2020國考行測技巧：可能性推理之數據比例
在行測邏輯判斷必然性推理眾多論證模型中數據比例論證經常在我們的日常生活中使用，因此也就和我們的生活息息相關，但正是因為我們生活中對數據比例論證方式不正確的使用，致使其往往容易成為行測考試中的易錯點。今天中公教育專家就帶領大家一起學習其中奧義，其中關鍵。
一、什么是數據比例
所謂數據比例嚴格來說應該是數據論證以及比例論證模型兩者的結合，具體來講就是把數據或者比例作為核心論據的論證方式。
二、數據比例論證的具體類型
按照前提和結論中給出數據類型的不同，可以將數據比例論證概括為以下三種：
1、通過相對數的比較來說明數的大小。比如給出前提“2018年北京房價上漲了5%，西安房價上漲了20%”，得出結論“因此，2018年西安房價比北京房價上漲的多”。所謂的相對數指的就是百分數、比例等等不帶單位的數據，而數是指帶單位的數據。
2、通過數的比較來說明相對數的大小。比如給出前提“2003年‘非典’盛行期間，參與‘非典’治療的醫護人員死亡7人，而未參與‘非典’治療的醫護人員死亡10人”，得出結論“看來參加‘非典’治療的危險系數比正常醫療的危險系數還要低”。
3、通過樣本比例直接得結論。比如給出數據“某學校某次教師評選活動中，女老師占70%，男老師占30%”，得出結論“看來該學校女老師比男老師要”。
三、論證漏洞
通過上述的幾個具體論證類型，我們不難發現其實數據比例這種論證模型最主要的論證漏洞即是前提中給出的作為論據的數據不充足。
比如由“2018年北京房價上漲了5%，西安房價上漲了20%，”得出“2018年西安房價比北京房價上漲的多”，很明顯，不知道2017年的北京和西安房價，我們是沒有辦法計算出來2018年北京、西安房價相較于去年的增長量多少，進而無法比較它們的大小。
比如由“2003年‘非典’盛行期間，參與‘非典’治療的醫護人員死亡7人，而未參與‘非典’治療的醫護人員死亡10人”得出“看來參加‘非典’治療的危險系數比正常醫療的危險系數還要低”，結論中的“危險系數”一般是通過“死亡率”高低判定的，我們不知道參與“非典”治療和未參與“非典”治療的醫療工作者的基數分別是多少，就沒有辦法計算它們分別對應的死亡率。
比如由“某學校某次教師評選活動中，女老師占70%，男老師占30%”得出“看來該學校女老師比男老師要”，不知道該學校男女老師的分布比例，是沒有辦法判斷到底男老師和女老師誰更的。
四、加強削弱方式
既然數據比例論證模型最主要的論證漏洞是缺少論證數據，因此其最主要的加強方式即為補充數據使結論成立;最主要的削弱方式即為補充數據使結論不成立。
（責任編輯：李明）
電子營業執照