ทำไมกลุ่มตัวอย่างน้อยเกินไปจึงไม่น่าเชื่อถือ
สถิติ (Statistics) เป็นคณิตศาสตร์สาขาหนึ่งที่ช่วยในการศึกษาและจัดการกับข้อมูล เริ่มตั้งแต่การเก็บข้อมูล การแปรรูปข้อมูล การวิเคราะห์ และการตีความ ศาสตร์ต่างๆจึงมีการใช้งานสถิติอย่างกว้างขวาง ตั้งแต่ฟิสิกส์อนุภาค ดาราศาสตร์ สังคมศาสตร์ จิตวิทยา เศรษฐศาสตร์ และการรักษาโรค
บางครั้ง งานวิจัยเพื่อทำการตลาดอาจมีการเก็บข้อมูลด้วยกลุ่มตัวอย่างจำนวนน้อยเกินไป ซึ่งส่งผลให้เราไม่สามารถอนุมานถึงภาพใหญ่ที่ต้องการได้อย่างแท้จริง อีกทั้งเมื่อกลุ่มตัวอย่างมีจำนวนน้อย แต่กลับบอกผลลัพธ์ในรูปของเปอร์เซ็นต์ อาจได้ผลลัพธ์ไม่น่าเชื่อถือ
ตัวอย่างเช่น ถ้าเราโยนเหรียญ สองครั้ง แล้วได้หัวทั้งสองครั้ง จากนั้นรายงานผลว่าผลการทดลองพบว่าเหรียญออกหัว 100% แล้วสรุปว่าเหรียญนั้นมีการถ่วงน้ำหนักแน่ๆ ย่อมเป็นการสรุปที่ไม่ถูกต้องได้ เพราะถ้าโดยด้วยจำนวนครั้งมากพอ จึงจะเห็นผลลัพธ์และการกระจายตัวที่ชัดเจนขึ้น (ลองนึกภาพเด็กไร้เดียงสาที่ไปทะเล แล้วเจอแมงกะพรุน 2 ตัว ว่ายน้ำแถวริมหาด พอกลับบ้านไปก็บอกที่บ้านว่า สัตว์ทั้งทะเลมีแค่แมงกะพรุน)
นอกจากนี้ กลุ่มตัวอย่างที่น้อยเกินไป อาจจะนำไปสู่การ "เลือก" ข้อมูลที่ต้องการมารายงานได้ โดยตัดข้อมูลที่ไม่อยากรายงานทิ้งได้ง่ายๆ
อีกตัวอย่างคือ ในการรักษาโรคด้วยยาประหลาดๆ โดยใช้กลุ่มตัวอย่าง 4 คน แล้วมีคนหายจากโรค 2 คน แปลว่ามีคนหายจากโรค 50 % แต่ถ้ามีคนหาจากโรคไป 3 คน แปลว่ามีคนหายจากโรค 75% ทำให้เกิดความไม่สมเหตุสมผลที่ว่าคนเพียงคนเดียวส่งผลต่อข้อมูลมากถึง 25 %
”การโกหกนั้นมีสามแบบ 1.โกหกเฉยๆ 2. โกหกคำโต 3. สถิติ“ โดย Mark Twain ที่มา ：https://www.centreonconstitutionalchange.ac.uk/opinions/lies-damned-lies-and-opinion-polls
สรุปก็คือ กลุ่มตัวอย่างที่มีขนาดใหญ่พอเป็นสิ่งสำคัญอย่างยิ่ง ในการเก็บข้อมูลมาวิเคราะห์ และขอปิดท้ายด้วยคำกล่าวที่ว่า " การโกหกนั้นมีสามแบบ 1.โกหกเฉยๆ 2. โกหกคำโต 3. สถิติ" (Lies, Damn Lies and Statistics) เพราะหากเราอ้างข้อมูลหรือเสพข้อมูลเชิงสถิติอย่างไม่เข้าใจ เราก็อาจจะเข้าใจผิดหรือถูกหลอกด้วยข้อมูลเหล่านี้ได้
ฟังรายการ Vaccine ตอน สถิติ ศาสตร์แห่งข้อมูลที่เผยความจริงและกลบฝังความจริงได้ ที่นี่
- 54
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
