数据操纵：如何发现数据谎言？

谷歌搜索“印度数据科学家的平均工资”将返回一个满意的结果。

这是否意味着任何想进入这个异国领域的人都可以期待这个薪水？ 为什么不？ 期望赚取知名网站声称的金额有什么问题？ 毕竟，这个网站可能已经进行了一些广泛的研究来得出这个数字。 然而，仅根据这一主张做出决定并不是一个好主意。 但为什么？ 继续阅读！

上述谷歌搜索中的“平均”是什么意思？ 平均值有不同的口味。 它们是均值、中值和众数。 这个“全国平均水平”指的是哪个平均水平？ 如果是均值，你能从中推断出什么？ 检查另一个网站的结果。

这里说，“经验强烈影响这份工作的收入”。

为什么这很重要？

一个有丰富经验的人可能比没有任何经验的人获得更好的收入。 从知名学院毕业的人可能比自学的人挣得更多。 一个人很有可能在调查中夸大他/她的薪水以提高他/她的地位。 或者，一个人可能会因为税收等其他原因而低估他/她的薪水。 在这种情况下，使用平均值是不合适的。

如果计算此类工资的平均值，一些异常值将对获得的平均值产生不当影响。 他们会把平均值拉高。 在这种情况下，中位数才是真正的代表。 它将表明收入低于和高于它的人数相等的人。

将来，如果您在任何地方遇到“平均”一词，请寻找放大的信息。 检查作者是否指的是平均值、中位数或众数。 检查置信区间和显着性水平。 如果这些都没有被发现，那么就有足够的理由持怀疑态度。

比如说，背书指定了平均的类型。 那么你能把它当作绝对吗？ 不？ 为什么不？

让我们回到最初关于数据科学家平均工资的说法。 该声明声称来自 303 份工资样本。 就在一天前，这个数字是 12。这是您可以信任的样本吗？

要进行调查或实验，样本必须是潜在人群的真实代表。 样本的大小必须足够大，才能自信地得出关于总体的推论。
我正在观看 Starbird 教授关于统计学的一些讲座。 我了解到，几年前，一家报纸对美国总统选举进行了调查。 这家报纸发出了一份调查问卷，对其进行了分析，并公布了某个候选人将获胜的结果。 选举结束后，结果与论文预测的相反。 报纸预测的候选人以很大的差距落败。 随后，该报分析了哪里出了问题。

该报的管理层发现，它只将调查问卷发送给了富裕的订阅者。 显然，他们并不代表全部人口。 结果，基于这种有偏见的样本的预测成为报纸尴尬的根源。

您可以通过抽取一个非常小的样本来推断您希望看到的任何结果！ 举一个非常基本的例子，如果你掷硬币 10 次，你会得到 5 次正面和 5 次反面吗？ 您可以连续获得七个正面，也许这就是您想要的结果。 “平均法则”只有在这种抛硬币实验进行很多次时才会起作用（即半正面，半反面）。 在短期内，任何结果都是可能的。

如果您没有看到有关样本量的信息以及平均值类型，则需要担心。 如果样本量足够大并且是人口的真实代表，那么就没有必要隐藏它。

一份报告称，在一所特定大学中，33% 的男教授与女学生结婚。

我们需要非常小心百分比。 如果百分比没有附上实际数字，它们可能会产生误导。 在上面提到的学院里，原来只有三个女人在那里学习，只有一个嫁给了教授。 三分之一的人占 33%。 始终检查百分比是否伴随着实际数字。 如果他们不是，那么就有理由担心。

统计学的另一个主要谬误是将相关性与因果关系混淆。 如果两个项目是相关的，那么一个导致另一个的假设是错误的。
在一群原住民中，身体上存在虱子被认为是安全的。 如果一个人在那个部落发烧，观察到他/她的身上没有虱子。 因此，部落天真地认为，这种缺乏虱子实际上是发烧的原因。 后来发现，当一个人发烧时，体温升高对虱子来说变得不舒服。 发烧导致虱子离开宿主； 正如假设的那样，他们的缺席并不是发烧的原因。

比如说，“A”和“B”是相关的。 可能有一些其他变量“C”导致“A”和“B”一起上升和下降。 “A”可能是原因，“B”可能是结果，也可能是相反的情况，或者只是巧合。 关键是，如果不进行受控实验，就无法判断。 永远不应将相关性与因果性相混淆。

同样，可以对图表进行处理，使其看起来令人印象深刻，而不会错误引用数据。

这些只是统计数据可以用来撒谎的几种方式。 此列表仅是建议性的，并非详尽无遗。 所有这些虚张声势的方法都表明，统计学既是一门艺术，也是一门科学。

数据是新的石油。 私营和公共部门的大多数决策都是基于数据及其分析。 对数据的错误解释或对不正确见解的推导将产生代价高昂的后果。

在病毒式营销的世界中，您需要格外小心广告商的说法。 在这里，您也需要意识到统计作为一门艺术的存在。 对广告商的说法稍加怀疑，再加上对人们如何利用统计数据来撒谎的知识，将不可避免地帮助你做出更好、更有意识的决定。

从世界顶级大学在线学习数据科学课程。 获得行政 PG 课程、高级证书课程或硕士课程，以加快您的职业生涯。

（这篇文章的灵感来自Darrell Huff的How to Lie with Statistics一书）。