轶事证据和相关性意味着因果关系的谬误扭曲了我们对统计数据的理解。
我们生活在一个数据驱动的世界里。量化，曾经是科学家和工程师的保护，塑造了我们理解从气候变化到个人生活的一切方式。您甚至可能正在使用能够记录您日常运动的应用程序，并告诉您您的睡眠时间。
那很好，对吗？嗯，是的，不。正如美国作家马克吐温喜欢指出的那样，有“谎言，该死的谎言和统计数据。”换句话说，数字可以像他们所知道的那样容易误导。这就是为什么避免统计失误如此重要的原因。
毕竟，无论是营养还是政府政策，到处都有人声称这些数字都在他们一边。即使他们不是故意误导你，他们的“证据”也很有可能被误解或夸大其词。
最常见的错误原因是依赖轶事证据。这基本上是传闻和个人经历。在进化上，信任这种部分数据很有意义。如果你看到有人吃浆果并生病，你只需要避免灌木问题，而不是进行受控制的浆果吃实验。然而，在其他情况下，这是溷乱的根源。
想想人们讲述的故事，比如说，他们的祖父每天抽一包香烟，活到90岁。这些不寻常的事情告诉我们一般的经历。这有点像去一家餐馆：你更有可能告诉朋友你的用餐，如果它是非常好或坏，而不仅仅是平庸。在任何情况下吸烟都不会导致肺癌，但这并不意味着它不会显着增加平均风险。
然后就是错误的观念，即相关性意味着因果关系 - 也就是说，如果两个事件连续发生，那么必然会引起另一个事件。每年人们接种流感疫苗时，你都可以看到这种谬误。不可避免地，有人会在同一时间感冒，将其误认为流感并将其归因于他们刚刚获得的射击。
这个帐户中缺少的是溷杂因素，通常不那么明显但正确的解释 - 即，当人们比平常更多的人生病时，人们接种疫苗的时间很长。普通感冒，流感疫苗不能提供免疫力，最终被误认，接种疫苗会导致它被阻止！这就是数据的麻烦 - 它有助于我们了解世界，但有时它也会帮助我们误解它。
