Comment mentir avec les statistiques ?
Est-il possible de mentir en utilisant des statistiques ? En effet, c’est le cas, et cela pourrait être plus répandu que vous ne le pensez.
Alors, comment manipuler les statistiques et, plus important encore, comment éviter de devenir la proie de ces distorsions ?
Cet article explore diverses techniques souvent utilisées pour déformer les données et constitue une référence inestimable pour les lecteurs cherchant à éviter toute tromperie.
Les journalistes, les spécialistes du marketing et même les scientifiques peuvent parfois utiliser des statistiques, des diagrammes, des tableaux et des graphiques de manière à induire le public en erreur. Il est donc essentiel de rester vigilant et de ne pas tomber dans le piège de ces tromperies !
Le problème
Il est généralement admis que les données statistiques, lorsqu’elles sont utilisées pour présenter des informations, confèrent un air de crédibilité au message véhiculé. Il s'agit d'une réaction attendue, démontrant le respect et l'estime des gens pour le domaine de la statistique.
Cependant, les opportunistes peuvent exploiter cette confiance en présentant de fausses informations déguisées en vérité en s’appuyant sur des données statistiques concoctées ou manipulées. Lorsqu’elles sont examinées, ces tromperies sont généralement fragiles ou totalement infondées.
Cet article fournit des informations et des ressources précieuses aux analystes de données et à ceux qui ne souhaitent plus se laisser tromper par la tromperie statistique.
Les manipulations statistiques imprègnent de nombreux secteurs sociétaux, avec de profondes répercussions sur nos vies. Par exemple, une combinaison bien planifiée de données sur les intentions des électeurs, de journalisme et de marketing pourrait influencer de manière décisive les résultats des élections.
Pour éviter de se tromper, il est crucial de comprendre les techniques qui se cachent derrière ces manipulations.
La solution
En 1954, Darrell Huff a publié « Comment mentir avec les statistiques ». Cet ouvrage influent explore les techniques statistiques populaires, exposant les méthodes manipulatrices qui cherchent à induire en erreur plutôt qu’à informer.
"Darrell Huff couvre toute la gamme de tous les types de statistiques couramment utilisés, sonde des éléments tels que l'étude d'échantillon, la méthode de tabulation, la technique d'entretien ou la manière dont les résultats sont dérivés des chiffres, et souligne le nombre incalculable d'esquives qui sont utilisé pour compléter plutôt que pour informer."
Bien que plus d'un demi-siècle se soit écoulé depuis sa publication, Bill Gates a souligné que les idées contenues dans le livre sont plus pertinentes que jamais. Les principaux points à retenir de chacun de ses dix chapitres sont abordés dans les sections suivantes.
Intéressé à acheter « Comment mentir avec les statistiques » ? Cliquez ici!
01. L'échantillon avec le biais intégré
Ce chapitre introduit le concept de biais d'échantillonnage. Vous pouvez obtenir le résultat souhaité si vous manipulez la sélection de l’échantillon pour corroborer vos points de vue.
Un biais apparaît lorsque la sélection aléatoire des données est compromise. Théoriquement, chaque point de données devrait avoir une chance égale d’être choisi pour l’échantillon, mais l’échantillonnage biaisé ne tient pas compte de ce principe.
En pratique, la sélection des échantillons peut être guidée en fonction du résultat souhaité. Par exemple, la conception et la mise en œuvre d’un entretien peuvent être manipulées pour induire des réponses spécifiques. Ce domaine regorge d’opportunités de tromperie et de fraude.
02. La moyenne bien choisie
Dans cette section, Huff explique comment sélectionner la mesure de tendance centrale qui donne la valeur la plus propice à votre argument. Les mesures critiques de tendance centrale comprennent la moyenne arithmétique, la médiane et mode.
Par exemple, considérons un bar avec neuf clients, chacun avec des revenus annuels respectifs de 15, 15, 16, 18, 20, 20, 21, 21 et 84 mille dollars. Le revenu moyen est de 26,000 20,000 $, tandis que le revenu médian est de XNUMX XNUMX $.
Supposons que Bill Gates entre dans un bar avec un revenu annuel de 10 millions de dollars. Le revenu moyen grimpe à 1 million de dollars, mais la médiane reste à 20,000 1 dollars. Ainsi, le propriétaire du bar pourrait désormais affirmer que ses clients ont un revenu annuel moyen d'environ XNUMX million de dollars !
03. Les petits chiffres qui ne sont pas là
L'omission de données indique généralement une tentative de dissimulation d'un problème. Ce chapitre souligne l’importance de la taille de l’échantillon.
Lorsqu’il s’agit d’un petit échantillon, le hasard peut fausser considérablement les résultats. Des échantillons plus grands diluent les écarts aléatoires, produisant des résultats plus représentatifs de la population.
Certaines entreprises mènent des expériences à plusieurs reprises avec de petits groupes jusqu'à ce qu'elles obtiennent un résultat qui corresponde à leur agenda. Ce résultat biaisé se propage ensuite à travers la publicité de l'entreprise.
Souvent, la présentation comparative d’une valeur constitue l’approche la plus efficace. Par exemple, un graphique comportant des données manquantes n’apporte rien au spectateur averti mais peut induire en erreur celui qui est distrait.
Ce chapitre explore également comment la présentation d’une moyenne sans aucune mesure de variabilité peut conduire à des malentendus, en particulier parmi ceux qui doivent y prêter plus d’attention.
04. Beaucoup de bruit pour pratiquement rien
Huff discute des erreurs de mesure dans ce chapitre et souligne l’importance d’utiliser intervalles de confiance pour les gérer. De telles erreurs sont inhérentes à tous les processus d'échantillonnage. Il convient donc de les prendre en compte, car un échantillon ne représentera jamais parfaitement sa population mère.
05. Le graphique gee-whiz
La manipulation de représentations graphiques est une méthode puissante pour tromper les imprudents. En modifiant la perspective du graphique, des faits spécifiques peuvent être mis en valeur de manière disproportionnée.
Tronquer une partie du graphique ou déformer les proportions des axes peut modifier considérablement le message.
06. L'image unidimensionnelle
Cette forme de manipulation capitalise sur l’attrait visuel. Les mêmes données peuvent être représentées dans un graphique de forme appropriée et un pictogramme trompeur.
Par exemple, si la hauteur d’un graphique de sac d’argent est doublée, sa surface quadruple, ce qui peut exagérer les différences perçues.
07. La figure semi-attachée
Cette technique manipulatrice repose sur le principe : «Si vous ne pouvez pas prouver ce que vous voulez, démontrez autre chose et faites comme si c'était la même chose."
"Vous ne pouvez pas prouver que votre nstrum guérit le rhume, mais vous pouvez publier (en gros caractères) un rapport de laboratoire assermenté selon lequel une demi-once de substance a tué 31,108 XNUMX germes dans un tube à essai en onze secondes. »
Par exemple, affirmer que plus de personnes sont mortes dans des accidents d’avion l’année dernière qu’en 1910 ne signifie pas nécessairement que les avions modernes sont plus dangereux. En conséquence, le volume du transport aérien a augmenté de façon exponentielle depuis 1910, ce que cette affirmation trompeuse néglige commodément.
08. Encore des balades post-hoc
Corrélation ne signifie pas causalité! Ce chapitre souligne ce concept crucial.
L'erreur logique post hoc affirme que A doit avoir causé B si B suit A.
Cependant, le rapprochement de deux variables n’implique pas toujours une relation de cause à effet.
09. Comment statistiquer
"Ce ne sont pas tant les choses que nous ignorons qui nous causent des ennuis. Ce sont les choses que nous savons qui ne sont pas vraies. »
Artemus Ward, écrivain américain
La diffusion de fausses informations via des données statistiques est appelée « statistique ». Ce chapitre explore l’utilisation de manipulations statistiques pour fabriquer un mensonge.
Par exemple, dans une étude scientifique, un chercheur peut être enclin (consciemment ou inconsciemment) à privilégier un argument qu’il souhaite valider.
10. Comment répondre à une statistique
Pour identifier les erreurs, les problèmes ou les intentions malveillantes, posez toujours ces cinq questions de base :
#01 Qui le dit ?
Il ne doit y avoir aucune partialité, parti pris ou conflit d’intérêts de la part des responsables.
#02 Comment le sait-il ?
L'échantillon doit être représentatif et adéquat pour permettre une conclusion fiable.
#03 Qu'est-ce qui manque ?
Il ne doit y avoir aucune information manquante, telle que la taille de l'échantillon, les erreurs statistiques, les mesures de variabilité ou toute autre caractéristique et analyse essentielle de la population.
#04 Quelqu'un a-t-il changé de sujet ?
La question et la réponse doivent traiter du même sujet.
#05 Est-ce que ça a du sens ?
Renseignez-vous sur l'utilisation de nombres absurdes.
Remarques finales
« Comment mentir avec les statistiques » est essentiel pour développer les connaissances statistiques et se prémunir contre les manipulations quotidiennes.
Nous le recommandons vivement aux chercheurs, aux professionnels, aux étudiants et au grand public.
Pour plus d’informations sur la manière dont les statistiques peuvent être utilisées pour déformer les informations, lisez notre article informatif « Statistiques et fausses nouvelles ».
Pour plus de conseils sur l’utilisation des statistiques pour manipuler l’information, lisez notre excellent article intitulé «Statistiques et fausses nouvelles. »
Intéressé à acquérir ce livre classique, « Comment mentir avec les statistiques » ? Cliquez ici!
