1701039330
1701039331
1701039332
1701039333
1701039334
1701039335
1701039336
1701039337
那么，多少样本就够了呢？这个问题很微妙。这取决于你抽样研究的样本人数和种类。而且有时，样本中单位的数量看上去已经很多，但实际却不足。
1701039338
1701039339
这有一个很好的例子来证明这个结论，这个例子与几年前的小儿麻痹疫苗试验有关。这个试验的规模非常大，几乎与医学实验的规模相当：一个地区的450名儿童注射了小儿麻痹疫苗，另有680名儿童作为对照没有接受注射。不久之后，该地区出现了传染病。注射过疫苗的儿童中没有一个患上小儿麻痹症。
1701039340
1701039341
但是，对照组中也没有儿童患病。在设立这个实验项目时，实验者忽视或者假装不知道一个事实——小儿麻痹症的发病率很低。在一般情况下，这么大规模的群体中只可能出现两例患病者。因此，从一开始这个实验就注定毫无意义。如果想获得任何有意义的结论，实验组需要用比这个群体多15~20倍的儿童做样本。
1701039342
1701039343
许许多多转瞬即逝的医学发现都是这样产生的。正如一位医师所说：“赶紧使用新的方法，要不就迟了。”
1701039344
1701039345
1701039346
1701039347
1701039348
这种情况并非医学界独有。由于受到的公众压力过大且新闻报道过于草率，医学治疗经常未经证实就被报道，尤其是在公众需求很大而且数据背景模糊不清时。曾一度非常流行的流感疫苗和最近的抗组胺剂便是如此。许多无法治本的“治疗措施”很快就被广泛使用，但事实上，他们连疾病的原理都还没弄清楚，也缺乏一定的逻辑。其实，如果时间足够，一场感冒自己就会痊愈。
1701039349
1701039350
你要怎样做才能不被毫无意义的结论愚弄？难道每个人都必须成为统计学家，亲自分析数据吗？没那么糟糕，这有一种简单易懂的显著性检验方法。这种方法能够证明一个实验数据在很大程度上代表的是真实的结果，而非机缘巧合之下得出的。这就是要看看没有被透露的小小数据——假设你是个外行，不懂其中的奥秘，但如果你对这一数据能有所留意，你就能看穿这种别有用心的手段。
1701039351
1701039352
如果你的信息来源能将显著性水平告知与你，你就会更清楚自己的立场。这个显著性水平就是我们最常说的“概率”。好比人口普查局会告诉你，他们以19/20的概率保证数据是非常准确的。对于大多数用途而言，5%的显著性水平已经足够。而对于某些用途而言则需要1%的显著性水平，因为这意味着99%的概率证明了一个显著的差异或诸如此类的东西是真实的。有时，我们将类似这样的东西描述为“十拿九稳”。
1701039353
1701039354
此外，还有一种没有被透露的数据，缺了它也会影响数据的准确性。这个数据能根据已给出的平均数告知我们误差的范围。一般情况下，不管是均值还是中位数，明确限定还是未限定的平均数都会过分简化事实，这比毫无意义还要糟糕。对某事一无所知往往要好过知道错误信息，只知道个皮毛也许会十分危险。
1701039355
1701039356
比如在美国，有太多住房被规划为“适宜平均人口为3.6人的一般家庭居住”。事实上，这就意味着有3人或4人的家庭需要两间卧室。尽管声称是“一般家庭”，但实际上这种规模的家庭只占少数。“我们按照一般情况建造住房。”建筑商们这样说。其实，他们忽视了比这规模更大或更小的多数情况。结果在有些地区，带有两间卧室的房屋建造过多，而更大或更小的房子却建造太少。因此，这种误导人的不完整数据会导致严重的后果。对此，美国公共卫生协会（The American Public Health Association）表示：“如果透过算数平均数来看实情，我们就会发现3人家庭或4人家庭总共占全美国家庭的45%，而1人家庭和2人家庭占35%，4人以上家庭则占20%。”
1701039357
1701039358
1701039359
1701039360
1701039361
在精确到令人信服的权威数据3.6面前，常识在某种程度上却缺失了。这个3.6竟然战胜了人们从观察中都能得出的事实（许多家庭规模很小，还有一部分家庭规模很大）。
1701039362
1701039363
在所谓的“格塞尔标准”（Gesell’s Norms）中，也有这种被遗漏的小小数据，它以相同的方式给父母们造成了痛苦。如果让父母在某份报纸的某部分看到“小孩在几个月时应当学会坐直”，他们马上就会对比自己的孩子。假如孩子没有在特定年龄坐起来，父母就会认为自己的孩子“智力迟钝”“低智能”，或是产生类似的令人烦恼的想法。因为一半的孩子注定在这个年龄坐不直，这一半孩子的父母就很不高兴。当然，从数学的角度来看，另外一半孩子的父母会欣喜地发现他们的孩子“比较聪明”，这样高兴与不高兴的人数就扯平了。但是，假如不高兴的父母们以此来强迫自己的孩子遵从这个“标准”，这就会产生极其不良的影响。
1701039364
1701039365
1701039366
1701039367
1701039368
阿诺德·格塞尔（Arnold Gesell）博士以及他的方法并没有反映出所有情况。问题就出在信息过滤的过程中，从研究者开始，再由作者进行各种耸人听闻或消息不完全的描述，最后读者就很难发现这个过程中遗失的数据。如果“正常”和平均数都能标注上一个范围，那么就能避免许多不必要的误会。例如，父母们看到孩子达到了正常范围，他们就不会再为细微且没有意义的差异而烦恼。其实，几乎没有任何人能在任何方面达到绝对标准，就好比抛100次硬币，要得出50次正面和50次反面的结果几乎是不可能的。
1701039369
1701039370
搞不清“正常的”和“理想的”会让事情变得更糟。格塞尔博士只是陈述了一些观察所得的事实，而有些父母在读过书籍和文章后，就武断地认为如果孩子迟一天或一个月学会走路，那就一定是发育迟缓。
1701039371
1701039372
艾尔弗雷德·金西博士的知名报告（也许没多少人读过）遭到很多人愚蠢的批判，因为人们普遍认为正常就等同于良好、正确以及令人满意。金西博士被指责腐化青年，因为他给他们灌输的“发生性行为是正常”的观念，这些观念虽然普遍存在但却不为世俗所容。但金西博士说他只是发现这些行为普遍存在，也就是“正常”的，他并没有盖上任何表示“赞成”的印章。而这些观念是否下流猥琐，金西博士认为这并不在他的研究范畴之内。因此，只能说他碰上了一个令许多观察家苦恼的问题：如果在谈论某个饱含情绪信息的问题时，不尽快表明自己的立场是非常危险的。
1701039373
1701039374
1701039375
1701039376
1701039377
没被透露的小小数据之所以带有欺骗性，是因为人们经常意识不到它的缺失，当然这也是成功的秘诀所在。正如当时的新闻批评家们所哀叹的那样，以前那种旧式的跑新闻精神已不复存在，他们严厉指责当时的新闻工作者为“窝在椅子里的华盛顿记者”。这些记者就靠着抄写没有任何批判精神的政府材料混日子。《双周》（Fortnight）杂志上的“工业新发展”专栏就是一个毫无进取心的典型例子，专栏曾报道“美国西屋公司研制出一种能使钢材的硬度增加两倍的全新钢材冷却法”。
1701039378
1701039379
这听起来倒像是“新发展”，除非你能明白这到底是什么，因为这就像个水银球一样难以捉摸。这种全新的冷却方法能使任何一种钢材的硬度都增加两倍吗？还是它生产出的钢材硬度是以前的三倍？或者它生产了什么？似乎报道的人只是传达了一些信息，他们也没有弄明白这到底是什么意思。记者也希望读者们只是不假思索地阅读，以此制造一种读者了解了某些东西的愉快幻觉。这就像是很久前教室里授课的老式做法：老师把课本上的内容转移到学生的笔记本上，而全程学生却不曾思考。