Искусство распознавать чушь. Как не дать ввести себя в заблуждение и принимать правильные решения

Люди, несущие чушь, склонны запутывать факты релевантными, но не показательными данными. Например, один мой друг заявил, что до распространения COVID-19 в Соединенных Штатах Америки на работу устроилось больше американцев, чем в любое другое время в истории. Он подкрепил утверждение, указав на факт, что общее число трудоустроенных американцев до пандемии было выше, чем когда бы то ни было в истории. Тем не менее общее число трудоустроенных никак не учитывает тот факт, что население США в этот момент также было исторически выше. Процент трудоустроенных работников (коэффициент занятости) – намного более показательный маркер. Самый высокий коэффициент занятости в истории США был зафиксирован в апреле 2000 года, на уровне почти 65 %, в то время как до начала пандемии COVID-19 в США показатель составлял лишь 61 %.

Описательная статистика показывает базовые характеристики данных, собранных в ходе исследования. Изучение показателей частоты, средней меры или процентов позволяет вкратце описать данные.

Неся чушь, люди часто приводят в подтверждение только часть релевантной информации, показывая лишь тот отрезок статистики, который подтверждает их утверждение, и опуская тот, что опровергает.

Описательная статистика сама по себе ничего не доказывает. Лучший способ проверить, насколько точно она отражает реальность и подтверждает доказательство, – это исследовать данные. Изучите их распределение. Иногда вы можете обнаружить, что такой простой показатель, как среднее число, совсем не описывает весь массив информации. Можно сказать, что средний вес человека из Америки – 84 кг. Тем не менее самый часто встречающийся среди американцев вес – вовсе не 84. Намного чаще встречаются люди, весящие 77 кг и 90 кг, так как дистрибуция критерия бимодальна: в среднем женщина весит 77 кг, а мужчина – 90 кг. Но вы бы об этом не узнали, не рассмотрев внимательнее данные о распределении веса.

Несущие чушь зачастую используют корреляцию – статистический показатель, демонстрирующий силу и направление связи между двумя явлениями – для обоснования, что одно явление служит причиной другого. Тем не менее корреляция не подразумевает причинность. Например, продажи солнцезащитного крема находятся в положительной корреляции с продажами мороженого, так как показатели их роста и снижения почти синхронны. Но естественно, их корреляция не значит, что изменение показателей продаж солнечного крема влекут за собой изменение показателей продаж мороженого.

Особенно часто встречающаяся и раздражающая форма чуши включает массу разнообразных вариантов представления данных способами, создающими иллюзию, будто данные подтверждают утверждение. Предположим, вы провели исследование, спрашивая у мужчин и женщин, насколько они любят шоколадное мороженое по шкале от 1 до 7, и в среднем мужчины ответили 5,37, а женщины – 5,47. Разница между ними составляет всего лишь 0,1. Это много или мало? Если показать это на диаграмме, изобразив лишь часть шкалы от 5 до 6, разница будет выглядеть значительной. Однако лучше подойдет диаграмма, показывающая шкалу целиком (от 1 до 7). Именно она отразит факт: женщины и мужчины одинаково любят шоколадное мороженое. Единственный способ убедиться в релевантности приведенной разницы – найти шкалу измерения, которую использовали при сборе данных, а не ту, что вам показывает собеседник.

Определить, как данные были собраны, невероятно важно для оценки утверждения, которое подкреплено числами и статистикой. Кто или что вошло в выборку? Кто или что эту выборку составляло? Помните, вопросы, которые задает ученый, а также то, как он их задает, неизбежно влияет на полученные ответы[221]. У исследователей есть ряд строгих правил, определяющих выборку данных и использование конкретных инструментов измерения.

Используйте визуальные данные. Практически невозможно встретить человека, который несет чушь и ссылается на вероятность или правдоподобие последствий, свойственных феномену, который он описывает. Для подкрепления утверждения числами надо знать, каково правдоподобие чисел, представленных или подразумеваемых в заявлении. Лучше всего оценить его, нарисовав картинку, иллюстрирующую выборочное пространство утверждения (картинка или диаграмма, демонстрирующая все вероятности, которые покрывают утверждение, и то, что оно не покрывает; иногда это называется «пространством проблемы»).

Представьте себе простое утверждение без чисел:

Джек смотрит на Энн, но Энн смотрит на Джорджа.

Джек женат, а Джордж нет.

Мое утверждение: человек в браке не смотрит на неженатого.