应避免的数据谬误| 人们在分析数据时常犯的错误插图集
我们创建的第一个资源是“要避免的数据谬误”，这是人们在分析数据时经常犯的错误的图解说明。
1. Cherry Picking挑选
符合您要求的结果并排除不符合要求的结果的做法。不诚实的数据是最糟糕，最有害的例子。
2.数据
挖掘数据挖掘是无法承认这种关联实际上是偶然的结果。
3.生存偏差
从不完整的数据集中得出结论，因为该数据“幸存”了某些选择标准。
4.眼镜蛇效应
当激励产生与预期相反的结果时。也称为不正当奖励措施。
5.错误的因果关系
错误地假设当两个事件同时发生时，一个事件必定导致了另一个事件。
6. Gerrymandering
故意操纵政治区的边界以影响选举结果的做法。
7.抽样偏差
从一组数据中得出结论，这些数据不能代表您想要了解的总体。
8.赌徒的谬误
人们错误地认为，由于某件事比平常发生的频率更高，因此将来发生的可能性越来越小，反之亦然。
9.霍桑效应
当监视某人的行为会影响该人的行为时。也称为观察者效应。
10.回归谬误
当某些事情发生异常好坏时，随着时间的流逝，它会恢复到平均水平。
11.辛普森悖论
一种现象，其中趋势出现在不同的数据组中，但是当这些组组合在一起时消失或逆转。
12. McNamara谬误
仅在复杂情况下依赖指标可能会导致您忽略全局。
13.过拟合
更复杂的解释通常比简单的解释更好地描述您的数据。但是，更简单的解释通常更能代表基础关系。
14.出版偏见
研究成果的有趣程度会影响其发表的可能性，从而扭曲了我们对现实的印象。
15.摘要指标的危险
仅查看数据集的摘要指标可能会产生误导。
题库