统计数字会撒谎ppt

是否拥有了更对哪些医务职务的尊敬， 医生就能比其他人掌握更多关于香烟品牌的 资料？是否自身的知识能够促使他们选择危 害性最小的品牌？当然不是，也许你的一生 第一个就会反驳这种观点，但“27%”又仿 佛暗示着能解释一些问题。
相关关系与因果关系
如果B紧跟A出现，那么A一定导致B。这一古老的 谬误然而它仍频繁的出现在统计资料中，并被大量让人印 象深刻的数据所伪装。这在很多人脑海中已根深蒂固，所 以导致很多人陷入陷阱中 。 哈夫先生举了如下的例子：六月是自杀率最高的月 份。那么，是否自杀导致了六月的婚礼—抑或六月的婚 礼促成了被抛弃者的自杀？一个更合理的解释是（同样 未经证实）：整整一个冬季，某人抚慰自己沮丧的心情， 并满怀希望春天一切会重新开始。可是到了六月，他仍 没能从低落中解脱出来，于是用自杀表示放弃。
是比较聪明的孩子，彼得是个笨孩子。
对待智力测验以及许多其他类似的抽样结果应注意
它的范围。正常的智商不应该只是100这样一个数值，而 应是诸如90～110的一个范围。将处于这个范围的孩子与 低于或高于此范围的孩子进行比较时会得出一些有用的 结论。但比较相差不大的两个数据则毫无意义。结论： ◆我们可以定量地衡量你的样本能以多大的精度代表总体， 那就是：可能误差和标准误差。 ◆在所有抽样研究中都有误差，忽略这些误差将导致一些
谁说的？即究竟是谁的出的结论。当某个权威人士被引用时，要弄清 楚到底资料的内容是权威的，还是仅仅与权威人士沾边，有些时候数据 是来自权威人士，然而结论却是作者自己得出的。 • 他是如何知道的？即他到底是通过什么渠道得到的，所选样本是否有 偏，样本容量是否足够大，所取样本又是否具有代表性。 • 遗漏了什么？即样本包含多少案例、平均数有没有标明类型、数据有 没有对照组、数据是否够清晰、对照组是否具有对照性。 • 是否有人偷换了概念？即将甲说成乙。 • 这个资料有意义吗？即当所接触的资料是建立在未经证实的基础上， 那么这个 资料毫无意义。
它没有披露的其实是：1、样本容量 2、实验过程 3 、事物整体范围的全距和与平均数偏离水平的数据
这些没有透露的数据，其欺骗性在于经常人们忽略了它
们是否存在。这当然也是它取得成功的奥秘。
彼得和琳达做了公认最好的智力测验——斯坦福-比内 测验，结果是琳达的智商为101，彼得的只有98。专家
告诉我们智商的平均数是100，于是进一步推断，琳达
愚蠢的举动。
◆只有当差别有意义时才能称之为差别。
很多情况下，表格中的数字是禁用的，而文字又不能达到很好的效果，这个 时候解决的方法就只有一种：画图。例如： 国 民 收 入 增 长 图
抹去下面大部分之后：
与之前的图相比，看起来有很大提高
另一种情况是改变横轴与纵轴的的比例关 系： 任何 人看 到之 后都 会觉 得国 民收 入正 在疯 狂增 长
•
《统计数字会撒谎》这本书是一本看似很浅显的书，
它里面有大量的例子幽默的语言和解析，使读者能够很容易的 理解。但它反映的内容却是很普遍的。在报纸、杂志和书籍中 看到统计材料、结论、以及数据时，应该经过认真思考后再接 受他们。有时候更仔细的一瞥有助于进一步了解真相。但武断
地拒绝统计方法也是因噎废食，不值得提倡。
这本书既告诫统计工作者们要诚实严谨的对待问题， 不可欺骗他人。又告诉人们不要被漫天的各种数据所迷惑，还 要多保持一些理智和清醒，用理性和怀疑的眼光看问题。
以下是几个有关相关性的观点：
1. 所谓“相关”往往是通过相关系数这个精确的数据来证
明两个数据之间具有关联关系，它可以有很多类型： • 机缘巧合下产生的相关 • 联合变动的相关，但无法确定谁因谁果 • 所有变量之间没有任何影响，却存在显著的相关 2. 正相关到了一定的程度后便急剧地转化为负相关 （例如，一般情况下，雨下得越多，谷物长得越好， 收成越好，但超过一定的降雨量，雨越多，收成越 少）。 3. 相关显示了一种趋势，而这种趋势通常并不是那种 理想的一对一关系。 所以，由相关关系来得出因果关系是不理智的，只会 得出一些似是而非的答案，进而让自己陷入谬论。
"1924级的耶鲁毕业生平均年收入为25111美元" 这个数字很大又非常精确，所以作者对此提出了质疑： 没有人能够掌握所有在世的1924级学生的情况，并且许多人
并不愿意回答这些问题。这个样本的代表性强吗？也就是说，
能否假设样本与未被样本包括的那些人-——无法联系的人或 者不愿意回答的人-具有同等的收入水平？结论： •为了结论具有价值一定要采用具有代表性的样本，这样才能避 免各种误差。
•无形的误差与有形的误差一样容易破坏样本的可信度。所以只
要有产生误差的可能，都要对结果保持怀疑。
•最基本的样本是随机样本，它是指完全遵循随机原则从总体 中选出的样本。 •纯随机样本是惟一有足够把握经受统计理论审查的样本，但 难度大成本高。分层随机抽样是一个更经济的替代品。 •一般而言，民意调查都带有一定程度的误差。
利用统计资料传递错误信息来误导他人可称得上是一 种操纵行为，用一个词来概括，那就是统计操纵。统计操 纵的方式分为：
•地图操纵 •模糊不清的平均数 •百分数的应用
把一些看似能直 接相加却不能这 样操作的事情加 在一起会产生大 量的隐瞒和欺诈。
怎样凭借双眼就能识破虚假的统计资料并揭穿它?同样的提出了五 个问题: ，如何在具有欺骗性的数据海洋中找到可靠有用的资料?哈夫 先生提出了五个问题：
正是由于选择的平均数不同，才导致了数值的不同。结论：
当你被告知某个数是平均数时，除非能说出它的具体种类--均值，中位数， 还是众数，否则你对它的具体涵义仍知之甚少。
在处理诸如人类特征的数据时，各种平均数的数值十分接近。
当你看到某个平均收入时，首先问问：是什么的平均？包括了哪些人？ 类似的概率和误差范围构成了一个很好的估计。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
本章举了这样的一个例子：某公司说：“自从使用了 多克斯牌牙膏，我们的蛀牙减少了23%。”其实被测试的 用户仅有12户，并且准备几组人，试验到得到满意的数字 为止。
由此哈夫先生提出“多少才算足够呢？它取决于抽 样是你所研究的总体，其容量有多大，以及变动范围有多 大”。但有时样本中的数量看上去已经足够，但其实并非 如此。对于这种情况就可以用显著性检验方法，如果某条 信息提供了显著性程度，就会对它有更深的了解。
美国与罗坦提亚木匠的平均周工资进行比较，它们分 别是60美元和30美元
画成平面图之后，很显然美国木匠的收入要多得多
图果虽 形的然 滥按两 用体个 的积袋 影算子 响话的 竟高 然度 有之 比 ：只 ！有 这： 就 是但 平是 面如
1 8 1 2~来自相匹配的资料如果你想证明某事，却发现没有能力办到。那 么试着解释其他事情并假装它们是一回事。在统计 资料与人类思维冲撞所引起的耀眼光芒中，几乎没 有人会发现它们的区别。不相匹配的数据是保证你 处在有利位置上的武器，而且通常如此。你可以得 到你想要的效果而又不必负任何责任。 对著名内科医生香烟品牌的调查结果：27%的 被调查者选择了喉宝—该品牌的比例高于其他品牌。 这个数据也许本身就是虚构的，不用去管它。对于 这种不相关的数据，唯一的回答是：“那又如何？”
房地产商大力宣传，居的年均收入是10000英镑；而该 区域的纳税人委员会却反复强调，这里居民的平均年收入只 有2000英镑。谁在说谎？
算术平均数：指的是所有用户的总收入除以总的用户数量。但是如果基
本都是一般家庭但有几家是富翁的话，得出的数值会变大。
中位数：数值较小，它告诉我们一半家庭的年收入超过2000英镑，另一 半家庭的年收入不及2000英镑。 众数-：所有家庭收入序列中出现次数最多的那个收入。