數據操縱：如何發現數據謊言？

谷歌搜索“印度數據科學家的平均工資”將返回一個滿意的結果。

這是否意味著任何想進入這個異國領域的人都可以期待這個薪水？ 為什麼不？ 期望賺取知名網站聲稱的金額有什麼問題？ 畢竟，這個網站可能已經進行了一些廣泛的研究來得出這個數字。 然而，僅根據這一主張做出決定並不是一個好主意。 但為什麼？ 繼續閱讀！

上述谷歌搜索中的“平均”是什麼意思？ 平均值有不同的口味。 它們是均值、中值和眾數。 這個“全國平均水平”指的是哪個平均水平？ 如果是均值，你能從中推斷出什麼？ 檢查另一個網站的結果。

這裡說，“經驗強烈影響這份工作的收入”。

為什麼這很重要？

一個有豐富經驗的人可能比沒有任何經驗的人獲得更好的收入。 從知名學院畢業的人可能比自學的人掙得更多。 一個人很有可能在調查中誇大他/她的薪水以提高他/她的地位。 或者，一個人可能會因為稅收等其他原因而低估他/她的薪水。 在這種情況下，使用平均值是不合適的。

如果計算此類工資的平均值，一些異常值將對獲得的平均值產生不當影響。 他們會把平均值拉高。 在這種情況下，中位數才是真正的代表。 它將表明收入低於和高於它的人數相等的人。

將來，如果您在任何地方遇到“平均”一詞，請尋找放大的信息。 檢查作者是否指的是平均值、中位數或眾數。 檢查置信區間和顯著性水平。 如果這些都沒有被發現，那麼就有足夠的理由持懷疑態度。

比如說，背書指定了平均的類型。 那麼你能把它當作絕對嗎？ 不？ 為什麼不？

讓我們回到最初關於數據科學家平均工資的說法。 該聲明聲稱來自 303 份工資樣本。 就在一天前，這個數字是 12。這是您可以信任的樣本嗎？

要進行調查或實驗，樣本必須是潛在人群的真實代表。 樣本的大小必須足夠大，才能自信地得出關於總體的推論。
我正在觀看 Starbird 教授關於統計學的一些講座。 我了解到，幾年前，一家報紙對美國總統選舉進行了調查。 這家報紙發出了一份調查問卷，對其進行了分析，並公佈了某個候選人將獲勝的結果。 選舉結束後，結果與論文預測的相反。 報紙預測的候選人以很大的差距落敗。 隨後，該報分析了哪裡出了問題。

該報的管理層發現，它只將調查問捲髮送給了富裕的訂閱者。 顯然，他們並不代表全部人口。 結果，基於這種有偏見的樣本的預測成為報紙尷尬的根源。

您可以通過抽取一個非常小的樣本來推斷您希望看到的任何結果！ 舉一個非常基本的例子，如果你擲硬幣 10 次，你會得到 5 次正面和 5 次反面嗎？ 您可以連續獲得七個正面，也許這就是您想要的結果。 “平均法則”只有在這種拋硬幣實驗進行很多次時才會起作用（即半正面，半反面）。 在短期內，任何結果都是可能的。

如果您沒有看到有關樣本量的信息以及平均值類型，則需要擔心。 如果樣本量足夠大並且是人口的真實代表，那麼就沒有必要隱藏它。

一份報告稱，在一所特定大學中，33% 的男教授與女學生結婚。

我們需要非常小心百分比。 如果百分比沒有附上實際數字，它們可能會產生誤導。 在上面提到的學院裡，原來只有三個女人在那裡學習，只有一個嫁給了教授。 三分之一的人佔 33%。 始終檢查百分比是否伴隨著實際數字。 如果他們不是，那麼就有理由擔心。

統計學的另一個主要謬誤是將相關性與因果關係混淆。 如果兩個項目是相關的，那麼一個導致另一個的假設是錯誤的。
在一群原住民中，身體上存在蝨子被認為是安全的。 如果一個人在那個部落髮燒，觀察到他/她的身上沒有蝨子。 因此，部落天真地認為，這種缺乏蝨子實際上是發燒的原因。 後來發現，當一個人發燒時，體溫升高對蝨子來說變得不舒服。 發燒導致蝨子離開宿主； 正如假設的那樣，他們的缺席並不是發燒的原因。

比如說，“A”和“B”是相關的。 可能有一些其他變量“C”導致“A”和“B”一起上升和下降。 “A”可能是原因，“B”可能是結果，也可能是相反的情況，或者只是巧合。 關鍵是，如果不進行受控實驗，就無法判斷。 永遠不應將相關性與因果性相混淆。

同樣，可以對圖表進行處理，使其看起來令人印象深刻，而不會錯誤引用數據。

這些只是統計數據可以用來撒謊的幾種方式。 此列表僅是建議性的，並非詳盡無遺。 所有這些虛張聲勢的方法都表明，統計學既是一門藝術，也是一門科學。

數據是新的石油。 私營和公共部門的大多數決策都是基於數據及其分析。 對數據的錯誤解釋或對不正確見解的推導將產生代價高昂的後果。

在病毒式營銷的世界中，您需要格外小心廣告商的說法。 在這裡，您也需要意識到統計作為一門藝術的存在。 對廣告商的說法稍加懷疑，再加上對人們如何利用統計數據來撒謊的知識，將不可避免地幫助你做出更好、更有意識的決定。

從世界頂級大學在線學習數據科學課程。 獲得行政 PG 課程、高級證書課程或碩士課程，以加快您的職業生涯。

（這篇文章的靈感來自Darrell Huff的How to Lie with Statistics一書）。