
• Sino ang nainterbyu? Ito ay lalong mahalaga para sa mga botohan sa opinyon ng publiko. Kung ang isang politiko ay nagsasagawa ng isang survey sa mga nakikiramay sa kanya, ang mga resulta ay hindi magpapakita ng opinyon ng buong populasyon.

Ngayon alam mo na kung paano manipulahin ang mga numero at gumamit ng mga istatistika upang patunayan ang halos anumang bagay. Makakatulong ito sa iyo na makilala ang mga kasinungalingan at pabulaanan ang mga gawa-gawang teorya.