Il y a un vieil adage qui dit que les chiffres ne mentent pas, mais les menteurs savent comprendre. Dans un sens, cela représente méfiance des gens de statistiques. Interprétation statistique des données peut causer à paraître trompeur. Cela dépend de l'interprétation que le statisticien de données et quels chiffres sont mis en évidence les principaux points d'un rapport statistique.
Par exemple, à l'école primaire, les élèves étudient maintenant les mesures de tendance centrale, qui sont moyenne, la médiane, le mode et la plage. La moyenne est la somme de toutes les données, divisé par le nombre de données. Par exemple, on peut recevoir la somme des scores aux tests d'une personne et le diviser par le nombre de tests afin de déterminer le grade. Cependant, la moyenne peut être affectée par ce qu'on appelle un cas particulier, un nombre beaucoup en dehors de la plage normale de test. Cela peut suggérer que cela signifie peut-être une façon trompeuse de l'évaluation du rendement.
Si une personne prend cinq tests parfaitement et ne prend pas un sixième test ce qui a valu un zéro, la moyenne est le reflet. Si les tests sont les 100 points pour une valeur de, par exemple, le score moyen est d'environ à 85%. Cependant, ce n'est pas vraiment suggérer performance moyenne dans ce cas en raison de l'aberration de zéro.
Une autre mesure de la tendance centrale qui peut être utilisé est l'évaluation de la médiane. La médiane est le nombre du milieu dans un groupe de données organisées sous forme numérique. Si un statisticien évalue pour la médiane, cela peut ne pas être représentatif d'une vraie moyenne de la performance, ou de tout ce qui est en cours d'évaluation. La médiane ne peut pas représenter une plage de données qui peuvent être énormes et peuvent donc être trompeurs.
Tendance centrale évaluées par le mode signifie simplement regarder un certain nombre qui se produit le plus souvent dans un ensemble de données. Ainsi, le preneur d'essai par exemple, a un mode de 100. Pourtant, cela ne reflète pas la personne qui le test a échoué à en prendre un, ce qui est trompeur.
D'autres façons dont les statistiques peuvent être trompeuses, c'est la façon dont les questions sont posées dans un sondage peut-être, et la mesure dans laquelle l'enquête est un échantillon représentatif de la communauté. Si l'on enquête d'un groupe d'élèves du secondaire et demander: «Comment êtes-vous satisfait 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 enquêtes un groupe d'étudiants que tous aller droit fur et à aller à un fantastique, bien financé école, pour publier ces données comme un échantillon représentatif est d'être délibérément trompeur. Si l'on demande aux élèves de différentes écoles avec des teneurs différentes, une enquête est susceptible d'être plus représentatif et plus juste. Cependant, si l'on demande aux élèves ce qu'ils pensent de l'école et publie ensuite les résultats dans un échantillon représentatif de la population générale, les réponses seront alors très inégale.
Les chiffres peuvent sembler très concrète, et certains sont induits en erreur par des numéros simplement parce qu'ils semblent être faits et ont une valeur indiscutable. Ainsi, les données statistiques peuvent souvent être utilisées d'une manière trompeuse pour impressionner les gens avec des chiffres, et de faire les choses en litige ressemblent plus fait. Statisticiens réputés sais que les questions doivent être généralisés, et doivent également être demandé à des gens qui représentent des populations
.
Cependant, les chiffres et les statistiques peuvent être trompeuses, car elles ne représentent pas l'individu. Ils peuvent montrer comment les gens «en général» répondent 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 sentent.