漫談統計陷阱New - Institute of Statistical Science, Academia Si.ppt

1、1 .关于统订说唱乐，洪志真国立交通大学统订所2012统订科学营September 5，2012中央研究院统订科学研究所，2，统订思考(statisticsisthescienceoflearrs数据) data are n 数据说明(上下文)=信息，例如： 50，50是可行的跟踪数据，并且， 一般认知未必能为真实资料提供正确的信息，某年的美国黑人vs .美国白人的比例白人认为是23.8% vs. 49.9% (average )人口调查局(censusbureau)336011.8，资料是逸闻data beat 研究资料可提供正确的结论电缆线和白血病个案传闻：电缆线产生的电磁场可引起白血病研

2、究： 500万美元的经费经过5年的研究，发现暴露在电缆线上的电磁场与白血病无关“新世界日记，337， 注意No. 1 (1997 )、轶事、轶事、5、隐藏变量Beware the Lurking Variable，表面资料不一定是这样的隐藏变量(续)、隐藏变量：航班起飞城市、7、隐藏变量(续2 )、各航班起飞城市的航班延迟隐藏变量(续3 )，hint 3360 thehubofalaskaairlinesisinseattleandthehubofamericawestisinphoenix .资源A. Barnett，“How numbers can trick you”。 “技术审查、Oc

3、tober 1994、departmentoftransportation.Simpsons paradox、辛普森残奥码头、研究两个变量时隐藏变量如果存在隐藏变量，但是如果考虑隐藏变量，则隐藏变量将样本分成子组，并且如果不考虑该不同组中的元素，则两个变量之间的相关性方向可能会得出错误的结论，这与不考虑隐藏变量的情况相反？ (Simpsons Paradox )，歧视？ (Simpsons Paradox )分为商学院和申请艺术学院的人数，商学院接受了高比例的女性。 歧视？ (Simpsons Paradox )、艺术学院、艺术学院也接受了高比例的女性。 歧视？ 因为(Simpsons Par

4、adox )，各学院内相对于男性接受高比例的女性。 对女性没有任何歧视！ 这是辛普森的残奥码头的一个例子。 潜在变量(申请学院：商学院和艺术学院)被无视时的数据似乎显示了对女性的歧视。 但是，学院被奇思妙想时，关联性相反，反而显示出对男性有歧视。、14、留心的隐藏变量、14、示例范围：冥想和老化(Noetic Sciences Review，Summer 1993，p. 28 )练习解释变量：冥想(是/否) 关于33，360年龄的某个酶催化剂的测定值，如果一个人有木有注意自各儿的健康，这个反应变量的结果也可能会影响云同步，可能会尝试冥想，15、资料来源不重要，在调查读者意见时，70%的父母认为

5、没有小盆友(大约1万封回复) 另一个问题单对所有父母都有相同的表现机会，结果91%的父母认为有小盆友是值得的，16、资料来源重要(续)，Ms. Landers调查结果自然偏向网络调查，街头访问也有类似的情况，17、 Variation is Everywhere变异随处可见，根据资料不变的个人变异(如身高体重)的检验误差统一修正不能帮助我们处理变异(variation )，18，结论不真实自我(ccontention )的13个临床试验资料乳房摄影可以将5064岁女性因乳腺癌而使领便当风险降低26%的风险降低率的95%置信区间(confidence interval )设定为174% H. C

6、. Cox。 “editorial 3360 benefitandharmassociatedwithscreeningforbreastcancer，新建工程日志，338，编号16 (1998 ) statisticsgivesusalanguagefortalkingaboutuncertaintythatisusedanderstoodbystatisticallyliteratepeopllate华德大仲马的作品很曲折感人，大仲马有很多私生子，所以嘲笑他的人往往把他的作品比作他的私生子。 最头痛死的是巴黎统一补正学会秘书长李昂纳，这个人是大仲马的小伙伴，每次举统一补正的例子，大仲马的情

7、妇和私生子有多少。 有一年，统订学会召开了年会，大仲马推测，李昂纳又发了晕厥词，说他的坏话。 因此他要求参加年会，并得到了认可。 果然，大仲马的材料没有出来，李昂纳举出了他的情妇和私生子的例子。 李昂纳在报告结束后，向大仲马请求问候，此前不想在大庭广众下演讲的大仲马，这次破格登台表示“所有的统订数字都是谎言，还包括有关本主儿的数字”。 听众大笑起来。 (网际网络笑话大全)，21，统一修正数值vs .谎言，世界上有三个谎言。 谎言，大谎言，统一数字therearethreekindsoflies : lies，damned lies，andstatiiies。为什么很多人会被统一数字欺骗呢？ 有

8、数据通讯端口的论点。 很容易相信，但是说数字是人说真话还是撒谎，还是故意操作数据？ 还是只是数据处理不当？ 统一修订在重视事实的文化中非常有用，但也有人利用它作为恶意夸张和简化，甚至达到其特定目的的工具。 23、整合是必不可少的知识，现在在汇报社会经济趋势、商业状况、民意调查和人口普查的数据时，整合方法和整合用语是必不可少的。 但是，如果作者不能正确地理解和恰当地使用这些个的修订语言，并且读者真正地吃不透这些个术语的含义，那么所描述的修订结果对于读者来说是没有意义的。 “总有一天，统一的思考就像读写能力一样，成为公民不可缺少的能力。“原文：statisticalthinkingwilloned

9、aybeasnecessaryforefficientcitizenshipastheabilitytoreadandwrite .”威尔斯(h )。 英国萩名科幻小说家)，24，How to Lie with Statistics不要让统订数字马上击垮你，【不要被统订数字欺骗】Darrell Huff萩(1954 )，郑惟厚译(2005 )天下文化出版，2005年27，有内置偏差的样本， 著名样本：美国总统选举民调(FDR Poll) 1936年Franklin d.Roosevelt (FDR ) vs.alf landon民调预测共和党候选人Landon将大获全胜，结果fdrpoll统一

10、修订是不济事吗？ 原因：电话调查样本数大，但有严重内置偏差(bias )的只有富人，有28、内置偏差样本，20世纪50年代评论纽约某报道时，1924年毕业的耶鲁大学毕业生平均年薪为25111美元。 PS .当时一般人的平均年收入低于10000美元的报道有可能引起怎样的误解？ 29、假设数字和采样没有冒牌货，数字正确度可疑(多报或少报)样本一盏茶代表整体吗？ 即使样品有很大的一盏茶，问题单设计虽然合适，但面谈法者希望经常能得到面谈法者的喜欢。 也许面谈法者应该经常选择特定的小组，用别的方法而不是直接提问。 30、面子问题，你挨家挨户读过什么杂志？ 结果，大多数人喜欢格调高的人，读八卦杂志的人很少

11、，不过，与出版社的数据有很大不同的替代方法是什么，31，内置偏差的来源，代表性的样本，是排除了各种各样的偏差源的样本。 电话的民调有什么可能性？ 在车站或大卖场进行民调，有可能无视什么样的民族？如果大家想知道一天刷几次牙，洗几次澡，那么采样的数据是否正确？ 否则，是否高估或定值过低？32、内置偏差的来源、敏感问题面子、金钱、道德准则、法令规章etc .样品复盖率不足问题单低回收率自发响应、33、抽样方法、简单随机抽样(simple random sampling ) 根据母体随机抽样，使用符合许多统一修正理论的假设或过高的分层随机抽样(stratified random sampling )将

12、母体按特性分为几组(称为层，层内统一律性高)，各层按比例随机采样民调， 在市场调查中经常使用的情况下，在3个常用的中心测度平均中位数(median )最频值(mode) Average could mean any of them对称vs .偏斜分配，35，下in comes 3360 $ 9000 $ 9000 $ 9000 $ 12，000 $ 120，000 $ 85，000 $ 15，000，mean=$37， 000 000 mode=$ 9000 eachisalegitimateaveragebutcanserveconflictingpurposes，36，平均vs .中位数，

13、如果概率分布有很大偏差(skewed )，则平均月薪的人数不到25 K关于离群值，中位数使用比平均值稳健(robust )、37、哪个平均值，个人2 ann3bob1Mary 10 s UE5carol2k en 999、mean$146median$3mode$2、38、点估计vs .区间估计利用这些个类型的点估计区间估计，它们的置信区间例子3360沙漠地辖区的日平均温度可能看起来很舒适，早晚温差较大的例子3360为95%的自信心水平，25岁台湾人的平均月薪为25k 3k，39，显着水平和信任水平“统计信息零假设”“显着水平”“置信区间”信任水平(以“统计信息”和“信任度”为单位)和“信任度”之间的关系。 筛选检验用的检验方法是ELISA，该方法使用显着水平为1/5的统一检验进行判定，任何检验中都发生HIV假阳性的概率在1/5以下。 40、平均(Average )、平均(Average )，不仅要知道平均，还要知道平均是什么样的东西。例如：美国一家铁元素钢公司声称，员工的平均每周工资薪金比1948年和1940年增加了107%，听起来好像加薪了但是，实际上1948年的正职人数多，工时也长。 例：在报纸上写到1949年一般美国家庭的收入是3100美元。 但是，除非你明白家庭的定义，否则最好不要