❶ 2022MPAcc管綜邏輯備考：統計謬誤
首先我們來明確一下，什麼叫做統計謬誤。如果是在論證過程中，使用統計數據為論據進行推論而產生的錯誤，那麼我們稱之為統計謬誤。常見的統計謬誤有三類：獨立數據、平均數謬誤、數據不可比謬誤。我們逐一來進行分析。
一、獨立數據
獨立數據是脫離比較基礎的數據，這樣的數據因為沒有設定比較的對象，論證的效果無法進行保證，所以用獨立數據作為論據去佐證論點，無法令人信服，我們稱之為獨立數據的謬誤。
例如：小紅在管理類聯考的考試中取得了230分的成績，因此，小紅的分數非常高。
在這個例子中，230分是一個獨立數據，並沒有給出一個具體的分數線進行比較。所以無法得出小紅的分數高這個論點。
二、平均數謬誤
平均數謬誤是指以平均數的假象為依據引申出一般結論的錯誤論證。平均數代表的是“平均水平”，並不意味著“大多數”的是這樣。
例如：全市的平均工資水平是5000元，小紅的工資不到5000元，因此，小紅拖大多數人的後腿了。
在這個例子中，平均工資水平是5000元，代表的是整體情況，可能大多數人的工資都在3000元左右，個別人的工資特別高，平均下來是5000元，因此，並不意味著大多數人的工資是5000元。
三、數據不可比謬誤
數據不可比謬誤是指由於忽視統計對象及其樣本在實質上的差異，而將兩個數據機械地進行比較而導致的錯誤。包括兩種數據的不可比，一種是絕對量不可比，一種是百分比不可比。
例如：在全國范圍內，在患抑鬱症的人中，自殺的人數為1000人。在沒有患抑鬱症的人中，自殺的人數為10000人。可見，患抑鬱症並不會讓人更容易自殺。
在這個例子中，單看數字，可以發現數據1000小於10000，表面上看似可以得出這個結果。實際上，需要考慮到的是患抑鬱症自殺的人在患抑鬱症人中的比例，沒有患抑鬱症自殺的人在沒有患抑鬱症人中的比例。通過佔比的比較才可以得出誰更容易自殺的結論。
例如：剛轉正的底層職員小紅說我的工資漲了100%，而我們公司的董事長才漲了10%，所以，還是我的工資漲的多。
在這個例子中，單看數字，可以發現數據100%大於10%，表面上看似可以得出這個結果。實際上，需要考慮到的是小紅的工資基數為多少，董事長的工資基數為多少。通過計算出的數額才可以得出誰的工資漲的更多的結論。
❷ 謬誤的起因
謬誤的定義：因為情緒的作用，將原本沒有關聯的事物關聯起來，後被證明這樣的關聯是錯誤的。
謬誤定義的出處可以查看這篇文章 什麼是謬誤？ -
為什麼要研究謬誤？
謬誤是對於一些典型邏輯錯誤的稱呼，典型的邏輯錯誤是大多數人經常會犯的錯誤，如果將腦中錯誤的邏輯付諸實踐，面臨的必然是失敗或是損失。這損失有時間上的，金錢上的，機會上的。
研究謬誤，增加對於謬誤識別的敏感度，在避免自己犯邏輯錯誤的同時，也能識別他們給出的邏輯錯誤，從而避免損失，節省時間，將時間用在有意義的事情上。
產生謬誤的一些原因：
為了避免自己犯相關謬誤的錯誤，需要效仿英美法律的無罪推論，採用無關推論的方式來思考問題，假設兩個事物無關的，然後再尋找兩個事物之間的關聯以反駁之前作出的」無關推論「。
再往深里去細究原因就是下面這些：
命題沒有被證明為真，那麼命題為假
趙四是A領域的權威，聽從趙四在B領域發表的言論
趙四沒有在公交上給老人讓座，趙四的人品有問題
趙四是一名大數據工程師，趙四的文章都要用數據說話
梭哈老頭：不要問我投資邏輯，不要慫，就是干！贏了嫩模，輸了幹活。
《中國好聲音》父母雙亡、窮苦流浪、痛說家史……在這個台上不哭一場就不好意思說自己有夢想。
[image:0CEE5493-6FCD-4028-A9A5-FDC06B465A5E-333-00006EE99A5941D7/C415E59E-0D25-4A43-B284-0DB3C3A4E477.png]
《簡單邏輯學》謬誤列表 -
《邏輯學導論》謬誤列表 -
❸ 綜合應用C類：論證評價之統計學謬誤
論證評價題是《綜合應用能力(C類)》科目中一種比較重要的題型，在目前的8次考試中，考查過5次。將這5次考查的考點進行歸納總結，可以發現統計學謬誤是C類論證評價常考的錯誤類型。
1. 平均數謬誤。
平均數謬誤是指誤用平均數，即將平均數的性質機械地分配給總體中的個體，從而基於平均數假象而引申出一般性結論的謬誤。其中，算術平均數的謬誤是最常見的平均數謬誤，是指不恰當地使用算術平均數，以算術平均數的假象為根據，引申出一般結論的錯誤論證。算術平均數的特點是拉長補短，以大補小，以最終求得的結果代表對象總體的某種一般水平。比如下面的例子：
網購英國日用品的平均價格是每件12美元，網購美國日用品的平均價格為15美元，而網購菲律賓日用品的平均價格則為1美元，可見，日用品從菲律賓網購比從英、美網購便宜。
上述例子中的“平均價格”是平均數，無法通過平均數得出最後“日用品從菲律賓網購比從英、美網購便宜”的結論，因為平均值並不代表全部菲律賓的全部商品就一定比英美便宜。
2. 數據不可比。
數據不可比的謬誤指的是由於忽視統計對象和樣本的實質差別而將兩個數據機械進行比較而導致的錯誤。比較要有比較的對象，也要有比較的共同基礎。也就是說，要進行比較，就必須具有合理的共同參照系，沒有共同的參照系，兩者就無法進行比較。同樣通過一個例子來看：
qq的月活躍用戶數有8億2千萬之多，QQ空間也有超過6億活躍用戶。可以看出，Facebook依然是全球最受歡迎的社交平台，但QQ和QQ空間的用戶總和超過了Facebook。
上述例子中由“QQ的月活躍用戶數有8億2千萬之多，QQ空間也有超過6億活躍用戶”推不出“QQ和QQ空間的用戶總和超過了Facebook”。因為QQ月活躍用戶和空間活躍用戶是不同的概念，兩者的用戶量不能簡單相加，可能存在部分重合。
3. 獨立數據。
獨立數據是脫離比較基礎的數據，單獨的數據在論證中的證據效力是不能令人信服的，必須與相關的數據進行比較，才具有信服力。簡單舉個例子：
開學季的宿舍會有一批推銷人士進行推銷，數據顯示，在女生宿舍推銷的成功率為65%。所以，對女生宿舍的推銷更易成功。
在這句話中，論證僅通過在在女生宿舍推銷的成功率為65%得出結論，認為對女生宿舍的推銷更易成功，65%是一個孤立的數據，難得結論。因為沒有給出在推銷過程中男生宿舍的成功率，數據不做對比不能得結論。
❹ 謬誤是什麼意思
謬誤 [miù wù]
謬誤是一個漢語詞語，
拼音是miù wù，
亦作「 謬悞 」。錯誤；差錯。是指人的認識是一個極為復雜的活動，它能產生正確和錯誤兩種不同的結果，前者即為真理，後者就是謬誤。真理和謬誤之間存在著對立統一關系。
❺ 「謬誤」的意思是什麼
謬誤 miùwù
[falsehood] 差錯
亦作「 謬悞 」。錯誤；差錯。 漢 王充 《論衡·答佞》：「聰明有蔽塞。推行有謬誤，今以是者為賢，非者為佞，殆不得之之實乎？」 清 蒲松齡 《聊齋志異·青梅》：「妾自謂能相天下士，必無謬悞。」 艾思奇 等《辯證唯物主義歷史唯物主義》第九章：「真理愈辯愈明，而謬誤總是經不起認真的爭辯的。」
❻ 謬誤的意思是什麼呢
謬誤指觀點和言論方面的不正確、錯誤。這個語詞一般不用於行為方面的錯誤。
❼ 注意統計學中的謬誤
看到了一篇微信公眾號文章，標題是：為什麼「患者總存活率」更低的醫院，反而可能更值得推薦？（ https://mp.weixin.qq.com/s/NSO8j7-cpeqj0o8VE0xSLw ）文章中提到了一個現象叫辛普森悖論（Simpson'sParadox），這由英國統計學家E.H.Simpson於1951年提出。大意在某個條件下的兩組數據，分別討論時都會滿足某種性質，可是一旦合並考慮，卻可能導致相反的結論。具體在這個案例中就是，A、B兩家醫院實施同樣的一種手術，B醫院的輕症患者、重症患者的存活率均高於A醫院，但是B醫院患者總存活率卻低於A醫院。如果只看患者總存活率，很多人會認為A醫院更值得推薦，但事實卻與之相反。造成這種現象的原因是兩家醫院的輕重症患者比例有很大不同。輕重患者比例就是一個潛在變數，它造成了結論的徹底改變。
在這之前，我並沒有聽說過辛普森悖論，也會理所當然地覺得如果一家醫院患者的總存活率更高，那麼它肯定更值得推薦。事實上，有時候統計數據也會欺騙你。如果僅僅看錶面的上數據，很容易做出錯誤的決策。統計學中還有一些常見的謬誤，如：基本比率謬誤（Base Rate Fallacy）、威爾·羅傑斯現象（Will Rogers Phenomenon）、伯克森悖論（Berkson's Paradox）等，他們都有可能影響我們的判斷。我們在看到一組統計數據時，一定要多思考一下，不要急於得出結論，看其中是否存在這些常見的統計學謬誤。如果條件允許，要對整體數據和分組數據都加以分析，這樣才能更准確地把握數據真正要表達的信息。
❽ 謬誤是什麼意思
問題一：謬誤是什麼意思 謬誤指觀點和言論方面的不正確、錯誤。這個語詞一般不用於行為方面的錯誤。
問題二：謬誤是什麼意思 謬誤 [miù wù]
[釋義] 差錯。
人的認識是一個極為復雜的活動，它能產生正確和錯誤兩種不同的結果，前者即為真理，後者就是謬誤。真理和謬誤之間存在著對立統一關系。
問題三：謬誤的意思是什麼 錯誤；差錯
問題四：謬論是什麼意思 錯誤的荒謬的理論、言論。是比較書面語化的表述。
荒謬不實在不現實的言論,與「真理」意思相反
當然，隨事物變化，它的意思也會變化，只可意會不可言傳~
問題五：解釋謬誤的含義,舉出10個謬誤實例 人的認識是一個極為復雜的活動，它能產生正確和錯誤兩種不同的結果，前者即為真理，後者就是謬誤。真理和謬誤之間存在著對立統一關系。
真理是標志主觀同客觀相符合的哲學范疇，是人們對客觀事物及其規律的正確反映；謬誤則同客觀實際及其規律相違背的思想內容，是認識主體對客體本來面目的歪曲反映。因為客觀世界的復雜性，人們的認識又要受到主客觀條件的限制，所以任何個人、集團都不可能只有真理而沒有錯誤，真理謬誤總是相伴而行的。
真理和謬誤是相互對立的
真理是同客觀事物及其發展規律相符合的認識，是對客觀事物本來面目的正確反映。謬誤則是同客觀事物及其發展規律相違背的認識，是對客觀事物本來面目的歪曲反映。真理和謬誤在一定范圍內的對立是絕對的，真理不是謬誤，謬誤不是真理。二者有著原則的界限，不能混淆。
真理和謬誤又是相互統一的
真理和謬誤同屬認識范疇，二者之間又相互依存，存在著統一的關系。這種統一的關系具體表現為：
（ 1 ）真理同謬誤是相比較而存在、相鬥爭而發展的。
① 真理同謬誤相比較而存在
真理同謬誤相比較而存在是說，任何個人、任何階級、任何社會集團都不可能完全避免發生認識上或行動上的失誤，人們在任何時代都不可能只有正確的科學見解而毫無錯誤。人類認識的發展表明，後一代人總是要糾正前一代人的錯誤的，糾正錯誤的過程，就是真理同謬誤相比較的過程。
恩格斯指出：「就一切可能來看，我們還差不多處在人類歷史的開端，而將來會糾正我們的錯誤的後代，大概比我們有可能經常以極為輕視的態度糾正其認識錯誤的前代要多得多。」（《馬克思恩格斯選集》第 3卷，第125頁。）為了判明真理，人們必須拿謬誤作比較，有比較才有鑒別。只要善於比較，善於從錯誤中吸取經驗，就能發現和發展真理，因為，「不是冤家不聚頭」。
② 真理同謬誤相鬥爭而發展
真理同謬誤相鬥爭而發展是說，人類認識的發展表明，某一種觀點、理論、學說，在其剛剛提出時，究竟是真理還是謬誤，有時是很難分辨的。有些是真理的學說，人們往往認為它是謬誤；有些實際上是謬誤的東西，卻被當時的大多數人誤認為是真理。人們發現和接受真理的過程，同時也就是真理同謬誤作斗爭的過程。真理在斗爭的過程中會越辯越明，顯示出其巨大的生命力，並日益得到豐富和發展；相反，謬誤則會在斗爭中日益暴露其本來的面目，為大多數人所拋棄。
（ 2 ）真理和謬誤在一定條件下又是可以相互轉化的。
「真理變成謬誤，謬誤變成真理。」（ 《馬克思恩格斯選集》第 3卷，第130頁。）
① 真理轉化為謬誤
真理轉化為謬誤主要有三種情況：
A. 真理都是具體的，適用於一定的條件和范圍，超出這個條件和范圍，哪怕多走一小步，真理也會變成謬誤。
B. 真理是一個過程，真理性的認識體現了主觀和客觀、認識和實踐具體的歷史的統一。如果在變化了的條件下，事物的發展已進入新的歷史時期，還仍然照搬老一套，或者歷史條件尚不具備，把只有在將來才能實現的原則當作現實，在這兩種情況下，都會使真理轉化為謬誤。
C.真理是全面的，作為全面的真理性的認識，是一個完整的科學體系，其中的各個原理都是相互聯系、相互補充的。如果只把某一原理孤零零地抽出來，切斷同其它原理的聯系，甚至把它同其它原理對立起來，它也就會喪失原來的真理性而變為謬誤。
② 謬誤轉化為真理
謬誤轉化為真理也同樣有三種情況：
A.既然 超出一定的條件和范圍，真理就會變成謬誤。那麼，只要原來的條件和范圍得到恢復，謬誤回到原來的條件和范圍之內，它又會變成真理。
B. 錯誤是正確的先導，失敗是成功之母。人們在社會實踐中，有成功也有失敗，只要在失敗中善於分析犯錯誤......>>
問題六：謬誤是什麼意思 謬誤指觀點和言論方面的不正確、錯誤。這個語詞一般不用於行為方面的錯誤。
問題七：謬誤是什麼意思 謬誤 [miù wù]
[釋義] 差錯。
人的認識是一個極為復雜的活動，它能產生正確和錯誤兩種不同的結果，前者即為真理，後者就是謬誤。真理和謬誤之間存在著對立統一關系。
問題八：謬誤的意思是什麼 錯誤；差錯
問題九：謬論是什麼意思 錯誤的荒謬的理論、言論。是比較書面語化的表述。
荒謬不實在不現實的言論,與「真理」意思相反
當然，隨事物變化，它的意思也會變化，只可意會不可言傳~
❾ 統計學：鑒別那些神秘的謬誤
什麼是 謬誤 ？就是那些聽起來很有道理實際上沒有道理的話。這就使得我們很容易被其誤導，而使用謬誤來說服他人的行為就是在詭辯。謬誤的種類很多，現實生活中很難識別其原型，也很難碰到教科書般的案例。所以與其一樣一樣去背，不如主動出擊，用手中的武器來讓謬誤現出原形， 統計學 就是這樣的一柄利劍。
要想用好統計學，時刻注意三個詞， 樣本、前提 和 概率 。
我們先來看看樣本。樣本指的是可以正確反映總體狀況的一部分個體。它有幾個重要的特質才能成為合格的樣本，一是 同質 ，二是 隨機 ，三是 大容量 。
因為 忽略同質 而產生的謬誤中，最常見的例子是 倖存偏誤 。倖存偏誤指的是 由於生活中更容易看到成功、看不到失敗，你會系統性的高估成功的希望 。倖存偏誤的本質，就是只採了成功者的樣本，而忽略了失敗者的樣本。這樣的樣本不具有代表性，因而無法正確反映總體狀況。事實上，每個因為大有希望的項目而成功的人背後，都有著數不清的墓碑。當然，給你最好的建議就是，多去墓地逛逛。
還有一個例子是 預測錯覺 。預測錯覺指的是那些滿天飛的預言和因此聲名鵲起的專家。社會沒有約束他們的預測權利，沒有人在乎他們預測錯了多少次，但是只要他們預言對了兩次，就會名利雙收。而更糟糕的是，人們很相信他們的預言，無論是多麼荒誕不羈！所以當我看到所謂的專家預測時，我都會去看看他曾經做過多少預測，預言對了哪些。我希望新聞媒體也可以這樣做。
因為 忽略隨機 而產生的謬誤中， 自我選擇謬誤 是比較常見的。自我選擇謬誤是指 忽略了隨機性，過分強調某個類別的重要性。 在生活中，你一定經歷過這樣的事情：你在車站焦急地等待一輛公交車時，它卻偏偏不出現，但是其他線的公交車一輛接著一輛。（當然也有人說這是墨菲定律。）自我選擇謬誤的本質是因為我們自身作為樣本的一部分，主觀上會扭曲對一些事情的感知。有個笑話可以很形象的表明這點：一家公司通過電話來調查家庭中電話普及率，分析結果讓他們大吃一驚，沒有一個家庭說沒有電話。
因為 忽略大容量 而產生的謬誤中， 歸納法 是個不錯的例子。歸納法嚴格來說，其實不能說是一種謬誤，它只是一種非演繹邏輯推理。但是由歸納法得出的結論不能保證結論的可靠性。拿黑天鵝為例，如果你只觀察了三、五十隻白天鵝就得出「所有天鵝都是白色的」的結論，顯然是錯誤的。那樣本多少合適呢？這取決於 總體容量。 如果全世界只有百十來只，那這個結論就相對可靠。如果有幾千萬只，那幾十隻的樣本就明顯不合適了。
我需要提醒一句的是，大容量指的是，有很多可以反映總體狀況的個體，是作為「可靠數據」出現的，而不是說有多少人相信一件事，所以這件事就變成對的，這就犯了 訴諸公眾 的謬誤。
接下來看看前提。前提是指這句話是在什麼環境、什麼場合或者什麼條件下成立的。
因為 忽略前提 而產生的謬誤中，最常見的便是 賭徒謬誤 。我拿一枚質地均勻的硬幣隨機拋了十次，都是正面，那麼請問我下一次拋硬幣，出現正面的概率會不會大於50%。直覺告訴我們：會。但我們仔細想想就知道這是沒有道理的。因為每次拋硬幣的事件都是獨立的，前面的結果不會影響後面的概率。每次事件都是 獨立 的，這個就是前提。但是不得不說，現實生活中，大多事情彼此都是有關聯的，只有少數的場合可能會存在獨立：賭場、彩票或者書里。
還有一類是 忽視基本概率謬誤 。這個可能理解起來有點困難。但是我很喜歡這個談這個思維漏洞。現在假設有一個姑娘會對著她喜歡的人笑，現在你發現這個姑娘在看見你時，85%的情況都會對你笑，現在讓你估計一下這個姑娘喜歡你的概率。很多人對這個問題的答案都大於80%。但是實際並不是，一個姑娘會對著她喜歡的人笑，但這並不意味著她對你笑就是喜歡你，因為我們忽略了一個概率，那就是 基礎概率 ，忽略了她喜歡一個人的概率其實是很低的。當然，我們可以用貝葉斯公式來理解這個問題。
最後我們要說的就是概率。概率指的是一件事情發生的可能。
其實我們的大腦對概率是沒有直觀理解的。在1972年的電擊實驗中，就已經證明了這一點。所以對於概率，我們必須要學習。但我們的潛意識（系統1）對這種事還不是很適應，於是就有了第一類謬誤。
關於概率的謬誤，我首先要說的是： 忽視概率謬誤 。忽視概率謬誤，指的是 我們無法直覺理解風險 。這個例子很好舉，有兩個賭博游戲，一個獎金是1億，贏得概率是一億分之一，另一個獎金是一萬，贏得概率是千分之一。沖動總會將我們拉向第一個游戲，但是理智告訴我們第二個會收益更高。或許你覺得這個例子太簡單，但是想想我們是不是在聽完飛機失事後，會傾向於優先坐火車。雖然飛機失事率極低。
提到飛機失事的例子，順便再舉一個，這就是 現成謬誤 。現成謬誤指的是 我們往往會把想像作為現實 。比如我問你，飛機和汽車哪個更危險？直覺會告訴我們：飛機更危險。當然，事實並非如此，每年死於車禍的人遠遠多於死於飛機失事的人。
最後再舉一個例子， 零風險謬誤 。零風險謬誤指的是，人們往往願意支付過高的成本將風險降至為零。比如說，政府有一筆資金，有兩種策略：一種是將飲用水的有毒概率從5%降至1%，另一種是將1%降至為零。從統計學來講，第一種策略更為理智，但是測試表明，超過半數的人會選擇第二種策略。這也說明人是很難保證理智的。
謬誤是對人類理性的考驗，思考這條路，沒有捷徑。
❿ 統計的謬誤
從一個小故事講起。
一天吃午餐，同桌的一個同事講自己的養生理論——每天睡前一杯紅酒可以促進健康。據說，每天一杯葡萄酒可以延緩衰老，抗癌，降低膽固醇，防止心血管疾病等等。
作為數據控，我利用一個午休時間查詢相關數據和出處——表面上看確實如此，各種微量元素，各種白藜蘆醇等等，把人看的一愣一愣。最權威的莫過於《自然》雜志援引一組統計數據，據稱，在一項長期跟蹤的統計學調查中，喝紅酒的人對比不喝紅酒的人，心血管的健康程度存在顯著性差異。
於是，作為自我感覺亞健康的人，我也打算遵循此法，京東買點紅酒喝一喝。一查之下，我才恍然大悟。額滴神啊，一瓶紅酒，便宜的大約要100元左右。如果每天喝一杯，夫妻倆大約5天要喝掉一瓶。那每個月的紅酒開支就要600元左右，比我的伙食費還貴。
延伸開想，試想一下，能做到每晚睡覺前喝一杯紅酒的，一定是生活相對富裕，而且對自身健康關注度較高的人群。這類人，有更大的能力選擇更健康的食品，並且可以享受更好的醫療條件，所以，喝不喝這一杯葡萄酒，他們在健康方面也能擁有「顯著性差異」。
再在舉個例子，如果統計勞斯萊斯車主和海馬車主的平均壽命，肯定會得到「勞斯萊斯車主比海馬車主更長壽」這樣的結論。那當然了，他們擁有更好的生活品質，更好的醫療水平等等，如果據此得出「開勞斯萊斯」比開海馬具有更顯著的保健作用，那就滑天下之大稽了。
大家可能會覺得這類統計謬誤離我們很遙遠，其實在我們身邊也無所不在。比如，2012年，海南有一段時間物價上漲非常快，某電視台的記者就在廣場上通過隨機采訪路人的方式，想知道群眾對物價上漲的看法。（她肯定以為這個就是所謂的隨機抽樣）。奇怪的是，記者一共問了10個人，有8個人回答「感覺物價上漲不明顯」。於是，記者得出結論：經過調查，80%的群眾認為物價上漲不明顯。而其實，她選擇的采訪地點是海南最貴的商場望海國際，問的人也都是穿著體面來購物消費的女士。這樣的統計結論，即使選取的樣本再大，也會出現明顯的偏誤。
還有一個段子，2017年春節，央視記者在火車上做春運采訪，挨個問大家：您買到火車票了嗎？得到的答案都是「買到了」。於是，記者得出結論，今年的春運火車票一點都不緊張，大家基本上都買到票了。
所以，我們常說，不能相信直覺，要相信數據。但有時候，數據也是會騙人的，而且大多是「一本正經並且引經據典」地騙你。讓你防不勝防。
所以，一定要睜大眼睛，尤其是在看到媒體引用「數據「並作出結論的時候，可能超過八成，這個結論都是錯的。