几个很有启发性的关于“数据会说谎”的真实例子
作文素材震惊世界的科学骗局
震惊世界的科学骗局“科学与真理同行，也必与丑闻相伴。
”这话不知道是哪位哲人说的，颇有些耸人听闻的味道。
不过客观地将，世上骗人的把戏太多，而且这些把戏一旦沾上科学的边儿，就更让人真假难辨、捉摸不透。
然而骗局终究是骗局，就如林肯的名言：“你可以一时欺骗所有人，也可以永远欺骗某些人，但不可能永远欺骗所有人。
”1.辟尔唐古化石――世纪大骗局这一世纪大骗局是历史上最为著名的科学丑闻之一。
1911年，英国律师道森声称在辟尔唐发现了一个猿人头盖骨的一部分。
1913年，道森和英国著名人类史学家伍德沃德宣布，他们发掘出了一种半猿半人的生物头盖骨，并说这种生物生活在大约50万年以前。
他们的“发现”被当作达尔文生物进化论的一个有力证据，在人类学上被命名为“曙人”，被认为是类人猿到人的进化过程中的过渡性生物，甚至作为重大科学成就出现在邮票上。
1928年，科学家采用含氟量测定古化石年代的办法，查出“曙人”的头盖骨不早于新石器时代，下颌骨属于一个未成年的黑猩猩，他们还发现头盖骨、下颌骨全经过了染色处理。
一场精心制造的骗局终于真相大白。
2.密立根在做实验时选择数据――伟人身上的瑕疵1910年，美国物理学家密立根进行了著名的“油滴实验”，第一次测出了氢比一个电子重1836倍。
获得了1923年的诺贝尔物理学奖。
与此同时，比他更有名望的物理学家埃伦哈夫特也在进行相同的实验，但没有得到相应的结果。
事隔60年后，史学家发现，密立根发表的58次观测结果，并非如他信誓旦旦所说的那样是“没有经过选择的”，而是从140次观测中挑选出来的！他只采集那些对他有利的漂亮数据，而不利的数据则一概删去。
这一发现震动了物理学界。
3.舍恩《科学》系列论文造假――明日之星的陨落“舍恩事件”被认为是当代科学史上规模最大的学术造假丑闻之一。
2002年11月1日，美国《科学》杂志刊登了美国物理学家舍恩及其8名合作者的简短声明，宣布撤消2000至2001年期间在《科学》杂志上发表的8篇论文。
被数字欺骗的身边的例子
被数字欺骗的身边的例子我有个朋友叫小美，她一直心心念念要减肥。
有一次，她在网上看到一个号称超准的体脂秤广告，那广告说得可神了，什么“精确到小数点后两位，让你的脂肪无处遁形”。
小美二话不说就买了回来。
第一天称体重的时候，小美紧张得不行。
她小心翼翼地站上去，眼睛紧紧盯着秤上的数字，那表情就像在等待命运的审判。
秤上显示她比之前重了两斤，小美瞬间就像霜打的茄子——蔫了。
她嘟囔着：“我这一天也没吃啥啊，怎么还重了呢？肯定是这秤不准。
”于是，她开始了各种折腾。
为了让数字变小，她决定按照网上一个“一周瘦十斤” 的食谱吃饭。
那食谱上的食物少得可怜，全是蔬菜和水煮蛋。
我去她家玩的时候，看到她对着一碗水煮西兰花，愁眉苦脸的。
她吃一口，就看一眼旁边的体脂秤，仿佛吃下去的不是菜，而是能改变秤上数字的魔法药水。
过了几天，小美又站到了秤上。
这次数字倒是少了点，她高兴得差点跳起来。
她穿着自己最喜欢的那条裙子，在镜子前不停地转圈圈，嘴里说着：“看，我瘦了，这裙子穿着都松了。
” 可我怎么看都觉得那裙子和之前没什么区别。
后来有一次，我们一起去吃火锅。
小美一开始坚决不吃，可在美食的诱惑下，她还是忍不住吃了几口。
回家后，她又赶紧站到秤上，看到数字涨了，她大喊：“哎呀，这数字怎么一下子就上去了，我这几口肉得长多少肉啊！” 其实我知道，那几口肉根本不可能让她一下子胖回去，可她就是被那秤上的数字给“骗” 得不行。
直到有一天，她去商场试衣服。
她拿起一件之前穿不上的衣服，居然很轻松地就穿上了，而且看起来特别合身。
她站在镜子前，笑得特别灿烂。
这时候她才发现，自己其实已经有了很大的变化，而之前一直纠结的那个数字，好像也没那么重要了。
从那以后，小美不再那么痴迷于秤上的数字，她明白了，自己的感觉和实际的变化才是最重要的，不能被那些数字给“忽悠” 了。
生活中啊，我们总是容易被数字左右，其实很多时候，真实的情况可和数字显示的不太一样呢。
数据误导人们的例子
数据误导人们的例子数据误导是指通过操纵或错误使用数据来误导人们的行为。
以下是十个关于数据误导的例子：1. 电视购物广告中的销售数据：某些电视购物广告会夸大产品的销售量，通过显示数字或图表来误导消费者，使其误以为该产品非常受欢迎并且值得购买。
2. 政治选举中的民意调查数据：在选举期间，候选人或政党可能会发布民意调查数据来误导选民，使其相信自己有更高的支持率，从而获得更多选票。
3. 广告中的健康数据：某些广告可能会使用模糊的健康数据来误导消费者，使其相信某种产品或服务对健康有益，但实际效果可能并不明显或存在争议。
4. 金融投资中的历史回报率：在金融投资领域，某些机构可能会引用过去的回报率来吸引投资者，但这些数据可能并不代表未来的表现，从而误导投资者做出错误的决策。
5. 社交媒体上的点赞和关注数：社交媒体上的点赞和关注数往往被用作评估一个人或品牌的受欢迎程度，但这些数据可能被购买或通过其他手段操纵，从而误导人们对其的判断。
6. 营销中的满意度调查数据：一些公司可能会发布经过精心挑选或修改的满意度调查数据，以证明他们的产品或服务受到更多用户的认可，从而误导消费者做出购买决策。
7. 新闻报道中的统计数据：新闻报道中的统计数据可能被用于支持特定的观点或论点，但这些数据可能被选择性地呈现，从而误导读者对事件的理解。
8. 学术研究中的数据操纵：有时，学术研究人员可能会操纵数据来支持他们的研究假设，从而误导同行评审和学术界对某个领域的理解。
9. 医疗广告中的疗效数据：在医疗广告中，一些药品或治疗方法可能会引用不准确或片面的疗效数据，使消费者误以为这是一种有效的治疗方法，从而误导他们的健康决策。
10. 网络论坛中的数据引用：在网络论坛或社交媒体上，一些用户可能会引用不准确或虚假的数据来支持自己的观点，从而误导其他用户对某个问题的看法。
这些例子都展示了数据误导的情况，通过操纵或错误使用数据来误导人们的观点和决策。
在信息时代，我们应该保持谨慎和批判的态度，不轻易相信和接受所看到的数据，而是要进行深入的研究和分析，以便做出明智的决策。
科学欺诈的例子
科学欺诈的例子
哎呀，咱今天就来讲讲那些让人惊掉下巴的科学欺诈例子吧！
你知道吗，有个叫舍恩的科学家，他在物理学界那可是被视为天才啊！他发表了好多超级厉害的研究成果，大家都对他佩服得五体投地。
可谁能想到，后来竟然被发现他的数据都是造假的！这就好像一个大家都以为是英雄的人，突然被揭穿是个大骗子，这得多让人震惊和失望啊！
还有那个韩国的黄禹锡，他声称自己成功克隆出了人类胚胎干细胞，这消息一出来，那可是轰动了全世界啊！然而呢，最后一查，全是假的！他编造了那么多谎言，欺骗了那么多人，这不是把大家都当猴耍嘛！这就好比你满心欢喜地期待一件超级棒的事情，结果发现是一场空，那种落差感，哎呀，别提了！
这些科学欺诈的例子可不只是让科学界蒙羞，更是对那些真正努力追求真理的科学家们的不尊重啊！他们靠着造假获得的荣誉和利益，是建立在欺骗之上的，这是多么不道德的行为！我们怎么能容忍这样的事情发生呢？科学应该是纯洁的、真实的呀！
这些人就应该受到严厉的惩罚，让他们知道欺骗是要付出代价的！不能让他们轻易地破坏了科学的神圣和尊严！我们要坚决抵制这种科学欺诈行为，维护科学的公正性和可信度！因为只有这样，科学才能真正地为人类的进步和发展做出贡献，而不是被这些骗子给搞坏了名声！。
善意的谎言名人事例
善意的谎言名人事例当谈到善意的谎言，我们常常会想到那些为了保护他人感受或者维持和谐关系而说出的谎言。
虽然谎言本身是不道德的，但在某些情况下，善意的谎言可能会在一定程度上起到积极的作用。
下面我将为大家介绍几位名人，他们以善意的谎言解决了一些困境。
第一位名人是亚伦·斯威茨。
亚伦·斯威茨是一位美国计算机程序员，他在上世纪90年代开发了一种名为“假装忙碌”的软件。
这个软件可以在你离开电脑时，模拟你正在工作的状态，包括打字和鼠标移动的声音。
斯威茨之所以开发这个软件，是因为他发现在办公室里，有时候人们需要一些私人空间，但又不希望被打扰。
因此，他利用这个软件，可以让人们觉得他一直在工作，从而避免被打扰。
虽然这个软件本身是以谎言为基础的，但它却能帮助人们保护自己的隐私，维持工作效率。
第二位名人是丹尼尔·戴.琼斯。
他是一位英国作家，他以善意的谎言帮助了许多人。
在二战期间，琼斯被派往巴黎当战地记者。
他发现在那个时期，许多人都面临着生命的威胁，而且他们需要一些希望和安慰。
于是，琼斯开始创作一系列关于英国人在法国的英勇事迹的虚构故事。
这些故事鼓舞了许多人的士气，让他们相信胜利一定会到来。
尽管这些故事并不是真实的，但它们给人们带来了希望和力量，同时也起到了鼓舞民心的作用。
第三位名人是布莱恩·威尔逊。
布莱恩·威尔逊是一位美国医生，他以善意的谎言帮助了许多病人。
在他的医生生涯中，他遇到了许多末期病患，他们被告知只剩下几个月或几周的生命。
然而，威尔逊意识到，对于一些病人来说，知道自己已经没有多少时间了可能会让他们感到绝望和恐惧。
因此，他选择告诉这些病人他们还有一些时间，让他们有机会完成一些未完成的事情，或者与家人朋友好好相处。
这样，病人们可以更加从容地面对生命的终结，同时也能够在有限的时间里过得更加充实和幸福。
以上是我为大家介绍的三位名人，他们以善意的谎言解决了一些困境。
虽然谎言本身是不道德的，但在某些情况下，善意的谎言能够帮助人们保护他们的隐私、鼓舞士气、让人们有更好的心态面对生命终结。
几个很有启发性的关于“数据会说谎”的真实例子
这也是有实际数据佐证的。
简单结论是，单方面做数据推算，而忽略了与用户、客户的交互影响，就会做出错误的推断。
3、某同事，名校计算机博士，算法达人，做了一条曲线，A和B高度相关，得到结论，A会导致B ，看一眼结论我就骂人了，狗屎结论，实际上是A和B均受C的影响，所谓高度相关是C的因素带来的，这是只看数据不懂业务的典型。
4、样本偏差，特典型的就是沉默的大多数现象，简单举例，去IT论坛，发个投票，百度好不好，腾讯好不好，多数人会说不好。
但是真正的用户是不会去IT论坛，更不会参与这种无聊的投票；所以这种投票得到的结论，你要真信，你就傻了。
此外，还有比如送礼品的票选，喜欢这种礼品的用户，本身就有倾向性，如果票选内容与礼品有关，那么结论显然是不可靠的。
5、有人提到预测未来，补充一点，就是用户不知道自己的未来。
这也是普遍做样本调查容易产生的误区。
如果时间前溯10年，你问一个用户，你会去买苹果手机吗？他肯定会说，你是不是疯了。
但是当真的很酷的苹果手机放到他手上，他才会有感觉。
这是有真实案例的，十几年前，手机还叫大哥大，还是大款们才特有的玩物，真有调查公司跑到路边采访行人，说你需要买手机吗，行人纷纷表示不需要。
他们不知道这玩意对他们人生的改变有多大。
10年前，又有类似的事情，上网当时被认为是不务正业的表现，报纸媒体开始忧心忡忡年轻人的网瘾和被网络的伤害；然后又有媒体去采访，很多人表示，上不上网无所谓。
这些都是当年一些新闻电视里出现过的典型场景。
如果你相信，你就真完了。
这里的问题是，用户不能预知技术的发展和对人类群体乃至自身的改变；当然，有的人能看到，1997年，还在读书，我一直纠结大学毕业能做什么，第一次接触到了互联网，我坚定，这是改变人类的东西，这是我一辈子的职业。
6、举一个前几天碰到的真实的例子吧。
选取音乐电台用户的一个子集，共2W人；分成AB两组，每组1W人；对每一组使用不同的推荐算法。
统计在一天内每一组的用户一共点击了多少次喜欢的按钮和不喜欢的按钮。
数据说谎的例子
数据说谎的例子
虽然数据通常被认为是客观的，但在某些情况下，数据也可以被用来误导或说谎。
以下是一些数据说谎的例子：
1. 数据选择性报道：当人们有意选择性地报道或公开特定的数据，而忽略其他数据，以支持自己的观点或推动特定的议程。
这种行为常见于政治和媒体领域。
2. 数据篡改：有时候，人们会有意篡改数据，以使其符合特定的预期或目标。
这可以通过操纵数据采集、修改数据记录或利用统计方法等手段来实现。
3. 样本偏倚：当数据的样本不具有代表性时，可能会导致误导性的结论。
例如，在一项调查中，如果样本选择过于倾向于某一特定群体，就不能代表整个人群的观点和看法。
4. 隐瞒关键信息：有时候，人们会有意隐瞒或忽略与数据相关的关键信息，以便呈现更有利的结果。
这可能包括隐藏不符合预期的结果或不公开数据的来源和方法。
5. 图表误导：通过图表的设计和呈现方式，可以影响人们对数据的理解和解读。
使用不当的比例尺、改变图表的纵横比例或选择不恰当的图表类型等方式，可以误导读者对数据的真实含义。
这些例子强调了对数据的谨慎处理和理解的重要性。
在面对数据时，我们应该保持批判性思维，审查数据的来源、采集方法和背后的动机，以免被误导或欺骗。
同时，数据的使用也应该遵循科学和道德的原则，确保数据的准确性和透明性。
统计数字的谎言
统计数字的谎言我有一位邻居，为了表明他支持美国各地正在发生的“占领运动”，在自己的前院里插了一块牌子，上面是一句占领运动的口号，“我们是99%”，意思是，占领运动对抗的是那个属于1%的富人特权阶层。
我跟这位邻居很熟，所以问他，你真的相信这句口号的数字吗？他说，为什么不？我见他说得很坚决，为了保持邻居和气，决定不再与他多说什么。
我们居住的这个街区，在上个世纪初，随着美国西部铁路的开发，形成了一个蓝领工人的居住区，房子都不大，一般是二三个卧室，再加饭厅、客厅、厨房和厕所。
近几年这个街区房价高涨，已经很难找到蓝领阶层的居民了。
我这位邻人是一位律师，前几年花了90多万买下了他现在的住房。
他称自己是属于99%的美国人，属于“广大的美国人”，但他与那些失了业，或生活在贫困线以下的美国人，又哪里是属于同一个阶层呢？马克·吐温说，“有三种谎言：谎言、该死的谎言和统计数字。
”占领运动的“我们是99%”就是一个统计数字的谎言，而我的邻居正是上了这个谎言的当。
一个国家的贫富界线该如何划分，本来是一个非常复杂的问题，而贫富悬殊的实际状况在各个地区也是不一样的。
在美国，贫富最为悬殊的地方其实并不在华尔街。
据美国人口调查局今年的一项数据，贫富差距最大的是康涅狄格州的布里奇波特-斯坦福德（Bridgeport-Stamford）地区，那里最富有的20%居民，收入占整个地区收入的57.4%；而最贫穷的20%居民，收入则只占整个地区收入的2.5%。
这一差距是美国516个人口调查区中最大的。
如果按这个划分方法，我这位律师邻居，怎么说也应该是我们城市里最富有的20%居民中的一分子。
许多美国人对政府提供的统计数据一直都是采取半信半疑的态度，因为政府总是喜欢公布对它有利的数据，而隐瞒对它不利的数据。
早在1914年，美国著名的公共知识分子李普曼（Walter Lippmann）就曾这么说：“你我永远在受普查执行者和普查制造者的摆布，不同的是，普查执行者得挨家挨户地敲门，而普查制造者则自己就能把结果创造出来。
关于说谎的名人故事
关于说谎的名人故事
说谎是一种不道德的行为,无论是名人还是普通人,都会受到说
谎的伤害。
下面是一些关于说谎的名人故事。
1. 费森登·费森登(Piaget)是法国数学家和逻辑学家,他在他的经典著作《几何学原理》中曾经写道:“一个年轻人如果告诉他,他会成为一个伟大的数学家,那么他很可能会相信这个谎言。
”
2. 约翰·斯图尔特·密尔(John Stuart Mill)是英国哲学家、政治家和经济学家,他曾经在《人性论》中中写道:“我的理论并不完全正确,但是我的理论却比任何其他理论更能够说服人。
”
3. 乔治·华盛顿(George Washington)是美国的开国元勋之一,他在1776年加入美国独立军队,并在1783年成为美国第一任总统。
然而,他曾在传记中写下了一些战争期间的回忆,这些回忆并不真实。
4. 玛丽-艾米丽·布朗特(Marie-Emily布朗特)是英国维多利亚时代的一位作家和模特,她曾经在书中写道:“我没有任何秘密,我不需要任何秘密。
”
5. 约翰·罗素(John罗素)是英国数学家和逻辑学家,他被誉为“数学的巨人”,在他的经典著作《数学原理》中曾写道:“我并不想成为一个哲学家,我我只是想证明这些定理。
”
这些名人的故事表明,说谎不仅是一种不道德的行为,而且可能
导致严重的后果。
即使是那些声称自己没有说谎的人,也会因为掩盖真相而受到负面影响。
因此,我们应该始终遵循诚实和正直的原则,
不说谎、不隐瞒真相,为我们自己和他人创造价值。
数学中的故事：生活中的统计学陷阱
生活中的统计学陷阱
在你听到一种统计关系时，可得慎重一些，千万不要轻率地对事件发生的因果关系做出判定，因为事情并不那么简单。
让我们来看几个不可轻率做出结论的例子。
①统计资料表明，大多数汽车事故出在中等速度的行驶中，极少的事故是出在大于150公里/小时的行驶速度上。
这是否就意味着高速行驶比较安全呢?
正确答案:绝不是这样。
统计关系往往不能表明因果关系。
由于多数人是以中等速度开车，所以多数事故是出在中等速度的行驶中。
②有一个调查研究说脚大孩子的拼音比脚小的孩子好。
这是否是说一个人脚的大小是他拼音能力的度量？
正确答案：不是的。
这个研究对象是一群年龄不等的孩子。
它的结果实际上是因为年龄较大的孩子脚大些，他们当然比年龄小的孩子拼得好些。
③常常听说，汽车事故多数发生在离家不远的地方，这是否就意味着在离家很远的公路上行车要比在城里安全些呢？
正确答案：不是，统计只不过反映了人们往接是在离家不远的地方开车，而很少在远处的公路上开车。
④有一项研究表明某一个国家的人民，喝牛奶和死于癌症的比例都很高。
这是否说明是牛奶引起癌症呢？
正确答案：不对！原因是这个国家老年人的比例也很高。
由于癌
症通常是年龄大的人易得，正是这个因素提高了这个国家癌症死亡者的比例。
上述例子表明，统计学论述在涉及因果关系时很容易造成误读。
现代的广告，尤其是很多电视的商业广告正是以这种统计误读为根基的。
大数据告诉你，你被骗了：这个世界的真相，与你所想象的完全不同
大数据告诉你，你被骗了：这个世界的真相，与你所想象的完全不同1如果我告诉你：我们站着的这个地球其实不是一个球，而是一个平面。
那你一定会笑话我的无知。
但是，在这个世界上，还真的有这样一群人，他们坚信：地球就是平的！这些人甚至还成立了一个叫做“无限平面协会”的组织，这个组织的宗旨就是告诉人们：你们都被那些说“地球是个球”的家伙给骗了，其实这个地球是一个无限的平面！听到这里，你是不是觉得这些人很无知、很可笑？且慢，在笑话别人之前，我们不妨先想一想：那些我们自己认为是事实的，难道真的就是事实吗？让我先来问你一个问题：在过去的20年里，全世界生活在极度贫困状态下的人口是如何变化的呢？A. 几乎翻倍B.保持不变C.几乎减半那么，你的答案是什么呢？在揭晓正确答案之前，我先向你推荐一本能够颠覆我们过去一切思维方式的烧脑神作——《事实》！这本书一经出版，就受到了极高的赞誉，就连比尔·盖茨都宣称，他今后会使用《事实》这本书中所讲的思维模型，来推进自己的工作。
写出这本神作的人，是来自瑞典的国际卫生学教授汉斯·罗斯林，以及他的儿子欧拉·罗斯林和儿媳安娜·罗斯林·罗朗德。
汉斯曾担任过世界卫生组织、联合国儿童基金会等组织的顾问，并被《时代》杂志评为“全球100位最有影响力人物”之一。
在评论他所作出的杰出贡献时，《时代》杂志说：汉斯用令人惊叹的数据展示，让来自全球的数百万人，从全新的角度审视自己和这座星球！汉斯曾说过：“你觉得数据无聊是因为这不是你想知道的，或者说你并没有意识到这些数据和真实世界的联系。
”终其一生，汉斯都在致力于通过有趣的数据可视化的方式，向我们呈现那些看起来非常复杂的全球问题。
汉斯曾在TED大会上就“你看过最好的统计学”这个话题进行过一场演说，并得到了惊人的几百万点击率，人们称他是“手上的数据会唱歌的人”。
就连比尔·盖茨也曾表示，盖茨基金会之所以捐赠了几十亿美金给发展中国家，用于这些国家的医疗保健项目，很大一部分原因就是在盖茨听过汉斯的演讲后，认识到那里的事实原来是如此严峻。
被数据欺骗的例子
被数据欺骗的例子以下是 8 条关于被数据欺骗的例子：1. 你说超市大减价，东西超便宜？嘿，那可不一定哦！有次我看到宣传海报上写着某饮料“买一送一”，感觉好划算呀。
结果到了那才发现，送的那一瓶小得可怜，这不是明摆着拿数据来糊弄人嘛！这就好比说给你一大块蛋糕，最后到手只有一小口。
2. 还记得网上说的那个热门景点，照片上看着那叫一个美，人流量数据也显示人不多。
哇，心想可以好好享受一番了。
结果去了才知道，那照片是加了多少层滤镜呀！人多得要命，完全走不动路，这不是纯粹欺骗我们的眼睛和对美好体验的数据期待嘛！就像告诉你有颗甜枣，实际却是黄连。
3. 天啊，有些网店的销量数据那么高，评价也都很好。
于是我兴高采烈地买了一件衣服，到手后发现质量差得要死！这难道不是在拿数据诱骗我们消费者吗？这不就跟看到一个漂亮的糖果盒，打开却是烂糖果一样嘛！4. 看那手机广告，说电池续航超厉害，待机时间的数据长得吓人。
但实际用起来，半天就没电了！这不是故意用假数据骗我们去买嘛！这感觉就像说能跑马拉松，结果走两步就喘粗气。
5. 说什么某理财产品收益超高，过往业绩的数据那叫一个漂亮。
可最后呢，亏得一塌糊涂！这不是纯纯用数据设陷阱嘛，就如同给你画个大饼，最后啥都没有。
6. 有的餐厅在网上的评分可高了，去的人数据也多。
但真去吃了才发现，味道普普通通，服务也不咋样，这不就是用数据迷惑我们吗？简直就是看上去是美味佳肴，实际是粗茶淡饭。
7. 买房子的时候看到样板间好漂亮，开发商说根据数据以后小区环境会多好多好。
结果交房时傻眼了，哪有说的那么好呀！这不是明摆着靠数据来骗人嘛！如同说给你建个城堡，最后只是个小土屋。
8. 某些招聘信息上写着薪资待遇丰厚，各种福利的数据让人眼红。
等去上班了才发现，好多都兑现不了，这不就是在拿数据晃点我们求职者吗？这就好像说有满汉全席，实际只有馒头咸菜。
结论：数据真的不一定可靠呀，我们可得多留个心眼，别被表面的数据给忽悠了！。
明辨信息真伪的作文素材
明辨信息真伪的作文素材《明辨信息真伪的作文素材素材一《“鸡蛋返生”的闹剧》咱就说说之前那个特别荒唐的“鸡蛋返生”的事儿。
有个不知道咋想的人宣称能让已经煮熟的鸡蛋变回生鸡蛋，还能孵出小鸡来。
这事儿一出来可就在网上炸开锅了。
我当时看到这个消息的时候，第一反应就是这也太扯了吧。
可就是有那么一些人，好像被蒙住了双眼，还觉得这可能是某种了不起的科学新发现。
我记得我当时去市场买鸡蛋，就和卖鸡蛋的大叔聊起这事儿。
大叔听了笑得眼泪都快出来了，他说：“我每天煮鸡蛋吃，咋没见哪个煮了还能变回去的，这要是真的，我这鸡蛋可就不是论斤卖，得按个儿卖高价钱咯。
”这就是普通人简单的常识呀。
后来这个事情被好好查了查，发现就是一场闹剧，完全是那个人编造出来骗人的，为的可能就是博眼球或者捞点啥好处。
这就告诉我们啊，面对一些看起来特别离奇的信息，咱靠着基本常识就能辨别出不少是假的。
就好比有人说人能像鸟一样飞不用工具，咱们生活里没瞧见也不符合常理，那大概率就是假消息。
素材二《朋友圈的减肥神药》微信朋友圈是个神奇的地方，啥消息都有。
说起来有段时间我老看见朋友圈有人推荐一种减肥神药。
说是吃了不用锻炼，不用忌口，轻松就能瘦个几十斤。
这可太诱人了，尤其是对于一些成天喊着减肥的朋友来说。
我的一个朋友小敏就心动了。
她跟我说的时候眼睛都放光了，说终于找到不运动就能瘦的好办法了。
我就多问了几句，这人介绍这药说得是神乎其神，可啥配方啊，啥原理啊根本说不清楚。
我让小敏好好想想，哪有这么好的事儿啊。
我说我长这么大，就没见过吃颗药就能瘦一大圈儿还啥事儿不用干的。
为了搞清楚这药，我还专门在网上搜了下这个药的名字。
结果发现根本没几个人真的用过来说有效的，还有好些负面消息，说吃了不舒服啥的。
原来这就是那些不良商家故意在朋友圈编出来骗人的圈套。
还好小敏最后没买，她后来通过健康的饮食和运动也慢慢瘦了下来。
这就表明啊，朋友圈那些吹得天花乱坠的信息，特别是关于健康瘦身这种大家急切需求的东西，往往真假参半，得小心分辨。
信息差的经典案例
信息差的经典案例
那我给你讲个超搞笑的信息差经典案例。
就说有个村子，村东头有个老王，村西头有个老李。
这个村呢，一直有个传说，说是在村后的那座老山上，有一棵神树，只要在月圆之夜对树许愿，就能找到宝藏。
老王呢，知道这传说里有个关键信息，就是得在树底下先顺时针转三圈，再逆时针转三圈才能许愿。
可老李不知道啊，他只听到月圆之夜对着树许愿就能得宝藏。
有一回月圆夜，老李偷偷摸摸上了山，对着树就开始许愿：“树啊树啊，让我找到宝藏吧。
”许完愿啥动静也没有。
这时候老王也来了，他按照自己知道的步骤，先顺时针转三圈，再逆时针转三圈，然后许愿。
刚许完愿，突然一阵风吹过，树上掉下来个小盒子，里面有一张纸条，写着“宝藏就在你勤劳的双手里”。
虽然最后没找到金银财宝，但你看，就因为这个信息差，老李干巴巴许愿啥都没得到，老王至少得到了个鸡汤式的宝藏答案呢，哈哈。
还有一个是关于做生意的。
有个小地方的商人，他去大城市进货，发现有一种小玩偶特别好看，但是在大城市呢，这种玩偶已经快过时了，很多商家都在清仓甩卖，一块钱一个。
这个商人就想啊，我老家那边可还没见过这玩意儿呢。
于是他把所有商家的库存都收了，花了一千块钱，弄了一千个玩偶。
回到老家，他对外宣传这是从国外带回来的超级流行的小玩偶，一个卖十块钱。
当地人一听，国外来的，还这么好看，纷纷掏钱购买。
这个商人就因为知道大城市里这种玩偶已经过时了，但老家的人不知道这个信息，大赚了一笔呢。
你看，这就是信息差的厉害之处，有时候真能让人赚得盆满钵满或者像老李那样闹笑话。
数据会说谎的例子
数据会说谎的例子在当今社会，数据已经成为人们获取和分析信息的主要方式之一、然而，也有很多人都会经常向我们提醒，数据有时候会说谎。
这是因为许多数据都可能会出现误差，或者被人们有意或无意地操纵。
以下是一些数据会说谎的例子。
1.调查数据调查结果可以向我们提供宝贵的信息，但是往往受到很多因素的影响，如样本的选择、调查问题的问题、调查对象的回答方式等等。
在许多情况下，调查结果可能被误解或被故意歪曲，以满足特定的立场或利益。
比如，某家公司看到市场调查显示他们的产品很受欢迎，但是他们没有提供足够的细节来证明数据的准确性，那么这个结果就可能不可靠。
2.统计数据统计学是在现代社会中应用最广泛的学科之一，它可以为我们提供有关人口、经济、文化等各个方面的数据。
但是，统计数据可能会被人们有意或无意地操纵，从而给人们错误的印象。
例如，一个政治家可以利用一个看似准确的数字来宣传自己的政策，即使这个结果实际上是由于其他因素，如自然灾害、合并的数据，或者某种形式的歧视，而不是政策带来的结果。
3.学术研究数据学术研究数据是对某个话题或问题的深入研究所得出的结论，但是这些数据也可能会因各种原因而有误差。
不幸的是，一些研究人员可能会操纵数据，以便他们的研究符合他们的假设。
这可能会导致其他人对一些错误的结论进行研究，并且可能会对科学和学术界的影响产生严重的负面影响。
4.媒体报道数据许多媒体机构将数据作为依据，来报道社会和政治事件。
但是，媒体机构可能会根据自己的利益或观点来选择或操纵数据来编写文章。
这可能会导致读者对某些事件或政策的理解出现歪曲，甚至因为错误的信息导致对一些政策的认识出现偏差。
综上所述，数据的准确性和可靠性对于很多领域都具有非常重要的意义，因为它们决定了人们在决策和对某种情况的评估中所能取得的结果。
因为数据会说谎，所以我们在使用和解释数据的时候，需要保持谨慎和独立思考。
这样，我们才能更好地理解数据背后隐藏的真相，并为人们做出更准确和明智的决策。
信息误传的名人案例
信息误传的名人案例信息误传是指在传播过程中，信息被错误地传递、解读或理解的现象。
在当今社交媒体和互联网时代，信息误传已经成为一个严重的问题，尤其是在名人身上。
下面列举了10个以信息误传为题的名人案例。
1. 马里奥·巴尔特：马里奥·巴尔特是一位美国演员，因在电视剧《傲骨贤妻》中饰演主角而广为人知。
曾有报道称，他因为与剧中女演员朱丽安娜·玛格丽丝有婚外情而导致两人离婚。
然而，后来证实这只是谣言，马里奥·巴尔特和朱丽安娜·玛格丽丝并没有发生婚外情。
2. 安吉丽娜·朱莉：安吉丽娜·朱莉是好莱坞的知名女演员，也是人道主义事业的积极参与者。
曾有传闻称，她在与布拉德·皮特离婚后与英国政治家鲍里斯·约翰逊有染。
然而，这一消息后来被证实是虚假的，安吉丽娜·朱莉与鲍里斯·约翰逊并没有任何关系。
3. 贝克汉姆：大卫·贝克汉姆是英国足球运动员，也是一位商人和慈善家。
在2010年世界杯期间，有传闻称他在比赛中故意踢球失误，以换取个人奖金。
然而，这一传闻被贝克汉姆本人和相关证据所否认，他并没有参与任何故意犯规或踢球失误的行为。
4. 泰勒·斯威夫特：泰勒·斯威夫特是美国知名女歌手，也是一位社交媒体的活跃用户。
曾有报道称，她在社交媒体上发表了一条针对其他女艺人的负面评论。
然而，后来证实这条评论是伪造的，泰勒·斯威夫特从未发表过这样的言论。
5. 费德勒：罗杰·费德勒是瑞士的一位著名网球运动员。
有传闻称他在比赛中使用非法药物提高体能。
然而，费德勒从未被发现使用任何非法药物，这一传闻被证明是毫无根据的。
6. 贾斯汀·比伯：贾斯汀·比伯是加拿大的一位流行歌手，也是一位社交媒体的活跃用户。
曾有传闻称他在一次演唱会上向观众扔鞋子。
然而，事实是贾斯汀·比伯从未有过这样的行为，这一传闻纯属虚构。
狡猾的谎言—我们是如何被事实和数字欺骗的
谎言能欺骗人，但你知道不说谎也能欺骗人么？今天我就来聊一类“真实的谎言“，这类谎言它说的每一个事实都是真的，每一个数字都是正确的，但它却能成功地欺骗我们。
如今，赤裸裸的谎言媒体和企业都已经不敢再明目张胆地使用，但今天所说的这类狡猾的“真实谎言”却大量地充斥着每个人的生活，先来几个例子大家感受一下——1.2.假如一个球探并不认识丁俊晖，这时候我剪辑一个视频——里边30%的片段是丁俊晖表现好的镜头，另剩下70%是丁俊晖失误的镜头，那么，这个球探一定会对丁俊晖球技评价非常一般。
3.一位员工向老板汇报：“因为贸易战，我们的鞋子的销量下降了两成”，另一位员工向老板汇报：“尽管有贸易战，我们鞋子的销量依然保住了八成”，神马是真相？4.5.“美国每100个人就有89支枪，看到这个数据，你会不会觉得美国枪支泛滥极其严重，简直是人间地狱，没救了；但你看另一个数据可能就没那么担心了——美国只有31%的家庭有枪。
6.新医学统计证明，一个人的寿命和这个人成人后手掌大小关系密切，具体表现为——手掌大通常寿命短，而手掌小寿命则长；太奇怪了！事实是，男性寿命通常比女性短，而男性的手掌则通常比女性大；7.如果我给你一个组数据——市一中的升学率为46.4%，市二中的升学率为40%，你会把你的孩子送到哪个学校读书？当然是市一中！对不起，你选错了！看一看下面一张表，不管是文科升学率还是理科升学率，市一中都没有市二中高，但它的总体升学率却高于二中，你没看错，数据就是这么神奇！8.在美国全部市长的平均工资为6.2万美元，而副市长却高达8.3万美元，这个数很奇怪对不对？而事实上是在美国很多小的市并没有设置副市长，只有一个薪水并不高的市长，而设置副市长的市都是较大、较富裕的市。
9.这个图，你是否觉着这个指标有涨有跌，总体表现较为平稳？但事实上，真实的表现是2020年比2019年增长了一倍！以上案例就是卫夕总结的“真实的谎言”的九种类型——1.2.丁俊晖视频——“选择性展示谎言”；3.贸易战汇报——“描述倾向谎言”；4.时代周刊自媒体——“偷换概念谎言”；5.美国枪支数——“平均数谎言”；6.手掌大小与寿命——“相关当因果谎言”；7.升学率选择——“辛普森悖论谎言”；8.正副市长工资——“不恰当对比谎言”；9.指标走势——“视觉误导性谎言”下面魔术师卫夕就带你一起来揭开这些狡猾谎言背后的真面目——一、小样本谎言“我在过去9年里只收到过2张交通罚单”，你会不会认为我是一个极其遵守交通规则的司机？然而事实是我上周三才拿到驾照开始开车。
1 统计数字会说谎
统计数字会说谎摘要: 在我们的工作、生活中，经常能接触到各种各样的数据、调查结果，这些数据和结果都是正确的吗？哪些数据有误导性？哪些数据有限定条件？哪些数据不可以比较？本次分享告诉大家如何解读数据，如何看透数据的真相！在我们的工作、生活中，经常能接触到各种各样的数据、调查结果，这些数据和结果都是正确的吗？哪些数据有误导性？哪些数据有限定条件？哪些数据不可以比较？本次分享告诉大家如何解读数据，如何看透数据的真相！【案例一】样本的代表性1936年《青年文摘》对美国总统大选的结果进行预测，结果失败，问题出在调查方法上（调查对象是其读者，调查方法为电话调查）。
1936年有能力购买电话和订阅杂志的人并不能代表所有的选民，至少在经济上，他们是一个极其特殊的群体，是有偏的，事实后来证实他们有许多人是共和党的选民。
但是如果调查选择的样本是代表性的，能代表全部选民那么调查就能得到准确的预测结果。
盖洛普为什么预测美国大选的结果很准确？他们采用抽样调查方法，在全国各州按比例选择调查对象对总体有很强的代表性。
【案例二】样本量是否足够？我们来调查“喜欢大番茄的人多还是小番茄的人多”，究竟调查10个人、20个人还是100个人得出的结论是准确的呢？我们选择多少个人作为调查对象，即需要多少个样本量的决定因素有很多，总体的大小，总体内部的变异程度等等。
总体的大小很容易理解，调查全市市民和调查一个班级哪个需要的样本量大呢？显然是前者。
至于总体内部的变异程度，举个例子，如果总体只有100个人且这100个人差异不大，或许十几个样本就已经足够了，但是如果这100个人每个人差异性都很大呢？是不是要选取更多的样本才能更真实反映100个人的情况呢？举一个用研的例子：对于整个淘宝网买家的调研，基本上我们要保障1500的样本量，而对于某一类目卖家的调研可能几百就足够了（比如机票等类目卖家较少）。
PS：抽样经验：1500以上的样本量基本就能很好地代表总体，无论总体有多大。
统计数据撒谎
•问题三：遗漏了什么？
通常，你并不会被告知包含了多少观测值，这个数据的缺失，特别当 信息来源于信息存在利害关系一方时，已足以使你对整件事情提出质
大家好才是真 的好
疑。比如，当均值与中位数相差甚远时，需要注意那些没有标明类型
的平均数。很多数据因为没有比较而变得缺乏意义。
如何反驳统计资料——真相只有一个
3
图形图表变身 —— 看我72变
黄金联盟的黄金奖励 持续6000C，第3个月奖励1g黄金 第6个月奖励2g黄金， 第9个月奖励3g黄金
第12个月奖励4g黄金
2g
1g
3g
4g
宣导时，图形上长、宽、高按比例放大，文字上的“2”倍，给人
的感觉却是8倍，刺激感更强。
统计数字撒谎的
4种方式
精选的平均数
未披露的数据 图形图表变身
平均睡眠时间为 7.8小时
4
混乱的神逻辑 ——见证统计操纵
•百分数也给误解提供了肥沃的土壤，和小数一样，它也能为不确切的 事物蒙上精确的面纱。
A：本月绩优 率环比提升 20个点
B：本月绩优 率环比提升 25%
如何反驳统计资料——真相只有一个
•怎样凭双眼就能识破虚假的统计资料，并揭开它的老底，同样重要的是，如何在一大 片充满欺骗性的数据海洋中找出可靠有用的资料。
•问题一：谁说的？
首先寻找的是偏差——出于名誉或收入的考虑， 而需要证明某些结论，他们提供的数据都有可能 产生偏差.
•——
提出5个问题
如何反驳统计资料——真相只有一个
•问题二：他是如何知道的？
数值是否足够大，从而能解释问题？观察值是否足够多，从而保证结 论的可靠性？——对于许多报告中的内容，通过观察，你会发现由于 缺乏足够多的观测值，报告的内容不足以说服任何人。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
这也是有实际数据佐证的。
简单结论是，单方面做数据推算，而忽略了与用户、客户的交互影响，就会做出错误的推断。
3、某同事，名校计算机博士，算法达人，做了一条曲线，A和B高度相关，得到结论，A会导致B ，看一眼结论我就骂人了，狗屎结论，实际上是A和B均受C的影响，所谓高度相关是C的因素带
来的，这是只看数据不懂业务的典型。
4、样本偏差，特典型的就是沉默的大多数现象，简单举例，去IT论坛，发个投票，百度好不好，腾讯好不好，多数人会说不好。
但是真正的用户是不会去IT论坛，更不会参与这种无聊的投票；所以这种投票得到的结论，你要真信，你就傻了。
此外，还有比如送礼品的票选，喜欢这种礼品的用户，本身就有倾向性，如果票选内容与礼品有关，那么结论显然是不可靠的。
5、有人提到预测未来，补充一点，就是用户不知道自己的未来。
这也是普遍做样本调查容易产生的误区。
如果时间前溯10年，你问一个用户，你会去买苹果手机吗？他肯定会说，你是不是疯了。
但是当真的很酷的苹果手机放到他手上，他才会有感觉。
这是有真实案例的，十几年前，手机还叫大哥大，还是大款们才特有的玩物，真有调查公司跑到路边采访行人，说你需要买手机吗，行人纷纷表示不需要。
他们不知道这玩意对他们人生的改变有多大。
10年前，又有类似的事情，上网当时被认为是不务正业的表现，报纸媒体开始忧心忡忡年轻人的网瘾和被网络的伤害；然后又有媒体去
采访，很多人表示，上不上网无所谓。
这些都是当年一些新闻电视里出现过的典型场景。
如果你
相信，你就真完了。
这里的问题是，用户不能预知技术的发展和对人类群体乃至自身的改变；当然，有的人能
看到，1997年，还在读书，我一直纠结大学毕业能做什么，第一次接触到了互联网，我坚定，这是改变人类的东西，这是我一辈子的职业。
6、举一个前几天碰到的真实的例子吧。
选取音乐电台用户的一个子集，共2W人；分成AB两组，每组1W人；对每一组使用不同的推荐算法。
统计在一天内每一组的用户一共点击了多少次喜欢的按钮和不喜欢的按钮。
计算每组用户点击喜欢的按钮的比例 = 点击的喜欢个数/（点击喜欢的个数+点击不喜欢的个数）。
理论上这个值越高，说明这组用户越满意，也就说明用在这组上的推荐算法更好。
后来发现这个结果没有统计意义…… 因为有些用户会一天给出上千个喜欢与不喜欢的反馈，这样的用户在AB两组中的分布决定了最终结果的好坏。
改进方法是：需要去除这些噪音点，或者使用其他的统计值。
7、我们还针对AB两组用户分别统计了：平均每个用户每天点击喜欢的音乐的个数。
按理说，这个个数越高，说明推荐算法越好。
可是，我们又针对AB两组用户分别统计了：平均每个用户每天点击不喜欢的音乐的个数。
按理说，这个个数越高，说明推荐算法越差。
结果，发现在很多情况下，第一个个数高的算法，第二个个数也高。
于是，使用单一指标也许不能很好的刻画一个算法。
改进方法是：使用更多的指标来进行刻画，具体问题具体分析，寻找背后的原因。
8、当年Firefox用户与Mac用户对支付宝重要与否，单从浏览器数据统计看，Firefox访问支付宝的比例太低了。
不过因为支付宝不支持Firefox，所以，这个比例不能用作判断的依据。
Mac用户也是一样。
再说一个，支付宝当年代缴水电煤的项目改版之后，发现缴费用户立刻暴增，产品人员欣喜若狂，后来白鸦同学分析一下，哦，原来那几天是每个月水电煤缴费高峰期，周期性的抽风。
其
实呢，分析一下我国有关部门发布的数据，你会发现那都是一些说谎的数据。
9、二战时英国皇家空军邀请美国的统计学家分析德国地面炮火击中联军轰炸机的资料，并且从专业的角度，建议机体装甲应该如何加强，才能降低被炮火击落的机会。
但依照当时的航空技术，机体装甲只能局部加强，否则机体过重，会导致起飞困难及操控迟钝。
统计学家将联军轰炸机的弹着点资料，描绘成两张比较表，研究发现，机翼是最容易被击中的部位，而飞行员的座舱与机尾，则是最少被击中的部位。
作战指挥官由此认为，应该加强机翼的防护，因为分析表明，那里”密密麻麻都是弹孔，最容易被击中”。
但是统计学家却有不同观点，他建议加强座舱与机尾部位的装甲，那儿最少发现弹孔—–因为他的统计样本是联军返航的受损飞机，说明大多数被击中飞行员座舱和尾部发动机的飞机，根本没法返航就坠毁了。
所以如LS几位所答，不是数据说谎，而是没注意到沉默的数据（缺少了的样本），需要分析者有足够广的视角和逻辑，才能从数据里挖掘出足够正确的东西。
10、改版了款wap产品，没做任何推广前提下，发现流量飙升，尤其匿名用户涨了3倍。
因为产品本身用户基数低，所以流量翻了两三倍也算正常。
当时估计是SNS的口碑传播导致的。
但最后还是觉得不对劲，查了一下，发现是搜索引擎在抓页面，因为改版了，所以它们要重新抓一次。
空欢喜
一场。
数字还是那个数字，但背后它到底对应了什么内容，常常被忽略了。
11、我们会在游戏中对很多内容或操作做数据监控，然后通过分析数据的提高还是降低，去判断用户对该内容的喜欢程度。
但是单独看数据的提高和降低是没有意义的。
例如，我们发现某项物品最近销售数据在下滑，我们可能就会下结论：这个物品受欢迎程度在下降。
但这个结论是不准确的，必须结合着其他的数据一块看，例如DAU。
如果DAU在下降，那么该物品的销售随之下降是正常的，如果结合着比例来看，有可能会发现虽然销售数据在下降，但是比例数据（即销售数/DAU）是在上升的。
这样会明白，其实该物品的受欢迎程度并没有下降了，而是DAU下降了。
而在DAU下降的同时，销售比例在上升，其实该物品的受欢迎程度反倒是提高了。
因此，其实不是数据在说谎，而是很多数据需要辩证的来看。
12、前不久不有这么一段儿:说是美国著名调查机构PEW在“胸围与幸福指数”调查中对500对30—40岁的夫妻调查结果显示：女性胸围A杯的离婚率为37%，胸围B杯的离婚率为16.3%，胸围C杯的离婚率为4%，而胸围达D杯的女性离婚率1%都不到。
这个典型的抽取样本数量不等的情况下的出的所谓结论可信度大打折扣。
有个简单的方法看看滑稽在什么地方。
有没有注意到，里面木有E杯和F杯的数据，why。
因为，要么根本就没有E和F，自然没有结论，要么E和F数量很小，得出的结论。