❶ 2022MPAcc管综逻辑备考：统计谬误
首先我们来明确一下，什么叫做统计谬误。如果是在论证过程中，使用统计数据为论据进行推论而产生的错误，那么我们称之为统计谬误。常见的统计谬误有三类：独立数据、平均数谬误、数据不可比谬误。我们逐一来进行分析。
一、独立数据
独立数据是脱离比较基础的数据，这样的数据因为没有设定比较的对象，论证的效果无法进行保证，所以用独立数据作为论据去佐证论点，无法令人信服，我们称之为独立数据的谬误。
例如：小红在管理类联考的考试中取得了230分的成绩，因此，小红的分数非常高。
在这个例子中，230分是一个独立数据，并没有给出一个具体的分数线进行比较。所以无法得出小红的分数高这个论点。
二、平均数谬误
平均数谬误是指以平均数的假象为依据引申出一般结论的错误论证。平均数代表的是“平均水平”，并不意味着“大多数”的是这样。
例如：全市的平均工资水平是5000元，小红的工资不到5000元，因此，小红拖大多数人的后腿了。
在这个例子中，平均工资水平是5000元，代表的是整体情况，可能大多数人的工资都在3000元左右，个别人的工资特别高，平均下来是5000元，因此，并不意味着大多数人的工资是5000元。
三、数据不可比谬误
数据不可比谬误是指由于忽视统计对象及其样本在实质上的差异，而将两个数据机械地进行比较而导致的错误。包括两种数据的不可比，一种是绝对量不可比，一种是百分比不可比。
例如：在全国范围内，在患抑郁症的人中，自杀的人数为1000人。在没有患抑郁症的人中，自杀的人数为10000人。可见，患抑郁症并不会让人更容易自杀。
在这个例子中，单看数字，可以发现数据1000小于10000，表面上看似可以得出这个结果。实际上，需要考虑到的是患抑郁症自杀的人在患抑郁症人中的比例，没有患抑郁症自杀的人在没有患抑郁症人中的比例。通过占比的比较才可以得出谁更容易自杀的结论。
例如：刚转正的底层职员小红说我的工资涨了100%，而我们公司的董事长才涨了10%，所以，还是我的工资涨的多。
在这个例子中，单看数字，可以发现数据100%大于10%，表面上看似可以得出这个结果。实际上，需要考虑到的是小红的工资基数为多少，董事长的工资基数为多少。通过计算出的数额才可以得出谁的工资涨的更多的结论。
❷ 谬误的起因
谬误的定义：因为情绪的作用，将原本没有关联的事物关联起来，后被证明这样的关联是错误的。
谬误定义的出处可以查看这篇文章 什么是谬误？ -
为什么要研究谬误？
谬误是对于一些典型逻辑错误的称呼，典型的逻辑错误是大多数人经常会犯的错误，如果将脑中错误的逻辑付诸实践，面临的必然是失败或是损失。这损失有时间上的，金钱上的，机会上的。
研究谬误，增加对于谬误识别的敏感度，在避免自己犯逻辑错误的同时，也能识别他们给出的逻辑错误，从而避免损失，节省时间，将时间用在有意义的事情上。
产生谬误的一些原因：
为了避免自己犯相关谬误的错误，需要效仿英美法律的无罪推论，采用无关推论的方式来思考问题，假设两个事物无关的，然后再寻找两个事物之间的关联以反驳之前作出的”无关推论“。
再往深里去细究原因就是下面这些：
命题没有被证明为真，那么命题为假
赵四是A领域的权威，听从赵四在B领域发表的言论
赵四没有在公交上给老人让座，赵四的人品有问题
赵四是一名大数据工程师，赵四的文章都要用数据说话
梭哈老头：不要问我投资逻辑，不要怂，就是干！赢了嫩模，输了干活。
《中国好声音》父母双亡、穷苦流浪、痛说家史……在这个台上不哭一场就不好意思说自己有梦想。
[image:0CEE5493-6FCD-4028-A9A5-FDC06B465A5E-333-00006EE99A5941D7/C415E59E-0D25-4A43-B284-0DB3C3A4E477.png]
《简单逻辑学》谬误列表 -
《逻辑学导论》谬误列表 -
❸ 综合应用C类：论证评价之统计学谬误
论证评价题是《综合应用能力(C类)》科目中一种比较重要的题型，在目前的8次考试中，考查过5次。将这5次考查的考点进行归纳总结，可以发现统计学谬误是C类论证评价常考的错误类型。
1. 平均数谬误。
平均数谬误是指误用平均数，即将平均数的性质机械地分配给总体中的个体，从而基于平均数假象而引申出一般性结论的谬误。其中，算术平均数的谬误是最常见的平均数谬误，是指不恰当地使用算术平均数，以算术平均数的假象为根据，引申出一般结论的错误论证。算术平均数的特点是拉长补短，以大补小，以最终求得的结果代表对象总体的某种一般水平。比如下面的例子：
网购英国日用品的平均价格是每件12美元，网购美国日用品的平均价格为15美元，而网购菲律宾日用品的平均价格则为1美元，可见，日用品从菲律宾网购比从英、美网购便宜。
上述例子中的“平均价格”是平均数，无法通过平均数得出最后“日用品从菲律宾网购比从英、美网购便宜”的结论，因为平均值并不代表全部菲律宾的全部商品就一定比英美便宜。
2. 数据不可比。
数据不可比的谬误指的是由于忽视统计对象和样本的实质差别而将两个数据机械进行比较而导致的错误。比较要有比较的对象，也要有比较的共同基础。也就是说，要进行比较，就必须具有合理的共同参照系，没有共同的参照系，两者就无法进行比较。同样通过一个例子来看：
qq的月活跃用户数有8亿2千万之多，QQ空间也有超过6亿活跃用户。可以看出，Facebook依然是全球最受欢迎的社交平台，但QQ和QQ空间的用户总和超过了Facebook。
上述例子中由“QQ的月活跃用户数有8亿2千万之多，QQ空间也有超过6亿活跃用户”推不出“QQ和QQ空间的用户总和超过了Facebook”。因为QQ月活跃用户和空间活跃用户是不同的概念，两者的用户量不能简单相加，可能存在部分重合。
3. 独立数据。
独立数据是脱离比较基础的数据，单独的数据在论证中的证据效力是不能令人信服的，必须与相关的数据进行比较，才具有信服力。简单举个例子：
开学季的宿舍会有一批推销人士进行推销，数据显示，在女生宿舍推销的成功率为65%。所以，对女生宿舍的推销更易成功。
在这句话中，论证仅通过在在女生宿舍推销的成功率为65%得出结论，认为对女生宿舍的推销更易成功，65%是一个孤立的数据，难得结论。因为没有给出在推销过程中男生宿舍的成功率，数据不做对比不能得结论。
❹ 谬误是什么意思
谬误 [miù wù]
谬误是一个汉语词语，
拼音是miù wù，
亦作“ 谬悮 ”。错误；差错。是指人的认识是一个极为复杂的活动，它能产生正确和错误两种不同的结果，前者即为真理，后者就是谬误。真理和谬误之间存在着对立统一关系。
❺ “谬误”的意思是什么
谬误 miùwù
[falsehood] 差错
亦作“ 谬悮 ”。错误；差错。 汉 王充 《论衡·答佞》：“聪明有蔽塞。推行有谬误，今以是者为贤，非者为佞，殆不得之之实乎？” 清 蒲松龄 《聊斋志异·青梅》：“妾自谓能相天下士，必无谬悮。” 艾思奇 等《辩证唯物主义历史唯物主义》第九章：“真理愈辩愈明，而谬误总是经不起认真的争辩的。”
❻ 谬误的意思是什么呢
谬误指观点和言论方面的不正确、错误。这个语词一般不用於行为方面的错误。
❼ 注意统计学中的谬误
看到了一篇微信公众号文章，标题是：为什么「患者总存活率」更低的医院，反而可能更值得推荐？（ https://mp.weixin.qq.com/s/NSO8j7-cpeqj0o8VE0xSLw ）文章中提到了一个现象叫辛普森悖论（Simpson'sParadox），这由英国统计学家E.H.Simpson于1951年提出。大意在某个条件下的两组数据，分别讨论时都会满足某种性质，可是一旦合并考虑，却可能导致相反的结论。具体在这个案例中就是，A、B两家医院实施同样的一种手术，B医院的轻症患者、重症患者的存活率均高于A医院，但是B医院患者总存活率却低于A医院。如果只看患者总存活率，很多人会认为A医院更值得推荐，但事实却与之相反。造成这种现象的原因是两家医院的轻重症患者比例有很大不同。轻重患者比例就是一个潜在变量，它造成了结论的彻底改变。
在这之前，我并没有听说过辛普森悖论，也会理所当然地觉得如果一家医院患者的总存活率更高，那么它肯定更值得推荐。事实上，有时候统计数据也会欺骗你。如果仅仅看表面的上数据，很容易做出错误的决策。统计学中还有一些常见的谬误，如：基本比率谬误（Base Rate Fallacy）、威尔·罗杰斯现象（Will Rogers Phenomenon）、伯克森悖论（Berkson's Paradox）等，他们都有可能影响我们的判断。我们在看到一组统计数据时，一定要多思考一下，不要急于得出结论，看其中是否存在这些常见的统计学谬误。如果条件允许，要对整体数据和分组数据都加以分析，这样才能更准确地把握数据真正要表达的信息。
❽ 谬误是什么意思
问题一：谬误是什么意思 谬误指观点和言论方面的不正确、错误。这个语词一般不用於行为方面的错误。
问题二：谬误是什么意思 谬误 [miù wù]
[释义] 差错。
人的认识是一个极为复杂的活动，它能产生正确和错误两种不同的结果，前者即为真理，后者就是谬误。真理和谬误之间存在着对立统一关系。
问题三：谬误的意思是什么 错误；差错
问题四：谬论是什么意思 错误的荒谬的理论、言论。是比较书面语化的表述。
荒谬不实在不现实的言论,与“真理”意思相反
当然，随事物变化，它的意思也会变化，只可意会不可言传~
问题五：解释谬误的含义,举出10个谬误实例 人的认识是一个极为复杂的活动，它能产生正确和错误两种不同的结果，前者即为真理，后者就是谬误。真理和谬误之间存在着对立统一关系。
真理是标志主观同客观相符合的哲学范畴，是人们对客观事物及其规律的正确反映；谬误则同客观实际及其规律相违背的思想内容，是认识主体对客体本来面目的歪曲反映。因为客观世界的复杂性，人们的认识又要受到主客观条件的限制，所以任何个人、集团都不可能只有真理而没有错误，真理谬误总是相伴而行的。
真理和谬误是相互对立的
真理是同客观事物及其发展规律相符合的认识，是对客观事物本来面目的正确反映。谬误则是同客观事物及其发展规律相违背的认识，是对客观事物本来面目的歪曲反映。真理和谬误在一定范围内的对立是绝对的，真理不是谬误，谬误不是真理。二者有着原则的界限，不能混淆。
真理和谬误又是相互统一的
真理和谬误同属认识范畴，二者之间又相互依存，存在着统一的关系。这种统一的关系具体表现为：
（ 1 ）真理同谬误是相比较而存在、相斗争而发展的。
① 真理同谬误相比较而存在
真理同谬误相比较而存在是说，任何个人、任何阶级、任何社会集团都不可能完全避免发生认识上或行动上的失误，人们在任何时代都不可能只有正确的科学见解而毫无错误。人类认识的发展表明，后一代人总是要纠正前一代人的错误的，纠正错误的过程，就是真理同谬误相比较的过程。
恩格斯指出：“就一切可能来看，我们还差不多处在人类历史的开端，而将来会纠正我们的错误的后代，大概比我们有可能经常以极为轻视的态度纠正其认识错误的前代要多得多。”（《马克思恩格斯选集》第 3卷，第125页。）为了判明真理，人们必须拿谬误作比较，有比较才有鉴别。只要善于比较，善于从错误中吸取经验，就能发现和发展真理，因为，“不是冤家不聚头”。
② 真理同谬误相斗争而发展
真理同谬误相斗争而发展是说，人类认识的发展表明，某一种观点、理论、学说，在其刚刚提出时，究竟是真理还是谬误，有时是很难分辨的。有些是真理的学说，人们往往认为它是谬误；有些实际上是谬误的东西，却被当时的大多数人误认为是真理。人们发现和接受真理的过程，同时也就是真理同谬误作斗争的过程。真理在斗争的过程中会越辩越明，显示出其巨大的生命力，并日益得到丰富和发展；相反，谬误则会在斗争中日益暴露其本来的面目，为大多数人所抛弃。
（ 2 ）真理和谬误在一定条件下又是可以相互转化的。
“真理变成谬误，谬误变成真理。”（ 《马克思恩格斯选集》第 3卷，第130页。）
① 真理转化为谬误
真理转化为谬误主要有三种情况：
A. 真理都是具体的，适用于一定的条件和范围，超出这个条件和范围，哪怕多走一小步，真理也会变成谬误。
B. 真理是一个过程，真理性的认识体现了主观和客观、认识和实践具体的历史的统一。如果在变化了的条件下，事物的发展已进入新的历史时期，还仍然照搬老一套，或者历史条件尚不具备，把只有在将来才能实现的原则当作现实，在这两种情况下，都会使真理转化为谬误。
C.真理是全面的，作为全面的真理性的认识，是一个完整的科学体系，其中的各个原理都是相互联系、相互补充的。如果只把某一原理孤零零地抽出来，切断同其它原理的联系，甚至把它同其它原理对立起来，它也就会丧失原来的真理性而变为谬误。
② 谬误转化为真理
谬误转化为真理也同样有三种情况：
A.既然 超出一定的条件和范围，真理就会变成谬误。那么，只要原来的条件和范围得到恢复，谬误回到原来的条件和范围之内，它又会变成真理。
B. 错误是正确的先导，失败是成功之母。人们在社会实践中，有成功也有失败，只要在失败中善于分析犯错误......>>
问题六：谬误是什么意思 谬误指观点和言论方面的不正确、错误。这个语词一般不用於行为方面的错误。
问题七：谬误是什么意思 谬误 [miù wù]
[释义] 差错。
人的认识是一个极为复杂的活动，它能产生正确和错误两种不同的结果，前者即为真理，后者就是谬误。真理和谬误之间存在着对立统一关系。
问题八：谬误的意思是什么 错误；差错
问题九：谬论是什么意思 错误的荒谬的理论、言论。是比较书面语化的表述。
荒谬不实在不现实的言论,与“真理”意思相反
当然，随事物变化，它的意思也会变化，只可意会不可言传~
❾ 统计学：鉴别那些神秘的谬误
什么是 谬误 ？就是那些听起来很有道理实际上没有道理的话。这就使得我们很容易被其误导，而使用谬误来说服他人的行为就是在诡辩。谬误的种类很多，现实生活中很难识别其原型，也很难碰到教科书般的案例。所以与其一样一样去背，不如主动出击，用手中的武器来让谬误现出原形， 统计学 就是这样的一柄利剑。
要想用好统计学，时刻注意三个词， 样本、前提 和 概率 。
我们先来看看样本。样本指的是可以正确反映总体状况的一部分个体。它有几个重要的特质才能成为合格的样本，一是 同质 ，二是 随机 ，三是 大容量 。
因为 忽略同质 而产生的谬误中，最常见的例子是 幸存偏误 。幸存偏误指的是 由于生活中更容易看到成功、看不到失败，你会系统性的高估成功的希望 。幸存偏误的本质，就是只采了成功者的样本，而忽略了失败者的样本。这样的样本不具有代表性，因而无法正确反映总体状况。事实上，每个因为大有希望的项目而成功的人背后，都有着数不清的墓碑。当然，给你最好的建议就是，多去墓地逛逛。
还有一个例子是 预测错觉 。预测错觉指的是那些满天飞的预言和因此声名鹊起的专家。社会没有约束他们的预测权利，没有人在乎他们预测错了多少次，但是只要他们预言对了两次，就会名利双收。而更糟糕的是，人们很相信他们的预言，无论是多么荒诞不羁！所以当我看到所谓的专家预测时，我都会去看看他曾经做过多少预测，预言对了哪些。我希望新闻媒体也可以这样做。
因为 忽略随机 而产生的谬误中， 自我选择谬误 是比较常见的。自我选择谬误是指 忽略了随机性，过分强调某个类别的重要性。 在生活中，你一定经历过这样的事情：你在车站焦急地等待一辆公交车时，它却偏偏不出现，但是其他线的公交车一辆接着一辆。（当然也有人说这是墨菲定律。）自我选择谬误的本质是因为我们自身作为样本的一部分，主观上会扭曲对一些事情的感知。有个笑话可以很形象的表明这点：一家公司通过电话来调查家庭中电话普及率，分析结果让他们大吃一惊，没有一个家庭说没有电话。
因为 忽略大容量 而产生的谬误中， 归纳法 是个不错的例子。归纳法严格来说，其实不能说是一种谬误，它只是一种非演绎逻辑推理。但是由归纳法得出的结论不能保证结论的可靠性。拿黑天鹅为例，如果你只观察了三、五十只白天鹅就得出“所有天鹅都是白色的”的结论，显然是错误的。那样本多少合适呢？这取决于 总体容量。 如果全世界只有百十来只，那这个结论就相对可靠。如果有几千万只，那几十只的样本就明显不合适了。
我需要提醒一句的是，大容量指的是，有很多可以反映总体状况的个体，是作为“可靠数据”出现的，而不是说有多少人相信一件事，所以这件事就变成对的，这就犯了 诉诸公众 的谬误。
接下来看看前提。前提是指这句话是在什么环境、什么场合或者什么条件下成立的。
因为 忽略前提 而产生的谬误中，最常见的便是 赌徒谬误 。我拿一枚质地均匀的硬币随机抛了十次，都是正面，那么请问我下一次抛硬币，出现正面的概率会不会大于50%。直觉告诉我们：会。但我们仔细想想就知道这是没有道理的。因为每次抛硬币的事件都是独立的，前面的结果不会影响后面的概率。每次事件都是 独立 的，这个就是前提。但是不得不说，现实生活中，大多事情彼此都是有关联的，只有少数的场合可能会存在独立：赌场、彩票或者书里。
还有一类是 忽视基本概率谬误 。这个可能理解起来有点困难。但是我很喜欢这个谈这个思维漏洞。现在假设有一个姑娘会对着她喜欢的人笑，现在你发现这个姑娘在看见你时，85%的情况都会对你笑，现在让你估计一下这个姑娘喜欢你的概率。很多人对这个问题的答案都大于80%。但是实际并不是，一个姑娘会对着她喜欢的人笑，但这并不意味着她对你笑就是喜欢你，因为我们忽略了一个概率，那就是 基础概率 ，忽略了她喜欢一个人的概率其实是很低的。当然，我们可以用贝叶斯公式来理解这个问题。
最后我们要说的就是概率。概率指的是一件事情发生的可能。
其实我们的大脑对概率是没有直观理解的。在1972年的电击实验中，就已经证明了这一点。所以对于概率，我们必须要学习。但我们的潜意识（系统1）对这种事还不是很适应，于是就有了第一类谬误。
关于概率的谬误，我首先要说的是： 忽视概率谬误 。忽视概率谬误，指的是 我们无法直觉理解风险 。这个例子很好举，有两个赌博游戏，一个奖金是1亿，赢得概率是一亿分之一，另一个奖金是一万，赢得概率是千分之一。冲动总会将我们拉向第一个游戏，但是理智告诉我们第二个会收益更高。或许你觉得这个例子太简单，但是想想我们是不是在听完飞机失事后，会倾向于优先坐火车。虽然飞机失事率极低。
提到飞机失事的例子，顺便再举一个，这就是 现成谬误 。现成谬误指的是 我们往往会把想象作为现实 。比如我问你，飞机和汽车哪个更危险？直觉会告诉我们：飞机更危险。当然，事实并非如此，每年死于车祸的人远远多于死于飞机失事的人。
最后再举一个例子， 零风险谬误 。零风险谬误指的是，人们往往愿意支付过高的成本将风险降至为零。比如说，政府有一笔资金，有两种策略：一种是将饮用水的有毒概率从5%降至1%，另一种是将1%降至为零。从统计学来讲，第一种策略更为理智，但是测试表明，超过半数的人会选择第二种策略。这也说明人是很难保证理智的。
谬误是对人类理性的考验，思考这条路，没有捷径。
❿ 统计的谬误
从一个小故事讲起。
一天吃午餐，同桌的一个同事讲自己的养生理论——每天睡前一杯红酒可以促进健康。据说，每天一杯葡萄酒可以延缓衰老，抗癌，降低胆固醇，防止心血管疾病等等。
作为数据控，我利用一个午休时间查询相关数据和出处——表面上看确实如此，各种微量元素，各种白藜芦醇等等，把人看的一愣一愣。最权威的莫过于《自然》杂志援引一组统计数据，据称，在一项长期跟踪的统计学调查中，喝红酒的人对比不喝红酒的人，心血管的健康程度存在显著性差异。
于是，作为自我感觉亚健康的人，我也打算遵循此法，京东买点红酒喝一喝。一查之下，我才恍然大悟。额滴神啊，一瓶红酒，便宜的大约要100元左右。如果每天喝一杯，夫妻俩大约5天要喝掉一瓶。那每个月的红酒开支就要600元左右，比我的伙食费还贵。
延伸开想，试想一下，能做到每晚睡觉前喝一杯红酒的，一定是生活相对富裕，而且对自身健康关注度较高的人群。这类人，有更大的能力选择更健康的食品，并且可以享受更好的医疗条件，所以，喝不喝这一杯葡萄酒，他们在健康方面也能拥有“显著性差异”。
再在举个例子，如果统计劳斯莱斯车主和海马车主的平均寿命，肯定会得到“劳斯莱斯车主比海马车主更长寿”这样的结论。那当然了，他们拥有更好的生活品质，更好的医疗水平等等，如果据此得出“开劳斯莱斯”比开海马具有更显著的保健作用，那就滑天下之大稽了。
大家可能会觉得这类统计谬误离我们很遥远，其实在我们身边也无所不在。比如，2012年，海南有一段时间物价上涨非常快，某电视台的记者就在广场上通过随机采访路人的方式，想知道群众对物价上涨的看法。（她肯定以为这个就是所谓的随机抽样）。奇怪的是，记者一共问了10个人，有8个人回答“感觉物价上涨不明显”。于是，记者得出结论：经过调查，80%的群众认为物价上涨不明显。而其实，她选择的采访地点是海南最贵的商场望海国际，问的人也都是穿着体面来购物消费的女士。这样的统计结论，即使选取的样本再大，也会出现明显的偏误。
还有一个段子，2017年春节，央视记者在火车上做春运采访，挨个问大家：您买到火车票了吗？得到的答案都是“买到了”。于是，记者得出结论，今年的春运火车票一点都不紧张，大家基本上都买到票了。
所以，我们常说，不能相信直觉，要相信数据。但有时候，数据也是会骗人的，而且大多是“一本正经并且引经据典”地骗你。让你防不胜防。
所以，一定要睁大眼睛，尤其是在看到媒体引用“数据“并作出结论的时候，可能超过八成，这个结论都是错的。