C’è un vecchio adagio che le cifre non mentono, ma i bugiardi sanno come capire. In un certo senso questo rappresenta la diffidenza delle persone nei confronti delle statistiche. L’interpretazione statistica può far apparire i dati fuorvianti. Dipende dall’interpretazione dei dati da parte dello statistico e da quali cifre vengono portate in primo piano come punti chiave di un rapporto statistico.
Ad esempio, al liceo classico, gli studenti ora studiano misure di tendenza centrale, che sono media, mediana, moda e intervallo. La media è una somma di tutti i dati, divisa per il numero di dati. Ad esempio, si potrebbe ottenere la somma dei punteggi dei test di una persona e dividerla per il numero di test per determinare un voto. Tuttavia, la media può essere influenzata da ciò che viene chiamato un valore anomalo, un numero molto al di fuori del normale intervallo di test. Ciò può suggerire che la media può essere un modo fuorviante di valutare le prestazioni.
Se una persona fa perfettamente cinque test e non riesce a fare un sesto test guadagnando così uno zero, la media riflette questo. Se i test valgono tutti 100 punti, ad esempio, il punteggio medio è di circa l’85%. Tuttavia, questo non suggerisce realmente prestazioni medie in questo caso a causa del valore anomalo pari a zero.
Un’altra misura della tendenza centrale che può essere utilizzata è la valutazione della mediana. La mediana è il numero centrale in un gruppo di dati disposti numericamente. Se uno statistico valuta per la mediana, questa potrebbe non essere rappresentativa di una vera media delle prestazioni o di qualsiasi cosa venga valutata. La mediana non può tenere conto di un intervallo di dati che può essere enorme e quindi può essere fuorviante.
La tendenza centrale valutata per modalità significa semplicemente guardare un numero che si verifica più spesso in un insieme di dati. Quindi il candidato al test, ad esempio, ha una modalità di 100. Tuttavia, questo non riflette che la persona che ha sostenuto il test non è riuscita a sostenerne uno, il che è fuorviante.
Altri modi in cui le statistiche possono essere fuorvianti sono il modo in cui vengono poste le domande, forse in un sondaggio, e il grado in cui il sondaggio è un campione rappresentativo di una comunità. Se si esamina un gruppo di studenti delle scuole superiori e si chiede “Quanto sei soddisfatto della tua istruzione su una scala da 1 a 5?” si possono ottenere risposte molto diverse a seconda che il gruppo sia rappresentativo dello studente “medio”.
Se si esamina un gruppo di studenti che ottengono tutti l’As e vanno in una scuola fantastica e ben finanziata, pubblicare tali dati come campione rappresentativo è deliberatamente fuorviante. Se si chiede a studenti di scuole diverse con voti diversi, è probabile che un sondaggio sia più rappresentativo e più equo. Tuttavia, se si chiede agli studenti cosa pensano delle scuole e poi si pubblicano i risultati come campione rappresentativo della popolazione generale, le risposte saranno molto distorte.
I numeri possono sembrare molto concreti e alcuni sono fuorviati dai numeri semplicemente perché sembrano fatti e hanno un valore indiscutibile. Pertanto, i dati statistici possono essere spesso utilizzati in modo fuorviante per stupire le persone con i numeri e far sembrare le cose controverse più come realtà. Gli statistici rispettabili sanno che le domande devono essere generalizzate e devono essere poste anche alle persone che rappresentano le popolazioni.
Tuttavia, i numeri e le statistiche possono essere fuorvianti perché non rappresentano l’individuo. Possono mostrare come le persone “in generale” rispondono a un’idea, a un prodotto o a un candidato politico. Non possono mostrare come si sentirà una singola persona in tutte le sue qualità infinitamente variabili.