数据科学在实践中常见的数据谎言.pdf

《数据科学在实践中常见的数据谎言.pdf》由会员分享，可在线阅读，更多相关《数据科学在实践中常见的数据谎言.pdf（22页珍藏版）》请在三个皮匠报告上搜索。

1、数据科学在实践中常见的数据谎言度小满 郭晶数据背后真实的含义是？超过80%的牙医推荐高露洁More than 80%of dentists recommend Colgate-2007 UKs ad非唯一性选择的确：80%的牙医推荐了Colgate（高露洁）但同时：100%的牙医也推荐了Crest（佳洁士）、80%推荐了oral-B“披露的数据只是一部分”数据背后真实的含义是？药丸恐慌1995 pill scare1995年10月，英国医学安全委员会（CSM）发出警告，指出第三代口服避孕药使腿部或肺部潜在致命性静脉血栓栓塞（VTE）的风险增加了近一倍，并建议除非可能，否则改用旧药。声明中写道：

2、“众所周知，避孕药可能很少产生涉及腿部静脉的血栓形成（血栓）。新的证据表明，与其他药丸相比，某些类型的药丸在静脉中发生血栓形成的几率增加了约两倍.”在避孕药警告之前的几年里，英国堕胎率呈逐年下降的明显趋势，这一趋势一直持续到1995年前3个季度。1996年英格兰和威尔士已知的堕胎总数比1995年高出8%，增加了约13000例堕胎！第二代：15/100000第三代：25/100000风险增加：10/15=67%每10000人服用，增加1例VTE（万分之一）“只看相对变化是片面的，还要关注绝对值变化”数据背后真实的含义是？伦敦凶杀案超过纽约Londons murder rate now tops

3、New York Citys -2018 news“只看绝对值或者相对值是没有意义的”1990：184 vs 2262法官 vs 算法决策-2011年伦敦骚乱顺手牵羊者罗宾逊 超市顺走了一箱水吗，最终被判6个月约翰逊 游戏店顺走了多台游戏机，最终未被判刑人还是算法？1.相似案件前后决策不一致2.同一案件不同法官决策结果不一致1.算法降低25%犯罪率2.减少40%拘押率现行犯罪误区法官决策-统计定罪背景：1960 年代，Juanita Brooks在洛杉矶遭到一名身穿深色衣服的金发白人女性抢劫和殴打。一名目击者证实了一名目击者证实了这一描述，并补充说，这名女子扎着马尾辫，一名留着胡须的黑人男子开

4、着一辆黄色汽车将她接走，然后飞奔而去。警方随后逮捕了珍妮特和马尔科姆柯林斯，因为他们完全符合这个非常具体的描述。但是，当当局将这对夫妇介绍给警察队列中的受害者和证人时，他们都无法确定嫌疑人是袭击者。因此，一对夫妇拥有所有这些特征的几率（通过将概率相乘）是 12,000,000 分之一；所以这对夫妇不是嫌疑人的概率为十二万分之一条件概率事件A在事件B发生的条件下发生的概率。表示为P（A|B）A先发生，B后发生的概率 不等于B先发生，A后发生的概率P(A|B)=!(#%)!(%)P(B|A)=!(#%)!(#)P(B|A)=P(A|B)!(%)!(#)已知这里的一个生物有4条腿，那么它是狗的概率；

5、已知这里有只狗那么它是四条腿的概率四条腿 VS 狗哥哥弟弟、哥哥妹妹、姐姐弟弟、姐姐妹妹假设有一个家庭，有两个孩子，现在其中有知道一个男孩，请问另一个也是男孩的概率是多少1/2？概率是 1/3条件概率：被测定为阳性者，真实患病概率只有50%事件A在事件B发生的条件下发生的概率。表示为P（A|B）假设人群中有1%的人罹患此疾病，而其他人是健康的。我们随机选出任一个体P（健康）=99%；P（患病）=1%假设检验出错的概率是1%，那么所以：整群人中健康、且测定为阴性者的比率：P（健康阴性）=P（健康）*P（阴性健康）=99%*99%=98.01%整群人中得病、且测定为阳性者的比率：P（患病阳性）=P

6、（患病）*P（阳性患病）=1%*99%=0.99%整群人中被测定为假阳性者的比率：P（健康阳性）=P（健康）*P（阳性健康）=99%*1%=0.99%整群人中被测定为假阴性者的比率：P（患病阴性）=P（患病）*P（阴性患病）=1%*1%=0.01%假设检验动作实施在患病的人身上时：P（阳性患病）=99%，P（阴性患病）=1%假设检验动作实施在健康的人身上时：P（阳性健康）=1%，P（阴性健康）=99%整群人中被测出为阳性者的比率：P（阳性）=P（健康阳性）+P（患病阳性）=0.99%+0.99%=1.98%某人被测出为阳性时，实际上真的得了病的机率：P（患病阳性）=P（患病阳性）/P（阳性）=