在行测逻辑判断必然性推理众多论证模型中数据比例论证经常在我们的日常生活中使用，因此也就和我们的生活息息相关，但正是因为我们生活中对数据比例论证方式不正确的使用，致使其往往容易成为行测考试中的易错点。今天就带领大家一起学习其中奥义，解密其中关键。

 

　　一、什么是数据比例

 

　　所谓数据比例严格来说应该是数据论证以及比例论证模型两者的结合，具体来讲就是把数据或者比例作为核心论据的论证方式。

 

　　二、数据比例论证的具体类型

 

　　按照前提和结论中给出数据类型的不同，可以将数据比例论证概括为以下三种：

 

　　1、通过相对数的比较来说明绝对数的大小。比如给出前提“2018年北京房价上涨了5%，西安房价上涨了20%”，得出结论“因此，2018年西安房价比北京房价上涨的多”。所谓的相对数指的就是百分数、比例等等不带单位的数据，而绝对数是指带单位的数据。

 

　　2、通过绝对数的比较来说明相对数的大小。比如给出前提“2003年‘非典’盛行期间，参与‘非典’治疗的医护人员死亡7人，而未参与‘非典’治疗的医护人员死亡10人”，得出结论“看来参加‘非典’治疗的危险系数比正常医疗的危险系数还要低”。

 

　　3、通过样本比例直接得结论。比如给出数据“某学校某次优秀教师评选活动中，女老师占70%，男老师占30%”，得出结论“看来该学校女老师比男老师要优秀”。

 

　　三、论证漏洞

 

　　通过上述的几个具体论证类型，我们不难发现其实数据比例这种论证模型最主要的论证漏洞即是前提中给出的作为论据的数据不充足。

 

　　比如由“2018年北京房价上涨了5%，西安房价上涨了20%，”得出“2018年西安房价比北京房价上涨的多”，很明显，不知道2017年的北京和西安房价，我们是没有办法计算出来2018年北京、西安房价相较于去年的增长量多少，进而无法比较它们的大小。

 

　　比如由“2003年‘非典’盛行期间，参与‘非典’治疗的医护人员死亡7人，而未参与‘非典’治疗的医护人员死亡10人”得出“看来参加‘非典’治疗的危险系数比正常医疗的危险系数还要低”，结论中的“危险系数”一般是通过“死亡率”高低判定的，我们不知道参与“非典”治疗和未参与“非典”治疗的医疗工作者的基数分别是多少，就没有办法计算它们分别对应的死亡率。

 

　　比如由“某学校某次优秀教师评选活动中，女老师占70%，男老师占30%”得出“看来该学校女老师比男老师要优秀”，不知道该学校男女老师的分布比例，是没有办法判断到底男老师和女老师谁更优秀的。

 

　　四、加强削弱方式

 

　　既然数据比例论证模型最主要的论证漏洞是缺少论证数据，因此其最主要的加强方式即为补充数据使结论成立;最主要的削弱方式即为补充数据使结论不成立。