Les statistiques peuvent-elles être trompeuses?

Il y a un vieil adage que les chiffres ne mentent pas, mais les menteurs savent comprendre. Dans un sens, cela représente la méfiance des statistiques par les gens. L'interprétation statistique peut faire apparaître des données trompeuses. Cela dépend de l'interprétation des données par le statisticien et de ce que les chiffres sont mis en évidence comme points clés d'un rapport statistique.

Par exemple, à l'école de grammaire, les élèves étudient désormais des mesures de tendance centrale, qui sont moyennes, médianes, mode et gamme. La moyenne est une somme de toutes les données, divisée par le nombre de données. Par exemple, on peut obtenir la somme des scores des tests d'une personne et le diviser par le nombre de tests pour déterminer une note. Cependant, la moyenne peut être affectée par ce qu'on appelle une valeur aberrante, un nombre bien en dehors de la plage normale de tests. Cela peut suggérer que la moyenne peut être une manière trompeuse d'évaluer les performances.

Si une personne passe parfaitement cinq tests et ne parvient pas à passer un sixième test, ce qui gagne un zéro, la moyenne reflète cela. Si les tests valent tous 100 POeunts par exemple, le score moyen est d'environ 85%. Cependant, cela ne suggère pas vraiment les performances moyennes dans ce cas en raison de la valeur aberrante de zéro.

Une autre mesure de la tendance centrale qui peut être utilisée est l'évaluation de la médiane. La médiane est le nombre central dans un groupe de données disposées numériquement. Si un statisticien évalue la médiane, cela peut ne pas être représentatif d'une véritable moyenne de performance ou de tout ce qui est évalué. La médiane ne peut pas expliquer une plage de données qui peut être énorme et peut donc être trompeuse.

La tendance centrale évaluée par le mode signifie simplement regarder un nombre qui se produit le plus souvent dans un ensemble de données. Ainsi, le preneur de test, par exemple, a un mode de 100. Pourtant, cela ne reflète pas la personne qui passe le test n'a pas réussi à en prendre une, ce qui est trompeur.

Autres façons dont les statistiques peuvent être trompeuses est la façon dont les questionssont demandés, dans une enquête peut-être, et la mesure dans laquelle l'enquête est un échantillon représentatif d'une communauté. Si l'on interroge un groupe d'élèves du secondaire et demandez «à quel point êtes-vous heureux de votre éducation sur une échelle de 1-5?» On peut obtenir des réponses très différentes selon que le groupe est représentatif de l'étudiant «moyen».

Si l'on interroge un groupe d'étudiants qui obtiennent tous directement et vont dans une école fantastique et bien financée, pour publier des données telles qu'un échantillon représentatif doit être délibérément trompeur. Si l'on demande aux élèves de différentes écoles avec différentes notes, une enquête est probablement plus représentative et plus équitable. Cependant, si l'on demande aux étudiants ce qu'ils pensent des écoles et publient ensuite les résultats en tant qu'échantillon représentatif de la population générale, les réponses seront alors très biaisées.

Les nombres

peuvent sembler très concrets, et certains sont induits en erreur par des nombres simplement parce qu'ils semblent être des faits et ont une valeur incontestable. Ainsi statistique daL'AT peut souvent être utilisé de manière trompeuse pour épater les gens avec des chiffres et faire en sorte que les choses en litige ressemblent plus à un fait. Les statisticiens réputés savent que les questions doivent être généralisées et doivent également être posées aux personnes qui représentent les populations.

Cependant, les nombres et les statistiques peuvent être trompeurs car ils ne représentent pas l'individu. Ils peuvent montrer comment les gens «en général» réagissent à une idée, à un produit ou à un candidat politique. Ils ne peuvent pas montrer comment une seule personne dans toutes ses qualités infiniment variables se sentira.