Hoe te liegen met statistieken

Liggen met rekenkousen. Het rekenkundig gemiddelde lijkt misschien het meest onfeilbare van alle hierboven beschreven methoden, maar dat is niet echt het geval. Dit komt omdat abnormaal hoge of lage cijfers in de dataset aanzienlijk kunnen afwijken van het gemiddelde. Om te liggen met een rekenkundig gemiddelde verzamel je perifere data en gebruik je het in de vergelijking.

Liggend met medianen De mediaan is in feite het moeilijkste cijfer om te "liegen", omdat het nooit te hoog of te laag kan zijn in vergelijking met de meeste datasets. Het moet noodzakelijkerwijs centraal staan. U kunt de mediaan echter gebruiken om een ​​zeer groot of klein aantal te verbergen. Als de elementen van de set bijvoorbeeld 1, 1, 2, 3, 4, 5, 3000 zijn, is het gemiddelde 3.

Liggend met de mode. In bepaalde gevallen is het bijna onmogelijk om met mode te liegen. Het gemiddelde aantal gekochte tickets per persoon voor een balspel zal bijna altijd nauwkeurig worden weergegeven door de mode. Modes kunnen echter ook belangrijke gegevens uitsluiten, vooral in kleinere sets.

Liggend met representatieve cijfers. Als u gegevens gedefinieerd door abstracte getallen, in plaats van specifieke nummers (bijvoorbeeld een klanttevredenheidsonderzoek) is beangstigend eenvoudig met die set te liggen. Als je mensen vraagt ​​naar hun tevredenheid te beoordelen op een schaal van 1 tot 3, dat niet per se bewijzen dat klanten die kozen voor 3 zijn drie keer gelukkiger dan degenen die naar 1. Deze koos wordt gebruikt om af te buigen het rekenkundig gemiddelde in in het bijzonder, maar het kan ook worden toegepast op de mediaan en soms zelfs op mode.

Gebruik een gecontroleerde set De meest nauwkeurige datasets zijn niet alleen groot, ze zijn ook breed. Een geoloog het bestuderen van de soorten mineralen in een woestijn zal nauwkeuriger zijn als je veel monsters uit alle hoeken van de woestijn verzamelen, in plaats van het verzamelen van 1000 monsters van dezelfde locatie lijst. Als u de reikwijdte van de gegevensset beperkt, kan dit de resultaten aanzienlijk beïnvloeden.

Gebruik een ongebalanceerde set. Deze techniek is heel slim, omdat je kunt liegen met een detail voor de kijker. De truc hier is om gegevens te gebruiken die niet op een eerlijke manier kunnen worden vergeleken en die worden behandeld alsof ze op dezelfde voorwaarden zijn. Bijvoorbeeld, als je een stad van 100.000 die 10 000 inwoners in 10 jaar gewonnen en vergelijken met een bevolking van 10, die 10 bewoners meer in de laatste 10 jaar won, de percentages van elke verhoging lijken aan te tonen dat de kleine stad groeide veel sneller.

Gebruik zeer grote of kleine getallen op de Y-as. Zeggen uw gegevensset ligt tussen 1 en 50. Om de verschillen te verbergen, meet de Y-as in stappen van 100 tot doelbewust accentueren meet de Y-as in stappen van 1/10 tienden. Een verschil tussen de 3 en 10 lijkt enorm, gemeten in tienden (Ze worden apart gezet met 70 eenheden!), Maar is nauwelijks merkbaar op een grafiek, waar 100 is de eerste verhoging (Het is veel, veel minder afgelegen dan de eenheid 1! ).

Start de Y-as halverwege het bereik. Als de gegevens variëren van 11 tot 51, kunt u het laagste getal er nog lager uit laten zien en het hoogste getal er nog hoger uitzien, uw Y-as labelen zodat deze begint bij 10. Dit maakt de balk die staat voor het getal 11 is nauwelijks hoger dan de X-as, het zal bijna niets lijken tenzij iemand slim genoeg is om heel dichtbij te kijken en te zien dat de kaart begon met 10 in plaats van met 0.

Gebruik de ontoereikende schaal. Elke keer dat je de woorden ziet " het is niet op schaal " In de kleine lettertjes is het waarschijnlijk dat u een voorbeeld hiervan bent tegengekomen. Het wordt niet altijd kwaadwillig gedaan, soms zijn de betrokken nummers zo verschillend dat er geen manier is om ze nauwkeurig op dezelfde pagina weer te geven. Het kan echter gemakkelijk worden gebruikt voor ongewenste doeleinden.