आँकड़ों के साथ झूठ बोलने के 4 तरीके

2024 लेखक: Malcolm Clapton | [email protected]. अंतिम बार संशोधित: 2023-12-17 03:57

झूठ बोलने के सबसे प्रभावी तरीकों में से एक है आंकड़ों की गलत व्याख्या करना। यदि कोई आपको बरगलाने की कोशिश कर रहा है, तो यह जानने में मदद मिल सकती है कि संख्याओं को कैसे जोड़ा जाता है।

डेटा एकत्र करें जो आपके निष्कर्षों को और भी पक्षपाती बना देगा

आंकड़े एकत्र करने में पहला कदम यह निर्धारित करना है कि आप क्या विश्लेषण करना चाहते हैं। सांख्यिकीविद इस स्तर पर सूचना कहते हैं। इसके बाद, आपको डेटा के एक उपवर्ग को परिभाषित करने की आवश्यकता है, जिसका विश्लेषण करने पर, संपूर्ण जनसंख्या का समग्र रूप से प्रतिनिधित्व करना चाहिए। नमूना जितना बड़ा और सटीक होगा, शोध के परिणाम उतने ही सटीक होंगे।

बेशक, दुर्घटना से या जानबूझकर एक सांख्यिकीय नमूने को खराब करने के विभिन्न तरीके हैं:

• चयन पूर्वाग्रह। यह त्रुटि तब होती है जब अध्ययन में भाग लेने वाले लोग खुद को एक ऐसे समूह के रूप में पहचानते हैं जो पूरी आबादी का प्रतिनिधित्व नहीं करता है।
• यादृच्छिक नमूना। यह तब होता है जब प्रतिनिधि डेटा एकत्र करने की कोशिश करने के बजाय आसानी से उपलब्ध जानकारी का विश्लेषण किया जा रहा हो। उदाहरण के लिए, एक समाचार चैनल अपने दर्शकों के बीच एक राजनीतिक सर्वेक्षण कर सकता है। अन्य चैनल देखने वाले लोगों से पूछे बिना (या टीवी बिल्कुल नहीं देखते) यह नहीं कहा जा सकता है कि इस तरह के एक अध्ययन के परिणाम वास्तविकता को दर्शाएंगे।
• उत्तरदाताओं के भाग लेने से इनकार। ऐसी सांख्यिकीय त्रुटि तब होती है जब कुछ लोग सांख्यिकीय अध्ययन में पूछे गए प्रश्नों का उत्तर नहीं देते हैं। इससे परिणामों का गलत प्रदर्शन होता है। उदाहरण के लिए, यदि कोई अध्ययन प्रश्न पूछता है, "क्या आपने कभी अपने जीवनसाथी को धोखा दिया है?" नतीजतन, ऐसा लगेगा कि बेवफाई दुर्लभ है।
• फ्री एक्सेस पोल। ऐसे सर्वेक्षणों में कोई भी भाग ले सकता है। अक्सर यह भी चेक नहीं किया जाता कि एक ही व्यक्ति ने कितनी बार सवालों के जवाब दिए। एक उदाहरण इंटरनेट पर विभिन्न सर्वेक्षण हैं। उन्हें पास करना बहुत दिलचस्प है, लेकिन उन्हें वस्तुनिष्ठ नहीं माना जा सकता है।

चयन पूर्वाग्रह की सुंदरता यह है कि कोई व्यक्ति, कहीं न कहीं, एक अवैज्ञानिक सर्वेक्षण करने की संभावना रखता है जो आपके किसी भी सिद्धांत का समर्थन करेगा। तो बस अपने इच्छित पोल के लिए वेब पर खोजें, या अपना स्वयं का पोल बनाएं।

ऐसे परिणाम चुनें जो आपके विचारों का समर्थन करें

चूँकि आँकड़े संख्याओं का उपयोग करते हैं, हमें ऐसा लगता है कि वे किसी भी विचार को सिद्ध करते हैं। सांख्यिकी जटिल गणितीय गणनाओं पर निर्भर करती है, जिन्हें यदि गलत तरीके से संभाला जाता है, तो वे पूरी तरह से विपरीत परिणाम दे सकते हैं।

डेटा विश्लेषण में खामियों को प्रदर्शित करने के लिए, अंग्रेजी गणितज्ञ फ्रांसिस एंस्कोम्बे ने बनाया। इसमें संख्यात्मक डेटा के चार सेट होते हैं जो ग्राफ़ पर पूरी तरह से अलग दिखते हैं।

चित्र X1 एक मानक स्कैटर प्लॉट है; X2 एक वक्र है जो पहले ऊपर उठता है और फिर नीचे गिरता है; X3 - एक रेखा जो थोड़ी ऊपर की ओर उठती है, एक Y-अक्ष पर; X4 - X-अक्ष पर डेटा, दोनों अक्षों पर उच्च स्थित एक ओवरशूट को छोड़कर।

प्रत्येक ग्राफ के लिए, निम्नलिखित कथन सत्य हैं:

• प्रत्येक डेटासेट के लिए x का माध्य 9 है।
• प्रत्येक डेटासेट के लिए y का माध्य 7.5 है।
• चर x - 11, चर y - 4, 12 का प्रसरण (प्रसार)।
• प्रत्येक डेटासेट के लिए चर x और y के बीच सहसंबंध 0.816 है।

यदि हम इस डेटा को केवल पाठ के रूप में देखते हैं, तो हम सोचेंगे कि स्थितियां पूरी तरह से समान हैं, हालांकि रेखांकन इसका खंडन करते हैं।

इसलिए, Enscombe ने सुझाव दिया कि आप पहले डेटा की कल्पना करें, और उसके बाद ही निष्कर्ष निकालें। बेशक, अगर आप किसी को गुमराह करना चाहते हैं, तो इस चरण को छोड़ दें।

वांछित परिणामों को हाइलाइट करने वाले ग्राफ़ बनाएं

अधिकांश लोगों के पास अपना सांख्यिकीय विश्लेषण करने का समय नहीं होता है।वे उम्मीद करते हैं कि आप उन्हें अपने सभी शोधों को सारांशित करने वाले ग्राफ़ दिखाएंगे। अच्छी तरह से डिज़ाइन किए गए चार्ट उन विचारों को प्रतिबिंबित करना चाहिए जो वास्तविकता के अनुकूल हों। लेकिन वे उस डेटा को भी हाइलाइट कर सकते हैं जिसे आप दिखाना चाहते हैं।

कुछ मापदंडों के नामों को छोड़ दें, समन्वय अक्ष पर पैमाने को थोड़ा बदल दें, संदर्भ की व्याख्या न करें। तो आप सभी को विश्वास दिला सकते हैं कि आप सही हैं।

हर तरह से, स्रोत छुपाएं

यदि आप खुले तौर पर अपने स्रोतों का हवाला देते हैं, तो लोगों के लिए आपके निष्कर्षों को सत्यापित करना आसान हो जाता है। बेशक, अगर आप हर किसी को अपनी उंगली के आसपास लाने की कोशिश कर रहे हैं, तो यह कभी न बताएं कि आप अपने निष्कर्ष पर कैसे पहुंचे।

आमतौर पर, लेखों और अध्ययनों में, स्रोतों के संदर्भ हमेशा इंगित किए जाते हैं। उसी समय, मूल कार्य पूर्ण रूप से प्रदान नहीं किए जा सकते हैं। मुख्य बात यह है कि स्रोत निम्नलिखित प्रश्नों का उत्तर देता है:

• डेटा कैसे एकत्र किया गया था? क्या लोगों का फोन पर साक्षात्कार हुआ था? या सड़क पर रुक गए? या यह एक ट्विटर पोल था? जानकारी एकत्र करने की विधि कुछ चयन त्रुटियों का संकेत दे सकती है।
• वे कब मिले थे? अनुसंधान जल्दी पुराना हो जाता है और रुझान बदल जाते हैं, इसलिए सूचना एकत्र करने का समय निष्कर्ष को प्रभावित करता है।
• उन्हें किसने एकत्र किया? धूम्रपान की सुरक्षा पर तंबाकू कंपनी के शोध में बहुत कम विश्वसनीयता है।
• किसका साक्षात्कार हुआ? यह जनमत सर्वेक्षणों के लिए विशेष रूप से महत्वपूर्ण है। यदि कोई राजनेता उनके साथ सहानुभूति रखने वालों के बीच एक सर्वेक्षण करता है, तो परिणाम पूरी आबादी की राय को प्रतिबिंबित नहीं करेंगे।

अब आप जानते हैं कि संख्याओं में हेरफेर कैसे करें और लगभग कुछ भी साबित करने के लिए आँकड़ों का उपयोग करें। यह आपको झूठ को पहचानने और मनगढ़ंत सिद्धांतों का खंडन करने में मदद करेगा।