看新聞‧學數學－小樣本

相差12歲「寶建戀」 4成2網友不看好

http://n.yam.com/ebcnews/entertain/20120610/20120610529542.html 

（前略......）

有網路媒體也馬上趕上這波姊弟戀的熱潮，舉辦民調，問問網友們對這段戀情未來發展的看法，但是投票才剛進行不到24小時，卻有百分之42的網友不看好寶媽和汪建民。

（後略......）

請大家想想，這篇報導的問題在哪呢？

簡單來說，當樣本很小時，統計結果常常會出現一些比較極端的狀況，然後再慢慢回歸正常。

常見的例子是，棒球比賽開季時，總是會出現一些很恐怖的投打數據，像是打擊率超過.500、防禦率0.00、強隊連敗、弱隊連勝......等，可是當賽事持續進行，這些可怕的數據就會一一回歸開賽前所預期的了。當然，某些黑馬球員或黑馬球隊，他們的表現還是會在我們預期之外。

回到這則新聞上。筆者認為最大的問題是，為什麼要強調「投票才剛進行不到24小時」呢？難道記者是很肯定，當時間越來越長，不看好的百分比一定會增加嗎？

如果今天的報導是：「投票才剛進行不到24小時，卻有『4200個』網友不看好寶媽和汪建民」。那就不會有什麼問題了，因為接下來的數據，一定大於等於4200。

原因就是，一個是比例，一個是累計數據。

結論就是，這篇報導沒什麼大問題，但是強調的那句話，實在讓人猜不透原因。