Statistik adalah alat yang berguna untuk memahami pola di dunia sekitar kita. Tapi intuisi kita sering membuat kita tidak bisa menafsirkan pola-pola itu. Dalam seri ini kita melihat beberapa kesalahan umum yang kita buat dan bagaimana menghindarinya saat memikirkan statistik, probabilitas dan risiko.

1. Dengan mengasumsikan perbedaan kecil itu bermakna

Banyak fluktuasi harian di pasar saham merupakan peluang daripada sesuatu yang berarti. Perbedaan dalam pemungutan suara ketika satu pihak di depan satu atau dua poin seringkali hanya gangguan statistik.

Anda dapat menghindari kesimpulan yang salah tentang penyebab fluktuasi seperti itu dengan menuntut untuk melihat "margin of error" yang berkaitan dengan angka-angka tersebut.

Jika selisihnya lebih kecil dari margin error, kemungkinan tidak ada perbedaan berarti, dan variasinya mungkin hanya turun ke fluktuasi acak.

Bar kesalahan menggambarkan tingkat ketidakpastian dalam skor. Bila margin kesalahan seperti itu tumpang tindih, perbedaannya mungkin karena kebisingan statistik.

2. Menyamakan signifikansi statistik dengan signifikansi dunia nyata

Kita sering mendengar generalisasi tentang bagaimana dua kelompok berbeda dalam beberapa hal, seperti bahwa wanita lebih asuh sementara pria secara fisik lebih kuat.

Perbedaan ini sering mengacu pada stereotip dan kebijaksanaan rakyat namun sering mengabaikan kesamaan pada orang-orang di antara kedua kelompok tersebut, dan variasi pada orang-orang di dalam kelompok.

Jika Anda memilih dua orang secara acak, kemungkinan ada banyak perbedaan dalam kekuatan fisik mereka. Dan jika Anda memilih satu pria dan satu wanita, mereka mungkin berakhir sangat mirip dalam hal mengasuh, atau pria itu mungkin lebih asuh daripada wanita itu.

Anda dapat menghindari kesalahan ini dengan meminta "ukuran efek" dari perbedaan antar kelompok. Ini adalah ukuran rata-rata satu kelompok berbeda dari rata-rata yang lain.

Jika ukuran efeknya kecil, maka kedua kelompok sangat mirip. Bahkan jika ukuran efeknya besar, kedua kelompok kemungkinan masih akan memiliki banyak variasi di dalamnya, jadi tidak semua anggota satu kelompok akan berbeda dari semua anggota kelompok lain.

3. Mengabaikan untuk melihat ekstrem

Flipside efek ukuran relevan bila hal yang Anda fokuskan mengikuti "distribusi normal"(Kadang disebut" kurva lonceng "). Di sinilah kebanyakan orang mendekati nilai rata-rata dan hanya kelompok kecil yang jauh di atas atau jauh di bawah rata-rata.

Ketika itu terjadi, perubahan kecil dalam kinerja kelompok menghasilkan perbedaan yang tidak berarti bagi rata-rata orang (lihat butir 2) namun hal itu mengubah karakter ekstrem secara lebih radikal.

Hindari kesalahan ini dengan merenungkan apakah Anda menghadapi hal yang ekstrem atau tidak. Bila Anda berurusan dengan orang biasa, perbedaan kelompok kecil seringkali tidak masalah. Bila Anda sangat peduli dengan hal yang ekstrem, perbedaan kelompok kecil bisa menjadi masalah.

Ketika dua populasi mengikuti distribusi normal, perbedaan di antara keduanya akan lebih jelas pada tingkat ekstrem daripada rata-rata.

4. Percayalah secara kebetulan

Tahukah anda ada a korelasi antara jumlah orang yang tenggelam setiap tahun di Amerika Serikat dengan jatuh ke kolam renang dan jumlah film Nicholas Cage muncul?

Tapi apakah ada hubungan kausal? tylervigen.com

Jika Anda melihat cukup keras Anda bisa menemukan pola dan korelasi menarik yang hanya karena kebetulan.

Hanya karena dua hal terjadi pada perubahan pada saat bersamaan, atau dalam pola yang sama, tidak berarti mereka terkait.

Hindari kesalahan ini dengan menanyakan seberapa handal asosiasi yang diamati. Apakah itu one-off, atau pernah terjadi beberapa kali? Bisakah asosiasi masa depan diprediksi? Jika Anda pernah melihatnya hanya sekali, maka kemungkinannya adalah karena kebetulan secara acak.

5. Mendapatkan sebab akibat mundur

Ketika dua hal berkorelasi - katakanlah, masalah pengangguran dan kesehatan mental - mungkin tergoda untuk melihat jalur sebab-sebab "jelas" - katakan bahwa masalah kesehatan mental menyebabkan pengangguran.

Tapi terkadang jalan kausal menuju ke arah lain, seperti pengangguran menyebabkan masalah kesehatan mental.

Anda dapat menghindari kesalahan ini dengan mengingat untuk berpikir tentang kausalitas terbalik saat Anda melihat sebuah asosiasi. Mungkinkah pengaruhnya menuju ke arah lain? Atau bisakah keduanya menghasilkan dua hal, menciptakan sebuah umpan balik?

6. Lupa untuk mempertimbangkan penyebab dari luar

Orang sering gagal mengevaluasi kemungkinan "faktor ketiga", atau sebab dari luar, yang dapat menciptakan hubungan antara dua hal karena keduanya sebenarnya merupakan hasil dari faktor ketiga.

Misalnya, mungkin ada hubungan antara makan di restoran dan kesehatan kardiovaskular yang lebih baik. Itu bisa membuat Anda percaya ada hubungan kausal antara keduanya.

Namun, mungkin ternyata orang-orang yang mampu makan di restoran secara teratur berada dalam kelompok sosioekonomi tinggi, dan juga dapat memperoleh perawatan kesehatan yang lebih baik, dan ini adalah perawatan kesehatan yang memberi kesehatan kardiovaskular yang lebih baik.

Anda dapat menghindari kesalahan ini dengan mengingat untuk memikirkan faktor ketiga saat Anda melihat korelasi. Jika Anda menindaklanjuti satu hal sebagai penyebab yang mungkin, tanyakan pada diri Anda apa, sebaliknya, menyebabkan hal itu? Mungkinkah faktor ketiga tersebut menyebabkan kedua hasil yang diamati?

7. Grafik yang menipu

Banyak kenakalan terjadi pada penskalaan dan pelabelan sumbu vertikal pada grafik. Label harus menunjukkan jangkauan penuh penuh dari apa pun yang Anda lihat.

Tapi terkadang pembuat grafik memilih kisaran yang lebih sempit untuk membuat perbedaan kecil atau asosiasi terlihat lebih berdampak. Pada skala dari 0 ke 100, dua kolom mungkin terlihat sama tingginya. Tapi jika Anda menampilkan data yang sama hanya dari 52.5 ke 56.5, kemungkinan akan terlihat berbeda secara drastis.

Anda dapat menghindari kesalahan ini dengan memperhatikan label grafik sepanjang sumbu. Jadilah sangat skeptis terhadap grafik yang tidak berlabel.

Grafik dapat memberi tahu perbedaan pembuatan cerita terlihat lebih besar atau lebih kecil tergantung skala.

Tentang Penulis

Winnifred Louis, Profesor Associate, Psikologi Sosial, Universitas Queensland dan Cassandra Chapman, PhD Calon Psikologi Sosial, Universitas Queensland

Artikel ini awalnya diterbitkan pada Percakapan. Membaca Artikel asli.

Buku terkait:

at Pasar InnerSelf dan Amazon