Preparándose para 2022Lógica de integración de gestión MPAcc: falacias estadísticas
1. Datos independientes
Los datos independientes son datos que están separados de la base de comparación. Debido a que este tipo de datos no tiene objeto de comparación, no se puede garantizar la efectividad del argumento. Por lo tanto, utilizar datos independientes como evidencia para respaldar un argumento no es convincente. A esto lo llamamos la falacia de los datos independientes.
Por ejemplo, Xiaohong obtuvo 230 puntos en el examen de gestión, por lo que la puntuación de Xiaohong es muy alta.
En este ejemplo, 230 puntos son datos independientes y no se proporciona ninguna puntuación específica para comparar. Por lo tanto, no podemos concluir que la puntuación de Xiaohong sea alta.
En segundo lugar, la falacia de los promedios
La falacia de los promedios se refiere a un argumento falso que saca una conclusión general basada en la ilusión de los promedios. ¿Qué significa promedio? ¿generalmente? no significa. ¿mayoría? Aquí está la cosa.
Por ejemplo, el salario promedio de la ciudad es de 5.000 yuanes, pero el salario de Xiaohong es inferior a 5.000 yuanes. Por lo tanto, Xiaohong está frenando a la mayoría de la gente.
En este ejemplo, el nivel salarial medio es de 5.000 yuanes, lo que representa la situación general. Probablemente el salario de la mayoría de las personas sea de alrededor de 3.000 yuanes, y el salario de algunas personas sea particularmente alto, con un promedio de 5.000 yuanes. Por tanto, eso no significa que el salario de la mayoría de la gente sea de 5.000 yuanes.
En tercer lugar, la falacia de los datos incomparables
La falacia de los datos incomparables se refiere al error que se produce al comparar mecánicamente dos datos al ignorar las diferencias sustanciales entre los objetos estadísticos y sus muestras. Incluye dos tipos de incomparabilidad de datos, uno es la incomparabilidad de cantidad absoluta y el otro es la incomparabilidad de porcentaje.
Por ejemplo, a nivel nacional, 1.000 personas con depresión se suicidan. Entre las personas sin depresión, 10.000 se suicidan. Se puede observar que sufrir depresión no hace que las personas sean más propensas a suicidarse.
En este ejemplo, simplemente mirando los números, puedes encontrar que los datos 1000 son menores que 10000. Este parece ser el resultado superficial. De hecho, lo que hay que considerar es la proporción de pacientes deprimidos que se suicidan debido a la depresión y la proporción de pacientes no deprimidos que no se suicidan debido a la depresión. Sólo comparando proporciones podemos sacar conclusiones sobre quién tiene más probabilidades de suicidarse.
Por ejemplo, Xiaohong, un empleado junior que acaba de convertirse en empleado regular, dijo que mi salario aumentó en un 65,438+000%, mientras que el presidente de nuestra empresa solo aumentó en un 65,438+00%, por lo que mi El salario aumentó mucho.
En este ejemplo, con solo mirar los números, puedes encontrar que el 100% de los datos es mayor que el 10%, lo que parece ser un resultado superficial. De hecho, lo que hay que considerar es cuál es la base salarial de Xiaohong y cuál es la base salarial del presidente. Sólo calculando las cantidades podemos sacar conclusiones sobre quién ha aumentado más el salario.