یہ غلطیاں سب کرتے ہیں
شماریاتی غلطیاں صرف طلبا یا نئے سیکھنے والوں تک محدود نہیں۔ صحافی، سیاستدان، کاروباری ایگزیکٹوز، اور کچھ سائنسدان بھی باقاعدگی سے یہ غلطیاں کرتے ہیں۔ یہ غلطیاں اکثر جان بوجھ کر نہیں ہوتیں بلکہ سوچ کے شارٹ کٹس سے آتی ہیں جو منطقی لگتی ہیں لیکن گمراہ کرتی ہیں۔
غلطی 1: ہم آہنگی کو سببیت سمجھنا
سب سے عام اور سب سے خطرناک غلطی۔ "X اور Y ساتھ ہوتے ہیں" کا مطلب "X نے Y کا سبب بنایا" نہیں ہے۔
"جو بچے صبح ناشتہ کرتے ہیں وہ سکول میں بہتر نمبر لاتے ہیں۔" بہت سے لوگ نتیجہ نکالتے ہیں: ناشتہ نمبر بہتر کرتا ہے۔ لیکن شاید جو خاندان ناشتہ فراہم کرتے ہیں وہ زیادہ تعلیم یافتہ اور خوشحال بھی ہیں - خاندانی ماحول دونوں کو متاثر کر رہا ہو سکتا ہے۔
غلطی 2: چیری پکنگ (منتخب ڈیٹا)
صرف وہ ڈیٹا دکھانا جو آپ کے دعوے کی حمایت کرے اور باقی چھپانا۔
ایک کمپنی اپنے اسٹاک کی کارکردگی دکھاتی ہے: "پچھلے 3 مہینوں میں 40 فیصد اضافہ!" لیکن اگر آپ پورا سال دیکھیں تو شاید 20 فیصد کمی ہوئی ہو۔ انہوں نے بس بہترین حصہ چنا۔
غلطی 3: چھوٹے نمونے سے بڑے نتائج
"میرے 3 دوستوں نے یہ دوائی استعمال کی اور سب ٹھیک ہو گئے - یہ دوائی بہت اچھی ہے!" 3 لوگوں کا تجربہ نمونہ نہیں - انفرادی کہانیاں ہیں۔ چھوٹے نمونوں میں بے ترتیب اتار چڑھاؤ بہت بڑا ہوتا ہے۔
غلطی 4: بنیادی شرح نظرانداز کرنا
بیز تھیورم والی غلطی - کسی چیز کی عمومی شرح بھولنا۔
ایک خاص ٹیسٹ 99 فیصد درست ہے۔ آپ کا ٹیسٹ مثبت آتا ہے۔ "مجھے ضرور بیماری ہے!" - لیکن اگر بیماری 10,000 میں 1 شخص کو ہوتی ہے تو آپ کے واقعی بیمار ہونے کا امکان ابھی بھی 1 فیصد سے بھی کم ہے۔
غلطی 5: شماریاتی اہمیت کو عملی اہمیت سمجھنا
ایک تحقیق بتاتی ہے کہ نئی تدریسی تکنیک سے طلبا کے نمبر "شماریاتی طور پر اہم" حد تک بڑھتے ہیں - P-value = 0.03۔ لیکن اصل فرق 1100 میں سے صرف 5 نمبر ہے۔ کیا پورے نظام کو بدلنے کے لیے 5 نمبر کافی ہیں؟ شاید نہیں۔
غلطی 6: کئی جانچوں کا مسئلہ
اگر آپ 20 فرضیے جانچیں تو اوسطاً 1 "اہم" نتیجہ اتفاق سے ملے گا (0.05 × 20 = 1)۔
محقق کھانے کی 50 مختلف اشیاء اور صحت کا تعلق جانچتا ہے۔ بینگن اور اچھی یادداشت میں P-value < 0.05 ملتا ہے۔ سرخی: "بینگن دماغ تیز کرتا ہے!" لیکن 50 جانچوں میں سے 2-3 اتفاق سے "اہم" نکلنا بالکل عام ہے۔
غلطی 7: گراف سے دھوکہ
- Y-محور صفر سے شروع نہ کرنا - چھوٹے فرق بہت بڑے دکھتے ہیں
- غیر مساوی پیمانے
- 3D اثرات جو سائز کا غلط تاثر دیتے ہیں
غلطی 8: "ثبوت نہیں ملا" کو "ثبوت ہے کہ نہیں" سمجھنا
H₀ مسترد نہ ہونا اس کے سچ ہونے کا ثبوت نہیں۔ شاید نمونہ چھوٹا تھا یا ٹیسٹ کمزور تھا۔
ان غلطیوں سے کیسے بچیں
- ہم آہنگی دیکھیں تو سببیت فرض نہ کریں - الجھانے والے متغیرات تلاش کریں
- پورا ڈیٹا دیکھیں، صرف منتخب حصہ نہیں
- نمونے کا حجم جانچیں
- بنیادی شرحیں یاد رکھیں
- اثر کا حجم اور P-value دونوں دیکھیں
- گراف کے پیمانے جانچیں
شماریاتی غلطیاں ہر جگہ ہیں - خبروں میں، اشتہارات میں، یہاں تک کہ تحقیقی مقالوں میں۔ سب سے عام غلطیاں ہیں: ہم آہنگی کو سببیت سمجھنا، منتخب ڈیٹا دکھانا، چھوٹے نمونوں سے بڑے نتائج نکالنا، بنیادی شرح بھولنا، شماریاتی اہمیت کو عملی اہمیت سمجھنا، اور گمراہ کن گراف بنانا۔ ان غلطیوں کو پہچاننا آپ کو شماریات کا باخبر صارف بناتا ہے۔