常見的邏輯謬誤：數據最易忽悠人

槍手的狡計

美國有這么一個傳播已久的笑話：一位老德克薩斯槍手曾用狡計來棍騙他的伴侶，讓伴侶對他的槍法發生深刻印象。這位槍手在牛棚的門上打出一串槍眼后，圍著這些槍眼畫出了靶子。“看見了嗎？伴計。每次我都正中靶心！”

把這些槍眼說當作是本身對準的成果，這顯然是笑話，然而讓人訝異的是，實際中真的有很多人或者機構就是這么干的。他們會在年夜量的數據中小心地遴選出對本身有利的證據，而不利用那些對本身晦氣的數據。例如：某機構為了證實本身盡到了職責，處處宣傳本身撥出了XXXX的善條目，卻只字不提本身公條目消費的豪侈無度。

先決議了本身的立場（靶心），然后才起頭找證據，而且只找對本身有利的，而對于那些對本身晦氣的就選擇性忽略。這在邏輯學中被稱為“德克薩斯神槍手謬誤”，這種謬誤在我們的糊口中幾乎到處可見。

媒體的不實報道

差人暴力一向是美國的一個嚴重問題，不外，這個問題被媒體強調了。

紐約時報：“黑人只占美國生齒的12%，但在被差人射殺的人中有30%是黑人。”

華盛頓郵報：“黑人只占美國生齒的12%，但卻在被差人射殺的赤手空拳的人中占40%。”

乍一看，黑人被差人射殺的幾率確實高于白人，不外在這背后又有哪些數據沒有告訴讀者呢？

起首，美國一共有三億生齒，而在2015年被差人就地射殺的人不到1000人，這兩個數據差距太年夜，底子沒有需要聯系，也無法用來尷尬刁難比。

其次，被美國差人射殺的人中，對折都是白人，黑人只占百分之二十到三十，此中百分之七十的人都持有致命兵器，而這些數據都被忽略了。

告白中的可疑數據

一些告白為了撐持本身的論點，會強行把兩個不相關的數據拼集到一塊。好比：某家制造含糖飲料的公司說，有研究提到：宿世界上含糖飲料消費量最高的五個國度，有三個在“宿世界上最健康的10個國度”的名單里，是以含糖飲料自己是健康的。

還有一些告白，只采用對他們有利的數據，而對那些晦氣的數據卻只字不提。如：按照婚戀網站 Date.com 的匹配成果，Sally和Billy 是很適合的一對，因為他們有4個配合的愛好：片子、意年夜利餐、跑步、觀光。但婚戀網站沒有告訴Sally和 Billy，其實他們還有20個分歧的處所，足以讓他們各奔工具……

沉淪p值的科學家

p值是一個統計學中常用的數據，是用來鑒定假設查驗成果的一個參數。科學家中有很多p值的粉絲，他們只相信p值，不考慮其他，成果呈現了p值黑客（或p值把持）現象，即經由過程操作科學數據，從而使成果看上去具有統計學意義的行為。

有兩種體例會引起統計成果的較著改變，一是選擇樣本不隨機性。在樣本入組時，有太多的報酬身分和本家兒不雅身分，樣本不是按照隨機原則入組的。別的一個就是p值竄改，研究人員利用分歧的統計方式和數據，選擇那些會發生合適本身意愿的數據，不竭地統計直到成果對勁。

可以引起p值竄改的行為有：記實了良多變量，可是統計后按照p值進行棄取；統計闡發后發現成果不對勁，然后刪除一些變量再統計直到成果對勁；統計闡發后把一些指標進行歸并或者拆分；統計成果發現p值有意義就遏制收集數據。