(Inspiration: One In Five Fatal Accidents Involves A Missing Air Bag)
數據會說話。沒錯，這是事實。
但是分析不同數據之間的關聯性（correlation)之後的結論才有意義。
唸過離散數學(discrete mathematics)的人應該都知道一些基本的推論，以及容易發生的錯誤推論
這樣說有點太抽象, 我舉個幾個例子：
(以下的數據完全是虛構的，所以請著重在前後邏輯的相同卻可能讓你相信／不相信之處)
在做過 X 事的群體裡面，８0%的人有做 Y 事的習慣
(不負責任的)結論: 習慣做 Y 事的人, 有可能會做 X 事
好像合理對吧？好，不管你是否這麼覺得，請接下去看：
在犯下強暴的強暴犯裡，８０％的強暴犯有騷擾異性的習慣
（不負責任的）結論：習慣騷擾異性的人，有可能會變成強暴犯
在犯下強暴的強暴犯裡，８０％的強暴犯有看Ａ片的習慣
（不負責任的）結論：習慣看Ａ片的人，有可能會變成強暴犯
在犯下強暴的強暴犯裡，８０％的強暴犯有吃白飯的習慣
（不負責任的）結論：習慣吃白飯的人，有可能會變成強暴犯
你可能相信上面第一個或第二個例子，但我想第三個例子很清楚的展示出這種推論的荒繆
你可以說因為我的數據是假設的，所以會造成誤導
但是，我以上三個推論所用的（錯誤的）邏輯，是一模一樣的
為什麼同樣的邏輯推論，卻有不同的解讀？
因為你已經知道白飯不可能會是影響因素，所以你自覺得反應不可能，也就認知到這個邏輯有問題
但是當你讀到的是你不了解或是你自己覺得有可能的因素，卻可能會相信這個推論。
Google 搜尋: The Dangers of Bread
縱然所列的都是事實，結論卻很荒謬（或不完整）。這個情況常在生活裡常碰到，卻似乎很少人會去質疑。
（後繼主題： 未引述來源篇，引述錯誤篇，誤解數據篇, 斷章取義篇，翻譯問題篇）
Tuesday, February 24, 2009
Subscribe to:
Posts (Atom)