Путеводитель по лжи полностью

Post hoc, ergo propter hoc («После этого, следовательно, по причине этого») – логическая ошибка, возникающая в результате такого рассуждения: из того, что одна ситуация (Y) происходит после другой (X), следует, что X стала причиной Y. X и Y могут быть взаимосвязаны, но это не означает, что имеет место причинно-следственная связь.

Абдукция – форма рассуждений, получившая известность благодаря Шерлоку Холмсу, в которой из разумных догадок выводится теория, способная объяснить все имеющиеся факты.

Бимодальное распределение – серия наблюдений, в которых два значения встречаются чаще, чем другие. На графике, отображающем частоты разных значений, видны два пика, или горба.

Верные цифры показывают, насколько близко число к настоящему количеству того, что измеряют. Не путать с точными цифрами.

Гипотетический силлогизм – то же, что и «правило вывода», или modus ponens.

Двойная ось Y – графическая техника для отображения двух серий наблюдений на одном графике, в котором все величины для каждой серии представлены на двух осях (обычно с разными шкалами). Этот метод хорош, только когда с помощью двух серий наблюдений мы измеряем непохожие величины, как было показано в графике в части 1. Графики с двойной осью Y могут только запутать, потому что тот, кто их составляет, может подправить шкалу осей, преследуя корыстные цели. На страницах книги мы приводили пример с компанией Planned Parenthood.

Дедукция – форма рассуждения, в которой мы идем от общего к частному.

Диаграмма рассеяния – тип диаграммы, изображающей значения двух переменных в виде отдельных точек. Например, ниже вы найдете диаграмму рассеяния данных, представленных в части 1.

Индукция – форма умозаключений, в которой серия конкретных наблюдений ведет к общему утверждению.

Интерполяция – отыскание промежуточных значений величины по некоторым известным ее значениям.

Контрапозиция – тип дедукции следующего вида:

Корреляция – статистический показатель, характеризующий, насколько близко связаны две переменные[265]. Может принимать любые значения от – 1 до 1. Когда одна величина совершенно закономерно увеличивается с увеличением другой, имеет место полная корреляция (корреляция = 1). Если же наоборот, одна величина совершенно закономерно увеличивается с уменьшением другой, то имеет место полная отрицательная корреляция (корреляция = –1). Когда две переменные совершенно друг с другом не взаимосвязаны, корреляция равна 0.

Корреляция показывает только то, что две (или более) переменных как-то связаны, но не то, что одна есть причина другой. Корреляция не подразумевает причинно-следственных связей. Корреляция полезна, потому что отражает оценку того, насколько изменчивость в наблюдениях вызвана двумя переменными, которые мы отслеживаем. Например, корреляция 0,78 между ростом и весом показывает, что в 78 % случаев в изучаемой выборке разница в весе связана с разницей в росте[266]. Статистика умалчивает, какие факторы скрываются за оставшимися 22 %, – тут нужно проводить дополнительные исследования, но можно предположить, что это могут быть диета, генетика, занятия спортом и т. д.

Кумулятивный график – тот, на котором измеряемая величина, например продажи или членство в политической партии, представлена итоговой суммой, а не количеством новых наблюдений за какой-то период времени. Пример мы видели в случае с кумулятивными продажами iPhone.

Медиана – один из видов среднего значения (центральная тенденция серии наблюдений). Это значение, для которого половина наблюдений больше, а половина меньше. Когда существует равное количество наблюдений, статистики в качестве медианы могут взять среднее арифметическое двух срединных наблюдений. Например, для ряда (10, 12, 16, 17, 20, 28, 32) медиана будет 17. Для (10, 12, 16, 20, 28, 32) – 18 (среднее арифметическое двух срединных величин, 16 и 20).

Мода – один из видов среднего значения (центральная тенденция целой серии наблюдений). Это та величина, которая в распределении появляется чаще всего. Например, для ряда (100, 112, 112, 112, 119, 131, 142, 156, 199) мода будет 112.

Ошибка исключения – ошибка в рассуждении, которая случается, когда делают выводы о целой группе, основываясь на сведениях о нескольких частных случаях.

Обратное утверждение – вид необоснованного дедуктивного рассуждения, имеющего следующую форму: