【数据化评论】数据的“忽悠”功能

【摘要】 还是从新浪微博说起，今天读到这样一条微博，这是一条某大报官方微博发出的一条微博： 这条微博的结论是：即使5次都受孕成功，在13亿多人口的大国，这5个孩子相遇并相爱的几

还是从新浪微博说起，今天读到这样一条微博，这是一条某大报官方微博发出的一条微博：

这条微博的结论是：即使5次都受孕成功，在13亿多人口的大国，这5个孩子相遇并相爱的几率微乎其微。我们就从这个机率说起，看看这个记者是如何“忽悠”读者，瞒天过海的。我确实相信这个机率会非常低，但是这个记者的逻辑对吗？根据记者的逻辑这五个孩子相遇的机率是5/13亿，这个机率确实非常小。但是这样算对吗？合理吗？按照这个记者的逻辑我们还可以用地球人的总数50亿来做分母，那机率不会更低！更具有说服力？为什么不呢？ 其实这样是不对的，我们必须考虑到如下的因素： 捐精行为一般在固定的地区，固定的医院进行，且受孕者一般来讲都会是这个地区或城市的女性。所以相遇机率的分母不应该是13亿，而应是该地区或城市的人口总数（下面假设为A）。这样来看相遇机率就会大大的提高了。某些直辖市人口只有3~4千万人，想想这个机率比5/13亿大了多少！大了30~40倍。 有的脖友提到异地捐精，实际上这个因素不能改变这五个子女的相遇机率。唯一能改变的是捐精者的亲生子女和这“五子”相遇的概率。 人口的流动性会影响相遇机率，如果是70年代，中国的人基本上是不流动的，那么相遇率就是5/A。因为A是一个恒值。但实际上在目前这个社会A不可能是一个恒值。他应该是固定人口加上流动人口（因为该地区所有人都可能和“五子”相遇），假设这个数是B。所以相遇率就是5/B（B会比A稍大）。流动性的大小也会影响B值，不同的地区的流动性也会不一样。 1～3都是说的相遇率，而这条微博是说相遇并相爱的机率微乎其微。注意是相爱！那这个机率算法一定不等于5/B。应该是5/C，如何计算C？我们从正常的伦理关系以及恋爱正常的年龄跨度来考虑此问题（即同性恋、双方年龄跨度大于10岁的不考虑）。那么C值就应该是“五子”年龄±10岁的年龄段的人群总量的一半（为何是一半，因为同性恋不在我们考虑范畴内，且我简单的认为男女比例一样），那么C＝B/4/2=B/8。第一个4是20岁的年龄范围估计占人口总数的1/4（纯估计，没有数据源），第二个2是异性占一半的比例！此时相爱率就是（1～5）/C。“1～5”意思是“五子”全为同性则取五，有男有女则分别对待。 是否还要考虑其他因素，暂时还没有想到。我们大致来看看计算结果（假设五子全为男孩，计算某3000万人的直辖市，流动人口1000万）。相遇且相爱率可能是5/500万即百万分之一，而按记者的算法是1/2.6亿。概率差了260倍。 也许有人会认为我鸡蛋里挑骨头，实际上你注意看这种瞒天过海的伎俩到处都是。比如见过一个出租车副驾后背的一个广告位的招商广告：投广告，你的产品广告受众每天将达到200万人（200万人该城市是每天坐出租车的乘客人数）。你自己算算这个广告欺骗度有多大。你要考虑的因素是：该广告是否可以覆盖所有出租车，坐前排的乘客是看不到广告的，后排靠司机后背的乘客打击率也很小。当然你作一些市场调查后这个值有可能会相对准确的算出来，但是那一定比200万少多了。 对于一个从事数据分析的人员来说，分析的逻辑性、全面性是非常关键的！ 所以，处处留心皆忽悠。不过，据说这也是一门艺术，归赵本山管！