सांख्यिकी के साथ झूठ कैसे करें

अंकगणित साधनों के साथ झूठ बोलना यह मीडिया ऊपर बताए गए तरीकों में से सबसे आसान प्रतीत हो सकता है, लेकिन ऐसा बिल्कुल भी नहीं है। इसका कारण यह है कि डेटा सूची में बेहद ऊंची या कम संख्या में औसत मूल्य में काफी उतार-चढ़ाव हो सकता है। आप चरम पर डेटा पर विचार करके और समीकरण में उनका उपयोग करके अंकगणित औसत के साथ दिमागते हैं।

भारित औसत के साथ झूठ बोलना यह औसत वास्तव में सबसे कठिन मूल्य है "धोखा"क्योंकि यह सूची में अधिकतर मूल्यों की तुलना में बहुत अधिक या बहुत कम नहीं हो सकती। यह बल द्वारा केंद्र में वापस आना चाहिए। हालांकि, आप भारित औसत का उपयोग बहुत बड़ी या बहुत छोटी संख्या छुपा सकते हैं। उदाहरण के लिए, यदि डेटा की सूची 1, 1, 2, 3, 4, 5, 3000 है, तो भारित औसत 3 है

सामंजस्यपूर्ण औसत के साथ झूठ बोलना कुछ मामलों में हार्मोनिक औसत के साथ झूठ करना लगभग असंभव है - उदाहरण के लिए, प्रति व्यक्ति खरीदे गए टिकटों की औसत संख्या, इस प्रकार की गणना में लगभग हमेशा एक विश्वसनीय आंकड़ा है। फिर भी, हार्मोनिक औसत हालांकि विशेष रूप से छोटे नमूनों में महत्वपूर्ण डेटा को बाहर कर सकते हैं।

संख्याओं के प्रतिनिधित्व के साथ झूठ बोलना यदि आपके पास ठोस संख्याओं (उदाहरण के लिए, एक ग्राहक संतुष्टि सर्वेक्षण) के बजाय अमूर्त डेटा की एक सूची है, तो यह लगभग इस डेटा के साथ झूठ बोलना आसान है। यदि आप लोगों से 1 से 3 के पैमाने पर अपनी संतुष्टि की दर को बताने के लिए कहें, तो इसका जरूरी नहीं मतलब यह है कि जो ग्राहक 3 को चुना है वे उन लोगों की तुलना में तीन गुणा अधिक खुश हैं जिन्होंने 1 चुना है। यह गणना मुख्य रूप से विषम औसत के लिए प्रयोग की जाती है, लेकिन यह कभी-कभी भारित औसत और यहां तक ​​कि अंकगणित औसत पर लागू किया जा सकता है।

नियंत्रित नमूना का उपयोग करें सबसे सटीक डेटा नमूने न केवल बड़े हैं, लेकिन ये भी बड़े हैं। एक रेगिस्तान में खनिजों के प्रकार पर एक भूवैज्ञानिक सर्वेक्षण एक अधिक सटीक सूची होगा यदि आप एक ही बिंदु से 1000 नमूनों को इकट्ठा करने के बजाय, रेगिस्तान के हर हिस्से से कई नमूने एकत्र करते हैं। अपने डेटा नमूने के दायरे को सीमित करके, आप परिणामों को महत्वपूर्ण रूप से प्रभावित कर सकते हैं।

एक असंतुलित नमूना का उपयोग करें यह तकनीक विशेष रूप से सूक्ष्म है क्योंकि यह उपयोगकर्ता के बहुत सारे विवरण छिपा सकता है। यह चाल डेटा का उपयोग करना है जिसे निष्पक्ष रूप से तुलना नहीं किया जा सकता है, और उनका इलाज करें जैसे कि वे समान स्तर पर होते हैं उदाहरण के लिए, अगर 100,000 निवासियों का शहर है जो 10 वर्षों में 10 हजार निवासियों द्वारा विकसित हुआ है, और 10 के एक शहर के साथ तुलना करता है जिसने पिछले 10 वर्षों में 10 अन्य निवासियों को अर्जित किया है, प्रत्येक जनसंख्या वृद्धि के लिए प्रतिशत दिखाई देगा दिखाओ कि छोटे शहर में बहुत तेजी से वृद्धि हुई है।

Y पर बहुत बड़े या छोटे अंक का उपयोग करें मान लीजिए कि डेटा सेट 1 से 50 के बीच है। मतभेदों को छिपाने के लिए, आप 100 के पैमाने पर y- अक्ष को माप सकते हैं, लेकिन 1/10 वेतन वृद्धि में वाई-अक्ष को मापने से डेटा को गलत तरीके से सुधार किया जा सकता है। 3 और 10 के बीच का अंतर बड़ा लगता है, दसवीं में मापा जाता है (यह 70 इकाइयां हैं!), लेकिन यह एक चार्ट पर मुश्किल से दिखाई देता है जिसका स्तर हर 100 (यह बहुत अधिक है, 1 यूनिट से भी कम है! )।

अंतराल के माध्यम से आंशिक रूप से y- अक्ष सेट करें। डेटा 11 से 51 से लेकर अंतराल, आप कर सकते हैं यह भी उच्च और भी कम चरम मानों देखो, y- अक्ष लेबलिंग इतना है कि यह `बार 11 केवल अभी सब से ऊपर का प्रतिनिधित्व करती है 10 शुरू होता है इस तरह एक्स अक्ष इससे डेटा को लगभग अशक्त दिखाई देगा, जब तक कि कोई व्यक्ति वास्तव में बारीकी से निरीक्षण करने के लिए पर्याप्त नहीं है और यह पता चलता है कि चार्ट मूल्य 10 से शुरू होता है और 0 से नहीं।

एक अनुचित सीढ़ी का उपयोग करें जब भी आप शब्द देखेंगे "पैमाने पर नहीं" अंतिम प्रिंट में, यह संभव है कि इस तरह एक उदाहरण बनाया गया था। यह हमेशा शरारती नहीं होता है - कभी-कभी इसमें शामिल संख्या इतनी अलग होती है कि उन्हें उसी चार्ट पर सटीक रूप से प्रतिनिधित्व करने का कोई रास्ता नहीं है। इस प्रकार, गैर-अनुशंसित प्रयोजनों के लिए इसका आसानी से इस्तेमाल किया जा सकता है