Le statistiche possono essere fuorvianti?

C'è un vecchio adagio secondo cui le figure non mentono, ma i bugiardi sanno come capire. In un certo senso ciò rappresenta la diffidenza nei confronti delle statistiche. L'interpretazione statistica può far apparire fuorvianti i dati. Dipende dall'interpretazione dei dati da parte dello statistico e da quali cifre vengono portate alla ribalta come punti chiave di un rapporto statistico.

Ad esempio, nella scuola di grammatica, gli studenti studiano ora le misure di tendenza centrale, che sono media, mediana, modalità e intervallo. La media è una somma di tutti i dati, divisa per il numero di dati. Ad esempio, si potrebbe ottenere la somma dei punteggi dei test di una persona e dividerla per il numero di test per determinare un voto. Tuttavia, la media può essere influenzata da ciò che viene chiamato un valore anomalo, un numero ben al di fuori del normale intervallo di test. Ciò può suggerire che la media può essere un modo fuorviante per valutare le prestazioni.

Se una persona esegue perfettamente cinque test e non riesce a fare un sesto test ottenendo così uno zero, la media riflette questo. Se per esempio tutti i test valgono 100 punti, il punteggio medio è approssimativamente dell'85%. Tuttavia, ciò non suggerisce davvero prestazioni medie in questo caso a causa del valore anomalo di zero.

Un'altra misura della tendenza centrale che può essere utilizzata è la valutazione della mediana. La mediana è il numero medio in un gruppo di dati disposti numericamente. Se uno statistico valuta per la mediana, questo potrebbe non essere rappresentativo di una media reale delle prestazioni o di qualsiasi cosa venga valutata. La mediana non può rappresentare un intervallo di dati che può essere enorme e quindi può essere fuorviante.

La tendenza centrale valutata dalla modalità significa semplicemente guardare un numero che si verifica più spesso in un insieme di dati. Quindi chi prende il test, ad esempio, ha una modalità di 100. Tuttavia, ciò non riflette che la persona che ha effettuato il test non ne abbia preso uno, il che è fuorviante.

Altri modi in cui le statistiche possono essere fuorvianti sono il modo in cui vengono poste le domande, forse in un sondaggio, e il grado in cui il sondaggio è un campione rappresentativo di una comunità. Se si esamina un gruppo di studenti delle scuole superiori e si chiede "Quanto sei contento della tua istruzione in una scala da 1 a 5?" Si possono ottenere risposte molto diverse a seconda che il gruppo sia rappresentativo dello studente "medio".

Se si esamina un gruppo di studenti che si mettono tutti in fila e vanno in una scuola fantastica e ben finanziata, pubblicare tali dati come un campione rappresentativo deve essere deliberatamente fuorviante. Se uno chiede agli studenti di scuole diverse con voti diversi, è probabile che un sondaggio sia più rappresentativo e più giusto. Tuttavia, se uno chiede agli studenti cosa pensano delle scuole e poi pubblica i risultati come un campione rappresentativo della popolazione generale, le risposte saranno quindi molto distorte.

I numeri possono sembrare molto concreti, e alcuni sono fuorviati dai numeri semplicemente perché sembrano essere fatti e hanno un valore indiscutibile. Pertanto, i dati statistici possono spesso essere utilizzati in modo fuorviante per stupire le persone con i numeri e far sembrare le cose in conflitto più come fatti. I statistici stimabili sanno che le domande devono essere generalizzate e devono anche essere poste alle persone che rappresentano le popolazioni.

Tuttavia, numeri e statistiche possono essere fuorvianti perché non rappresentano l'individuo. Possono mostrare come le persone "in generale" rispondono a un'idea, a un prodotto o a un candidato politico. Non possono mostrare come si sentirà una singola persona in tutte le sue qualità infinitamente variabili.