1948 সালে, মার্কিন যুক্তরাষ্ট্রে নির্বাচনের রাতে ট্রাম্যান (ডেমোক্র্যাটস) বনাম দেউই (রিপাবলিকান) রাষ্ট্রপতি পদে দৌড়ের সময়, শিকাগো ট্রিবিউন সম্ভবত এর সবচেয়ে বিখ্যাত শিরোনাম প্রকাশ করেছিল, ডিউয়ে ডিফিয়েটস ট্রামান (ছবি দেখুন)। ভোটকেন্দ্রগুলি বন্ধ হওয়ার পরপরই পত্রিকাটি একটি জরিপ পরিচালনা করেছিল, যাতে প্রচুর ভোটারকে (একটি নমুনার পক্ষে যথেষ্ট) আহ্বান জানানো হয়েছিল এবং সবকিছুই ডিউয়ের পক্ষে এক দুর্দান্ত বিজয়ের সূচনা করেছিল। ফটোতে দেখা যাচ্ছে ট্রাম্যান, 48 তম নির্বাচনের বিজয়ী, হাসছেন। কি ভুল ছিল?

লোকেরা সুযোগ পেয়ে এবং পর্যাপ্ত সংখ্যায় ফোন করা হয়েছিল, কিন্তু 48 তম বছরে ফোনটি কেবলমাত্র একটি নির্দিষ্ট আয়ের লোকদের জন্যই পাওয়া যায় এবং খুব কম আয়ের লোকদের মধ্যে খুব কমই পাওয়া যায়। সুতরাং, ভোটদান পদ্ধতি নিজেই ভোট বিতরণের একটি সংশোধনী প্রবর্তন করে। এই নমুনা ট্রুমানের ভোটারদের মোটামুটি প্রশস্ত স্তরকে বিবেচনায় নেয় নি (একটি নিয়ম হিসাবে, গরিবদের মধ্যে ডেমোক্র্যাটদের ভোটের একটি বড় অংশ রয়েছে), যার জন্য টেলিফোন পাওয়া যায়নি। এই নির্বাচনকে পক্ষপাতদুষ্ট বলা হয়।

সঠিক গড় চয়ন করুন (ভাল-নির্বাচিত গড়)

এমন একটি সংস্থা কল্পনা করুন যেখানে একজন পরিচালক ২৫ হাজার পেয়েছেন, তার উপ-উপ 7..6 হাজার, শীর্ষ পরিচালকদের – ৫.৫ হাজার, মাঝারি ব্যবস্থাপক – সাড়ে ৩ হাজার, জুনিয়র ম্যানেজাররা – আড়াই হাজার এবং সাধারণ কর্মী – প্রতি মাসে 1, 4 হাজার (বিমূর্ত পাউন্ড) পাবেন।
এবং আমাদের কাজটি ইতিবাচক আলোকে সংস্থা সম্পর্কে তথ্য উপস্থাপন করা present আমরা কোম্পানিতে গড় বেতন এক্স লিখতে পারি, তবে গড় মানে কী? সম্ভাব্য বিকল্পগুলি বিবেচনা করুন (নীচের চিত্রটি দেখুন): কিছু সুনির্দিষ্ট সেট এক্স = {xi of এর গাণিতিক গড়টি সমীকরণ থেকে গড় (X) এর সমান একটি সংখ্যা:

এটি কোনও কর্মচারীর দৃষ্টিকোণ থেকে প্রাপ্ত তথ্যগুলির সবচেয়ে অকেজো টুকরো – 3.472 গড় মজুরি, তবে কী এমন উচ্চ চিত্র তৈরি করে? ব্যবস্থাপনার উচ্চ বেতনের কারণে যা এই ধারণা তৈরি করে যে কর্মচারী একই পরিমাণ পাবে। কর্মচারীর দৃষ্টিকোণ থেকে, এই মানটি বিশেষ তথ্যবহুল নয়।
অবশ্যই, লোককলা একটি পাটিগণিত গড় হিসাবে “গড় আকার” এর এই বৈশিষ্ট্যটিকে বাইপাস করেনি

অফিসাররা মাংস খায়, আমি বাঁধাকপি খাই। গড়ে, আমরা বাঁধাকপি রোল খাই eat

কিছু ডিস্ট্রিবিউশন পি (এক্স) এর মিডিয়ান (এক্স = {এক্সআই}) এমন একটি মান মি যা এটি নীচের সমীকরণকে সন্তুষ্ট করে: সহজভাবে বলতে গেলে অর্ধেক শ্রমিক এই মানের চেয়ে বেশি পান, এবং অর্ধেক কম – ঠিক মাঝের মাঝখানে বিতরণ! এই পরিসংখ্যান সংস্থার কর্মীদের জন্য বেশ তথ্যবহুল, কারণ এটি আপনাকে নির্ধারণ করতে দেয় যে কীভাবে কর্মচারীর বেতন বেশিরভাগ কর্মচারীর সাথে সংযুক্ত থাকে। একটি সসীম সেট X = = xi} এর মোড হল সংখ্যাটি এম যা বেশিরভাগ ক্ষেত্রে এক্স এর মধ্যে ঘটে m এক্ষেত্রে, কোনও প্রদত্ত সংস্থায় কাজ শুরু করতে যাওয়া ব্যক্তির পক্ষে ফ্যাশন সবচেয়ে তথ্যবহুল হতে পারে।

সুতরাং, পরিস্থিতির উপর নির্ভর করে, গড় মান উপরের যে কোনও মান হিসাবে (মূলত কেবল তাদের মধ্যে নয়) হিসাবে বোঝা যায়। সুতরাং, এই গড়টি কীভাবে গণনা করা হয় তা বোঝা মৌলিকভাবে গুরুত্বপূর্ণ।

এবং আরও 10 টি ব্যর্থ পরীক্ষা-নিরীক্ষা যা আমরা লিখিনি

আসুন সালফিউরিক অ্যাসিডে একটি সাধারণ সংবাদপত্র এবং টিভি পার্ক ম্যাগাজিনকে পাতিত পানিতে রাখি! পার্থক্য অনুভব? ম্যাগাজিনের কিছুই হয়নি – কাগজটি নতুনের মতো! আমাদের গবেষণা রিপোর্টে ডক এর টুথপেস্ট প্রতিযোগিতার চেয়ে 23% বেশি কার্যকর, ডা কর্নিশের টুথ পাউডারকে ধন্যবাদ! (যার মধ্যে সম্ভবত β-ক্যারোটিন এবং বনের গোপন সূত্র রয়েছে – লেখকের নোট)) আপনি অবাক হতে পারেন তবে গবেষণাটি আসলে সম্পাদিত হয়েছিল এবং এমনকি একটি প্রযুক্তিগত প্রতিবেদনও প্রকাশ করা হয়েছিল। এবং পরীক্ষায় দেখা গেছে যে টুথপেস্ট প্রতিযোগিতার চেয়ে 23% বেশি কার্যকর (যার অর্থ যাই হোক না কেন)। তবে এটি কি পুরো গল্প?

বাস্তবে, পরীক্ষার নমুনাটি ছিল মাত্র এক ডজন লোক (ড্যারেল হাফ এবং ইতিমধ্যে উল্লিখিত বই অনুসারে)। আপনার কোনও ফলাফল পাওয়ার জন্য এটি হ’ল নমুনা! ধরা যাক আমরা পাঁচবার একটি মুদ্রা ফ্লিপ করি। আপনি পাঁচবার মাথা উঁচু করে নেওয়ার সম্ভাবনা কী? (1/2) 5 = 1/32। মাত্র এক বত্রিশ, এটি কেবল কাকতালীয় ঘটনা হতে পারে না যে পাঁচটি মাথা উঠে আসে, তাই না? এখন কল্পনা করুন যে আমরা এই পরীক্ষাটি 50 বার পুনরাবৃত্তি করি। এর মধ্যে কমপক্ষে একটি প্রচেষ্টা সফল হবে। আমরা প্রতিবেদনে এটি সম্পর্কে লিখব, এবং অন্যান্য সমস্ত পরীক্ষাগুলি কোথাও যাবে না। সুতরাং, আমরা একচেটিয়াভাবে এলোমেলো ডেটা পাবেন যা আমাদের কাজের সাথে পুরোপুরি ফিট করে।

স্কেল নিয়ে খেলছি

ধরুন আগামীকাল আপনার একটি মিটিংয়ে দেখাতে হবে যা আমরা প্রতিযোগিতায় জড়িয়েছি, তবে সংখ্যাগুলি কিছুটা রূপান্তরিত হয় না, আমাদের কী করা উচিত? স্কেল একটু সরানো যাক! এমনকি খ্যাত নিউ ইয়র্ক টাইমস, তাদের মানসম্পন্ন ডেটা কাজের জন্য বিখ্যাত, এর মতো একটি সম্পূর্ণ বিভ্রান্তিকর গ্রাফ প্রকাশ করেছে (স্কেলের কেন্দ্রে 800k থেকে 1.5 মিটার পর্যন্ত লাফটি নোট করুন)। (উদাহরণ হাওয়ার্ড ওয়াইনারের কাছ থেকে।

আমরা 100% নির্বাচন করি

ধরা যাক গত বছর দুধের দাম প্রতি লিটারে 10 কোপেক এবং রুটি ছিল প্রতি কেজি 10 কোপেক। এই বছর দুধের দাম হ্রাস পেয়েছে পাঁচ কোপেক, এবং রুটি বেড়েছে 20. প্রশ্নটির দিকে মনোযোগ দিন, আমরা কী প্রমাণ করতে চাই?
আসুন কল্পনা করুন যে গত বছরটি 100%, গণনার ভিত্তি। তারপরে দুধের দাম 50% হ্রাস পেয়েছে, এবং রুটি 200% বৃদ্ধি পেয়েছে, গড়ে 125%, যার অর্থ সাধারণভাবে দাম 25% বেড়েছে। আসুন আবার চেষ্টা করুন, চলতি বছরটি 100% হওয়া যাক, যার অর্থ গত বছর দুধের দাম 200% এবং রুটি 50% ছিল। এর অর্থ গত বছরের দাম গড়ে 25% বেশি ছিল!

ডেটা সংগ্রহ করুন যা আপনার সিদ্ধান্তগুলিকে আরও পক্ষপাতদুষ্ট করে তুলবে

পরিসংখ্যান সংগ্রহের প্রথম পদক্ষেপটি আপনি কী বিশ্লেষণ করতে চান তা নির্ধারণ করা। পরিসংখ্যানবিদরা এই পর্যায়ে জনগণকে তথ্য বলে। এর পরে, আপনাকে ডেটার একটি সাবক্লাস সংজ্ঞায়িত করতে হবে যা বিশ্লেষণ করার পরে পুরো জনগণকে সামগ্রিকভাবে উপস্থাপন করা উচিত। নমুনাটি যত বড় এবং নিখুঁত হবে তত বেশি গবেষণার ফলাফল হবে।

অবশ্যই দুর্ঘটনাক্রমে বা ইচ্ছাকৃতভাবে একটি পরিসংখ্যানের নমুনা নষ্ট করার বিভিন্ন উপায় রয়েছে:

নির্বাচন পক্ষপাত. এই ত্রুটিটি ঘটে যখন গবেষণায় অংশ নেওয়া লোকেরা নিজেকে এমন একটি গোষ্ঠী হিসাবে সনাক্ত করে যা পুরো জনগোষ্ঠীর প্রতিনিধিত্ব করে না।
এলোমেলো নমুনা। প্রতিনিয়ত ডেটা সংগ্রহ করার চেষ্টা করার পরিবর্তে যখন সহজেই উপলভ্য তথ্য বিশ্লেষণ করা হয় তখন ঘটে। উদাহরণস্বরূপ, কোনও নিউজ চ্যানেল তার দর্শকদের মধ্যে একটি রাজনৈতিক জরিপ পরিচালনা করতে পারে। যারা অন্য চ্যানেলগুলি দেখেন (বা মোটেও টিভি দেখেন না) তাদের জিজ্ঞাসা না করে, এটি বলা যায় না যে এই ধরনের অধ্যয়নের ফলাফলগুলি বাস্তবে প্রতিফলিত করবে।
অংশগ্রহণকারীদের প্রত্যাখ্যান। এই জাতীয় পরিসংখ্যানগত ত্রুটি তখন ঘটে যখন কিছু লোক কোনও পরিসংখ্যানিক গবেষণায় জিজ্ঞাসা করা প্রশ্নের উত্তর না দেয়। এটি ফলাফলের ভুল প্রদর্শন বাড়ে। উদাহরণস্বরূপ, কোনও গবেষণা যদি প্রশ্ন জিজ্ঞাসা করে, “আপনি কি কখনও আপনার স্ত্রীকে প্রতারণা করেছেন?” ফলস্বরূপ, মনে হবে প্রতারণা বিরল।
বিনামূল্যে অ্যাক্সেস পোল। যে কেউ এই ধরনের সমীক্ষায় অংশ নিতে পারে। প্রায়শই এটি একই ব্যক্তি কতবার প্রশ্নের উত্তর দেয় তাও পরীক্ষা করা হয় না। ইন্টারনেটের বিভিন্ন সমীক্ষার একটি উদাহরণ। এগুলি পাস করা খুব আকর্ষণীয়, তবে সেগুলি উদ্দেশ্য হিসাবে বিবেচনা করা যায় না।

নির্বাচনের পক্ষপাতিত্বের সৌন্দর্যটি হ’ল যে কেউ, কোথাও কোনও অবৈজ্ঞানিক সমীক্ষা চালানোর সম্ভাবনা রয়েছে যা আপনার যা কিছু তত্ত্বকে সমর্থন করবে। আপনি যে পোলটি চান তার জন্য কেবল ওয়েবে অনুসন্ধান করুন বা আপনার নিজের তৈরি করুন।

আপনার ধারণাগুলি সমর্থন করে এমন ফলাফলগুলি চয়ন করুন

পরিসংখ্যানগুলি যেহেতু সংখ্যা ব্যবহার করে তাই আমাদের কাছে মনে হয় তারা দৃinc়তার সাথে কোনও ধারণা প্রমাণ করে। পরিসংখ্যানগুলি জটিল গাণিতিক গণনার উপর নির্ভর করে যা যদি ভুলভাবে চালিত হয় তবে সম্পূর্ণ বিপরীত ফলাফলের দিকে নিয়ে যেতে পারে।

ডেটা বিশ্লেষণের ত্রুটিগুলি প্রদর্শনের জন্য, ইংরেজী গণিতবিদ ফ্রান্সিস আনসকোম্ব আনস্কোম্ব কোয়ার্টিট তৈরি করেছিলেন। এটিতে অঙ্কের চারটি সেট থাকে যা গ্রাফগুলিতে সম্পূর্ণ আলাদা দেখায়।

চিত্র এক্স 1 একটি স্ট্যান্ডার্ড স্ক্যাটার প্লট; এক্স 2 হ’ল একটি বক্ররেখা যা প্রথমে উপরে উঠে তারপরে নীচে পড়ে; এক্স 3 – একটি লাইন যা সামান্য উপরের দিকে উঠে যায়, ওয়াই অক্ষের উপর একটি ওভারশুট দিয়ে; এক্স 4 – উভয় অক্ষের উপরে অবস্থিত একটি ওভারশুট ব্যতীত এক্স-অক্ষের ডেটা।

প্রতিটি গ্রাফের জন্য, নিম্নলিখিত বিবৃতিগুলি সত্য:

প্রতিটি ডেটাসেটের x এর গড় 9 হয়।
প্রতিটি ডেটাসেটের জন্য y এর গড় পরিমাণ 7.5।
এক্স ভেরিয়েবলের ভেরিয়েন্স (স্ক্রেটার) 11, এবং y ভেরিয়েবল 4.12।
প্রতিটি ডেটাসেটের জন্য ভেরিয়েবল x এবং y এর মধ্যে পারস্পরিক সম্পর্ক 0.816।

যদি আমরা এই তথ্যটি কেবল পাঠ্য আকারে দেখে থাকি তবে আমরা ভাবব পরিস্থিতি সম্পূর্ণরূপে সমান, যদিও গ্রাফগুলি এটিকে খণ্ডন করে।

অতএব, এনসকম্ব পরামর্শ দিয়েছিল যে আপনি প্রথমে ডেটাটি ভিজ্যুয়ালাইজ করবেন এবং কেবলমাত্র তখনই সিদ্ধান্তগুলি টানবেন। অবশ্যই, আপনি যদি কাউকে বিভ্রান্ত করতে চান তবে এই পদক্ষেপটি এড়িয়ে যান।

গ্রাফগুলি তৈরি করুন যা আপনার পছন্দসই ফলাফলগুলি হাইলাইট করে

বেশিরভাগ লোকের নিজস্ব পরিসংখ্যান বিশ্লেষণ করার সময় নেই। তারা আশা করে যে আপনি তাদের সমস্ত গবেষণার সংক্ষিপ্তসার গ্রাফ প্রদর্শন করবেন। সু-নকশিত চার্টগুলির এমন ধারণাগুলি প্রতিফলিত করা উচিত যা বাস্তবের সাথে খাপ খায়। আপনি যে ডেটা প্রদর্শন করতে চান তা তারা হাইলাইট করতে পারে।

কিছু প্যারামিটারের নাম বাদ দিন, স্থানাঙ্ক অক্ষের উপর স্কেল সামান্য পরিবর্তন করুন, প্রসঙ্গটি ব্যাখ্যা করবেন না। সুতরাং আপনি সবাইকে বোঝাতে পারবেন যে আপনি ঠিক আছেন।

সমস্ত উপায়ে, উত্স লুকান

যদি আপনি প্রকাশ্যে আপনার উত্সগুলি উদ্ধৃত করেন তবে লোকেরা আপনার অনুসন্ধানগুলি যাচাই করা সহজ। অবশ্যই, আপনি যদি নিজের আঙুলের চারপাশে সবাইকে পেতে চাইছেন তবে কীভাবে আপনি আপনার সিদ্ধান্তে পৌঁছেছেন তা কখনই বলবেন না।

সাধারণত, নিবন্ধ এবং গবেষণায়, উত্সের রেফারেন্স সর্বদা নির্দেশিত হয়। একই সময়ে, মূল কাজগুলি সম্পূর্ণ সরবরাহ করা যাবে না। মূল বিষয়টি হ’ল উত্সটি নিম্নলিখিত প্রশ্নের উত্তর দেয়:

কীভাবে তথ্য সংগ্রহ করা হয়েছিল? লোকেরা কি ফোনে সাক্ষাত্কার নিয়েছিল? নাকি রাস্তায় থামানো হয়েছিল? নাকি এটি একটি টুইটার জরিপ ছিল? তথ্য সংগ্রহের পদ্ধতিটি নির্দিষ্ট নির্বাচনের ত্রুটিগুলি নির্দেশ করতে পারে।
তারা কখন দেখা করলেন? গবেষণা দ্রুত পুরানো হয়ে যায় এবং প্রবণতা পরিবর্তিত হয়, সুতরাং তথ্য সংগ্রহের সময় সিদ্ধান্তে প্রভাব ফেলে।
এগুলি কে সংগ্রহ করেছে? ধূমপানের সুরক্ষার বিষয়ে তামাক সংস্থার গবেষণার উপর খুব কম বিশ্বাসযোগ্যতা রয়েছে।
কার সাক্ষাত্কার নেওয়া হয়েছিল? এটি জনমত জরিপগুলির জন্য বিশেষত গুরুত্বপূর্ণ। কোনও রাজনীতিবিদ যদি তার প্রতি সহানুভূতিশীলদের মধ্যে সমীক্ষা চালান, ফলাফলগুলি পুরো জনগণের মতামতকে প্রতিফলিত করবে না।

কিভাবে পরিসংখ্যান ব্যবহার করে মিথ্যা বলা যায় – পার্ট 2

আপনি কীভাবে পরিসংখ্যানকে ভুলভাবে ব্যবহার করে মানুষকে বিভ্রান্ত করতে পারেন তা আমরা বিশ্লেষণ করতে থাকি। পূর্ববর্তী পোস্ট

মাঝারি নির্বাচন

আপনি প্রায়শই সংবাদ এবং বিজ্ঞাপনগুলিতে “গড়” শব্দটি শুনতে পান। কিন্তু মানে কি? পাটিগণিত গড়, জ্যামিতিক গড়, সুরেলা গড় এবং তালিকায় আছে! এবং অনুপযুক্ত (দুর্ঘটনাক্রমে বা উদ্দেশ্যমূলকভাবে) পছন্দগুলি ফলাফলগুলি উল্লেখযোগ্যভাবে বিকৃত করতে পারে ort

আসুন একটি উদাহরণ বিবেচনা করা যাক। ধরা যাক আমাদের তিন জন লোক রয়েছে: ঠাকুমা ইলিনা আনাতোলিয়েভনা ৮,০০০ পেনশনের সাথে, সিস্টেম অ্যাডমিনিস্ট্রেটর ভাস্যকে ৪০,০০০ বেতনের বেতন দিয়ে এবং মিলিয়নেয়ার পাভেল উমনভ, যিনি মাসে এক মিলিয়ন আয় করেন?

যদি আমরা কেবল তাদের বেতন যোগ করে এবং 3 দিয়ে ভাগ করে পাটিগণিত গড় গণনা করি তবে আমরা পাই যে এটি 350,000 রুবেলের সমান! এই খবরটি দিয়ে দাদিকে খুশি করার জন্য এটি রয়ে গেছে

লগারিদমিক স্কেলগুলিতে, এই মানগুলি খুব বেশি দূরে দেখায় না। লাল রেখা – গাণিতিক গড়

এই ধরনের ক্ষেত্রে, মধ্যমা যেমন একটি গড় ভাল উপযুক্ত। এটি সেই মান যা আমাদের সমস্ত তথ্যকে দুটি সমান অংশে (পরিমাণ অনুসারে) ভাগ করে দেয়। উদাহরণস্বরূপ মধ্যযুগীয় মান হ’ল সিস্টেম অ্যাডমিনিস্ট্রেটর ভাসার বেতন – ৪০,০০০।তার আগে এবং পরে একই সংখ্যক লোক থাকে (এক সময় এক)। তারপরে আমরা ভাস্যকে গড় বেতনের একজন ব্যক্তি হিসাবে বলতে পারি, যে সকলেই ভাসার চেয়ে কম প্রাপ্ত হয় – স্বল্প আয়ের সাথে আরও বেশি – ধনী।

তবে মধ্যস্থতার সাহায্যে খুব বিপরীত (উপরে বা নীচে) মানগুলি লুকানো সম্ভব হবে

ভাঁজ অ-ভাঁজ করা

স্কুলে পাঁচ দফা গ্রেডিং সিস্টেমের কথা ভাবুন। কল্পনা করুন যে সপ্তম শ্রেণির একজন ড্যানিল 5 এর জন্য একটি আদেশ লিখেছিলেন এবং তার সহপাঠী লিওনার্দো ডান থেকে বামে এটি লেখার সিদ্ধান্ত নিয়েছিলেন এবং একটি দু’জন পেয়েছিলেন। আমরা 5 দ্বারা 2 বিভক্ত করি এবং আমরা পেয়েছি যে ডানিল হুকুম লিখেছেন 2.5 গুণ ভাল! ঠিক?

ভুল স্কোরগুলি একটি স্বীকৃত নামমাত্র পরিবর্তনশীল যা সংখ্যায় দুর্দান্ত, ভাল এবং এর মৌখিক গ্রেডকে প্রকাশ করে। “অসন্তুষ্ট” “আশ্চর্য” এর চেয়ে ঠিক 2.5 গুণ বেশি খারাপ?

সুতরাং, গ্রেডের জন্য বা কোনও পরীক্ষার জন্য গড় স্কোর গণনা করা গণিতের অর্থবহ নয় is

পক্ষপাতমূলক নমুনা

ইন্টারনেট ভোটিং ডেটা অনুসারে, 100% মানুষ ইন্টারনেট ব্যবহার করেন

কোনও পরিসংখ্যানের আগে, আপনি যদি ভুলভাবে ডেটা সংগ্রহ করেন তবে আপনি মিথ্যা বলতে পারেন। এর সর্বোত্তম উদাহরণ হ’ল 1948 মার্কিন রাষ্ট্রপতি পদ: দেউই বনাম ট্রুম্যান। শিকাগো ট্রিবিউন পোলিং স্টেশন বন্ধ হওয়ার সাথে সাথে একটি সমীক্ষা চালিয়ে বিপুল সংখ্যক লোককে ডেকেছিল। এবং ফলাফল অনুসারে, অবিস্মরণীয় সাফল্যের পূর্বাভাস দিয়ে ডিউই একটি সংবাদপত্র প্রকাশ করেছিলেন “ডুই উইলস ট্রুম্যান ।” শিরোনাম সহ newspaper ছবিটিতে একটি হাস্যকর ট্রুমান দেখানো হয়েছে, 1948 সালের নির্বাচনে বিজয়ী, এই খুব খবরের কাগজ হাতে ছিল

কিছু ভুল হয়েছে? পত্রিকাটি নমুনার জন্য পর্যাপ্ত সংখ্যক ভোটার এবং সত্যিই এলোমেলোভাবে ফোন করেছিল। কেবলমাত্র দৃষ্টিভঙ্গিই ভুল ছিল – সেই সময় টেলিফোনে দরিদ্র জনগোষ্ঠীর জন্য উপলব্ধ ছিল না, যার বেশিরভাগ অংশ ট্রুমানের সমর্থন।

আরেকটি উদাহরণ হ’ল বিশ্ববিদ্যালয়গুলির দ্বারা প্রতিশ্রুতি প্রাপ্ত স্নাতকদের বেতন। মার্কিন যুক্তরাষ্ট্রে, এমনকি এটি আদালতেও গিয়েছিল – স্নাতকরা যুক্তি দিয়েছিলেন যে বেতনের তথ্যগুলি কৃত্রিমভাবে ফুলে উঠেছে। তবে বিষয়টি সম্পূর্ণ আলাদা: এটি কেবলমাত্র যারা তাদের সাথে সন্তুষ্ট তারা বিশ্ববিদ্যালয়ের উপার্জনের ডেটা ভাগ করে নেন।

“ভিজ্যুয়াল” ভিজ্যুয়ালাইজেশন

ডেটা শোভিত করার এক হাজার এবং একটি উপায় রয়েছে। উদাহরণস্বরূপ, এগুলিকে চাক্ষুষভাবে কল্পনা করুন। এটি বিরক্তিকর চার্ট পড়তে সহায়তা করতে পারে এবং যদি কিছুটা কৌতুকপূর্ণভাবে করা হয় তবে সেগুলি উপস্থাপন করা আরও লাভজনক।

এখানে মিলিয়ন ব্যারেল এবং শ্লিটজের শেয়ারে ইউএস বিয়ারের গ্রাফ দেওয়া আছে is তিনি আসলেই চিত্তাকর্ষক!

তবে আসুন এই গ্রাফটিকে আরও কঠোর আকারে রাখুন: বিন্দু সহ ডেটা প্রদর্শন করুন এবং শূন্য থেকে y- অক্ষ শুরু করুন:

আর তেমন চিত্তাকর্ষক বলে মনে হচ্ছে না। ব্যারেল আকারে গ্রাফের উপর পয়েন্ট প্লট করার সময়, লোকেরা দৃশ্যমানভাবে ব্যারেলের শীর্ষগুলি না দেখে তাদের আয়তন বুঝতে পারে। এবং যখন ব্যারেলের দিকটি 2 বার বাড়ানো হয় তখন ভলিউম 8 গুণ বেড়ে যায়! এই জাতীয় স্কেলে, 100-এ শুরু হওয়া y- অক্ষগুলি সহায়তা করে।

এখানে আরও একটি উদাহরণ। বিস্ময়কর ইনফোগ্রাফিক্স যা দেখায় যে তাদের থেকে রোগ এবং মৃত্যুর বিরুদ্ধে লড়াইয়ে কত অর্থ ব্যয় করা হয়

ধারণাটি দুর্দান্ত। তবে, সংখ্যাগুলি ঘনিষ্ঠভাবে দেখুন take কমলা বৃত্তের সাথে দাম গোলাপী রঙের চেয়ে প্রায় 2 গুণ কম। তবে গোলাপি বৃত্তটি 4 গুণ বড়!

লেখকরা চক্রের ব্যাসার্ধকে দামের উপর নির্ভর করে তৈরি করতে পছন্দ করেন। তবে আমরা দৃশ্যমানভাবে ব্যাসার্ধটি মোটেও বুঝতে পারি না, তবে চিত্রটির ক্ষেত্রফল! এবং একটি বৃত্তের ক্ষেত্রফলের সূত্রটি চতুর্ভুজ ব্যাসার্ধের উপর নির্ভর করে

একই লাইনে একই রোগ স্থাপন করে এই ইনফোগ্রাফিকটি আরও উন্নত করা যায়। সংশোধিত সংস্করণটি এটির মতো দেখাচ্ছে:

ভিজ্যুয়ালাইজেশন কেবল আরও বিশ্বাসযোগ্য নয়, এটি স্পষ্টভাবে ধারণাও দেয়: কিছু রোগ তাদের পক্ষে অর্থ ব্যয় করার মতো বিপজ্জনক নয় এবং অন্যের বিরুদ্ধে লড়াইও তাত্পর্যপূর্ণ হয় না।

উচ্চ-মানের ভিজ্যুয়ালাইজেশনের একটি উদাহরণ

গ্রাফ নেপোলিয়নের সেনাবাহিনীর আকার দেখায়। চরম ডান পয়েন্টটি মস্কো, যেখান থেকে পশ্চাদপসরণ শুরু হয়, একটি কালো ফিতে দ্বারা দেখানো। সময় এবং তাপমাত্রার গ্রাফটিও রিট্রিট শিডিয়ুলের সাথে যুক্ত। খুব পরিস্কার!

ড্যারেল হাফের “হাউ টু লাই লাইজ স্ট্যাটিস্টিকস” বইটি সম্পর্কে

এই বিশ্বখ্যাত বইটিতে ড্যারেল হাফ দর্শকদের প্রতারণা ও কৌশলগতভাবে বিভিন্নভাবে পরিসংখ্যানের অপব্যবহারের বিষয়ে আলোচনা করেছেন। আপনাকে কিছু “প্রয়োজনীয়” পণ্য কিনতে বা “সঠিক” প্রার্থী বাছাই করতে উত্সাহিত করার জন্য তারা প্রতিদিন আপনাকে প্রভাবিত করার চেষ্টা করে: “” ক্লিন দাঁত “পেস্টের জন্য ধন্যবাদ, কড়িগুলির গঠন 23% হ্রাস পেয়েছে!”; “এন পলিসি 85% নাগরিক দ্বারা সমর্থিত” … নির্দিষ্ট ডেটা কতটা নির্ভরযোগ্য তা কীভাবে বোঝা যায়? গণনাগুলি কীভাবে হয়? কী বিবেচনায় নেওয়া হয় এবং পর্দার আড়ালে কী থাকে? লেখক পরিসংখ্যানবিদদের গোপন সরঞ্জামগুলি এবং সরঞ্জামাদি প্রকাশ করেছেন এমন জ্ঞান সহ পাঠক যা এই বিজ্ঞানের সমস্ত জটিলতা বুঝতে সহায়তা করবে এবং বিভ্রান্তি ঘটাতে দেবে না।

টীকা

এই বিশ্বখ্যাত বইটিতে ড্যারেল হাফ দর্শকদের প্রতারণা ও কৌশলগতভাবে বিভিন্নভাবে পরিসংখ্যানের অপব্যবহারের বিষয়ে আলোচনা করেছেন। আপনাকে কিছু “প্রয়োজনীয়” পণ্য কিনতে বা “ডান” প্রার্থী বাছাই করতে উত্সাহিত করার জন্য তারা প্রতিদিন আপনাকে প্রভাবিত করার চেষ্টা করে: “” ক্লিন দাঁত “পেস্টের জন্য ধন্যবাদ, ক্যারিজের গঠন 23% হ্রাস পেয়েছে!”; “এন নীতি 85% নাগরিক দ্বারা সমর্থিত” … এটি কীভাবে নির্ভরযোগ্য এটি বা এটি ডেটা নির্ভর করে? হিসাবটা কীভাবে হয়? কী বিবেচনায় নেওয়া হয় এবং পর্দার আড়ালে কী থাকে? লেখক পরিসংখ্যানবিদদের গোপন সরঞ্জামগুলি প্রকাশ করেছেন এবং পাঠককে এমন জ্ঞান দিয়ে সজ্জিত করেছেন যা এই বিজ্ঞানের সমস্ত জটিলতা বুঝতে সহায়তা করবে এবং আপনাকে বিভ্রান্ত হতে দেবে না।

উত্স ব্যবহৃত হয়েছে এবং এই বিষয়টিতে দরকারী লিঙ্কগুলি: https://habr.com/ru/post/217545/ https://Lifehacker.ru/4-sposoba-lgat-pri-pomoshhi-statistiki/ https://pikabu.ru / গল্প / কাকলগ্যাট_এস_পোমসচ্যু_স্ট্যাটিসটিকি_চাস্ট_2_6113007 https://Liveinbooks.net/chto-pochitat/kak-lgat-pri-pomoshhi-statistiki-darell-haff/ https://coollib.net/b/331961-atat

রেকর্ডিং উত্স: lastici.ru