Tudnátok példát mondani az alábbi jelenségre? (statisztikai ferdítések)

Mire gondolsz? Az emberek fejében más van mint a definícióban. A munkanélküliséget például nem a teljes társadalomra értik, és nem ezt mérik, hanem az aktív csoportban.

Vagy statisztika értelmezési hibára gondolsz? A TBC szűrés esetén, a teszt megbízható 99,99%-os pontosságú, de pozitív teszt esetén kb. 80% annak az esélye, hogy nem vagy TBC-s. Azért van így mert a TBC elég ritka a társadalomban, a sok nem beteg ember megvizsgálása sok fals-pozitív tesztet eredményez.

A statisztikával semmi baj nincs, a sok visszásság a (nem-hozzáértésből vagy szándékos félrevezetésből adódó) rossz következtetésekből származik, és abból, hogy az emberek nagy része hülye a matekhoz (főleg a statisztikához), és könnyen átverhető.

(*De ugye "nekem soha nem lesz szükségem a matematikára", ugye, kedves diákok...?)

Példa 1: XY közzétesz a Facebook-on egy kérdőívet, amit kitöltenek százan, és kiderül, hogy százból nyolcvan ember utálja a Q politikust. Majd jönnek a választások, és Q nyer. A baj az, hogy XY maga is utálja Q-t, így nagyobb esély van rá, hogy az ismerősei (akik körében legnagyobb arányban terjedt a kérdőív) szintén utálják. Az eredménye tehát még a statisztika szabályai szerint is hülyeség, de mivel az újságban csak az eredményt, és nem a módszert publikálja (vagy ha meg is teszi, az emberek úgysem értenek belőle semmit), a köztudatban ez úgy jön le, hogy a statisztika semmit nem ér.

Példa 2: egy vihar lecsap X városra. A zöldek kiszámolják, hogy egy a csillióhoz volt annak a valószínűsége, hogy ez a vihar magától pont ott, pont akkor lecsap, és már jönnek is HAARP-pal meg az összeesküvés-elméletekkel. Statisztikailag ez is marhaság, mert "a pont ott, pont akkor" nem releváns információ, egy vihar kialakulása valahol-valamikor pedig egyáltalán nem olyan meglepő. Ez egyébként egy olyan gyakori tévedés (és olyan sok félrevezető érvelésre adott már okot), hogy külön neve is van:

[link]

Példa 3: a statisztikai félrevezetések aranybányája az ok-okozatiság hamis feltételezése. Keress két adatsort, mutasd be őket párhuzamosan, és az emberek azt fogják hinni, hogy az egyik a másik miatt van. Kormányzó párt és munkahelyek száma. Vagy az energiatakarékos izzók eladása és az energiafogyasztás. Látszik a grafikonon, hogy szépen csökken/nő a tendencia, és mindenki megállapítja, hogy milyen jó a kormány vagy az izzó. A munkahelyek számát vagy az energiafogyasztást viszont még ezer más dolog is befolyásolja, és lehet, hogy a tendencia éppen "annak ellenére", és nem "azért" figyelhető meg, amit bemutatnak. Ez a legegyszerűbb marketing: csinálj valami jelentéktelen újítást, keress egy többé-kevésbé kapcsolódó dolgot, ami ez után javulást mutatott, rajzold egymás mellé a két grafikont, és mindenki azt fogja hinni, hogy ezt te érted el. Hihetetlen, de ezt a teljesen átlátszó trükköt szinte mindenki beveszi.

Azt azért szögezzük le, hogy a statisztikai ferdítések nem a szakembereknek szólnak, hanem a hozzá nem értőknek.

A szakember tudja, hogy ahhoz, hogy érdemi következtetésekre juthasson, milyen adatsorokra van szüksége, tehát egy ilyen bemutatásból akár első gondolatra is tudja, hogy hamis. Ahhoz kell esetleg több gondolat, hogy nem szakembereknek bemutassa a hamisság módját.

A heregolyóra vonatkozó hasonlat kitűnő. A statisztikus azonnal figyelembe veszi, hogy az emberiség fele nő (heregolyók nélkül), fele férfi (alapesetben 2 heregolyóval), tehát megállapítja, hogy az állítás egyfelől igaz, másfelől hiányos, ezért hamis.

A szorulásos példával is ugyanez a helyzet. A szakember rögtön visszakérdez: jó jó, az átlagot értem, de mi van a szórással? A laikus erre egyszerűen nem gondol.

A gazdasági jelensége kicsit bonyolultabbak és többváltozósak. Ezért ott több dolgot kell egyidejűleg megmondani, ha elhallgatják (vagy kicsit hibásan mondják), a laikus nem veszi észre, a szakember is csak esetleg hosszabb elemzés után tudja megmagyarázni a hamisságot. Amit a laikus nem fog elhinni, mert szégyelli magának is bevallani, hogy a töredékét se értette (elvégre nem voltak esetleg évekig tartó tanulmányai).

Az az állítás például, hogy ma 8%-os a munkanélküliség, egészen biztosan hamis. Nem azért, mert kilencet, vagy hatot kellett volna mondani, hanem azért, mert tudjuk, hogy nincs definiálva, ki számít munkanélkülinek, tudjuk, hogy a vonatkozó törvények ellentmondásosak, tudjuk, hogy nincsen apparátus, amely ezt pontosan képes lenne mérni, és tudjuk azt is, hogy a kormány érdeke, hogy minél kisebb számot mondjon. És tudjuk, hogy a szükséges apparátust azért nem építi ki, illetve építi ki rosszul, hogy senki ne legyen képes cáfolni a hazugságot. A cáfolás ugyanis úgy történik, hogy pontos fogalmakat használok, mérek, számolok, és közlöm az eredményt. Ha ugyanaz, az igazságát bizonyítottam, ha nem ugyanaz, akkor a hamisságát. Ha nincs adatom, akkor ez nem lehetséges. Ez az igazi szemfényvesztés, csak ezt nem statisztikának hívják.

Egy "szakállas" (= régi) példa, csak a poén kedvéért:

Ha az egyik kezedet jéghideg vízbe teszed, a másikat pedig tűzforróba, akkor a statisztika szerint átlagban pont tök jól vagy. :D

A statisztikák befolyásolásának fő módszere és tulajdonképpen alapja is, hogy hozzá a bekerülő mérési adatokat előre eldöntött szisztéma szerint filterezik. Valamilyen módon az "igazságos" statisztikai alapadatok egy részét kihagyják.

Ilyen okokból működnek pl. a Murphy-törvények.

Amikor egy több kimenetelű esemény sokszor megtörténik, a pozitív kimenetelt, mint szokványost nem jegyezzük meg, de a negatív kimenetelt igen. Innentől tévesen úgy vesszük, gyakrabban van negatív kimenetel és ezzel hamisítjuk a saját értékelésünket.

Van, amikor a pozitív kimenetelt azért nem számoljuk be, mert nem is észleljük.

Példa: Murpy-törvény: ha buszra vársz, mindig az ellenkező irányba megy több busz.

Mindkét irányba ugyanannyi megy, csak a te irányodba az elsőre felszállsz és nem is látod a többit. A szembeni buszmegállóban álló ember tök ugyanígy hisz.