Moksle, versle, politikoje ir net kasdieniame gyvenime statistika yra galingas įrankis. Ji padeda priimti pagrįstus sprendimus, padeda suprasti sudėtingus klausimus ir suteikia argumentams patikimumo. Tačiau, kaip sakoma žinomame posakyje, „yra trys melo rūšys: melas, prakeiktas melas ir statistika”. Nors ši citata su humoru atskleidžia galimą piktnaudžiavimą duomenimis, ji taip pat pabrėžia svarbų susirūpinimą keliantį dalyką: statistiniais duomenimis gali būti ir dažnai būna manipuliuojama siekiant suklaidinti ar apgauti.

Suprasti, kaip galima iškraipyti duomenis, svarbu ne tik specialistams, dirbantiems srityse, kuriose nuolat dirbama su statistiniais duomenimis, bet ir plačiajai visuomenei, kuri dažnai būna šių manipuliuojamų skaičių tikslinė auditorija.

Selektyvus duomenų pateikimas

Vienas iš paprasčiausių būdų piktnaudžiauti statistika yra selektyvus duomenų pateikimas. Pavyzdžiui, įmonė gali išdidžiai paskelbti, kad jos naujas vaistas padvigubino tam tikros ligos atvejų skaičių. Tai skamba įspūdingai, bet kas, jei šis rodiklis padidėjo nuo 1 % iki 2 %? Nors techniškai teisingas, pirminis teiginys gali sudaryti perdėtą įspūdį apie vaisto veiksmingumą.

Klaidinančios diagramos

Grafikai – tai vizualus duomenų vaizdavimas, o pagrindinė jų paskirtis – supaprastinti sudėtingą informaciją. Tačiau juos galima lengvai pakoreguoti taip, kad jie iškreiptų tiesą. Pakoregavus skalę, praleidus duomenų taškus arba pabrėžus tam tikrus aspektus, gali pasikeisti visas pasakojimas. Pavyzdžiui, naudojant sutrumpintą Y ašį, maži skirtumai gali atrodyti daug didesni, nei yra iš tikrųjų, todėl duomenys gali būti suvokiami iškreiptai.

Duomenų atranka

Dar viena dažnai pasitaikanti gudrybė – naudoti duomenų, kurie patvirtina tam tikrą išvadą, pogrupį ir ignoruoti duomenis, kurie jos nepatvirtina. Pavyzdžiui, jei norima įrodyti, kad žiemos darosi vis šiltesnės, galima parodyti tik tų metų, kai žiemos buvo švelnios, temperatūros duomenis, ignoruojant šaltesnius metus.

Post Hoc klaida

Tai, kad du įvykiai įvyksta vienas po kito, nereiškia, kad vienas iš jų sukėlė kitą. Lotyniška frazė „post hoc, ergo propter hoc” išvertus reiškia „po to, taigi dėl to”, ir tai yra klaidinga nuomonė, grindžiama įsitikinimu, kad kadangi įvykis Y įvyko po įvykio X, įvykį Y turėjo sukelti įvykis X. Pavyzdys galėtų būti pastebėjimas, kad vasarą padaugėja ledų pardavimų ir skendimų, ir tada klaidinga išvada, kad perkant daugiau ledų padaugėja skendimų.

Susijusių kintamųjų ignoravimas

Painiojantis kintamasis – tai išorinis veiksnys, kuris gali turėti įtakos tiriamam priežasties ir pasekmės ryšiui. Ignoruojant šiuos kintamuosius arba neatsižvelgiant į juos, galima padaryti klaidinančias išvadas. Pavyzdžiui, jei tyrime nustatyta, kad reguliariai sportuojantys žmonės taip pat geriau miega, gali kilti pagunda teigti, kad fiziniai pratimai lemia geresnį miegą. Tačiau jei tyrime neatsižvelgiama į kitus veiksnius, pavyzdžiui, mitybą ar streso lygį, išvada gali būti klaidinga.

Priežastinio ryšio numanymas iš koreliacijos

Klasikinė klaida – painioti koreliaciją su priežastiniu ryšiu. Tai, kad du kintamieji juda kartu, nereiškia, kad vienas iš jų lėmė kitą. Pavyzdžiui, gali būti ryšys tarp asmens žiūrėtų filmų skaičiaus ir jo svorio, tačiau tai nereiškia, kad filmų žiūrėjimas lemia svorio augimą. Gali būti, kad veikia keletas kitų veiksnių.

Išvada

Informacijos amžiuje duomenys yra kaip niekada prieinami. Tačiau kartu su tuo atsiranda atsakomybė šiuos duomenis suprasti ir teisingai interpretuoti. Manipuliavimas statistiniais duomenimis gali turėti realių pasekmių – nuo klaidingos viešosios politikos iki klaidingų verslo sprendimų. Kaip informacijos vartotojai turime ugdyti sveiką skepticizmą ir lavinti įgūdžius, kaip atskirti tikrus statistinius duomenis nuo tų, kurie buvo iškraipyti, kad atitiktų tam tikrą pasakojimą. XX a. Didžiosios Britanijos ministras pirmininkas Benjaminas Disraelis neva pastebėjo, kad yra „melas, prakeiktas melas ir statistika”. Mes turime juos atskirti.