应用统计学案例一职场上的年龄歧视.docx
《应用统计学案例一职场上的年龄歧视.docx》由会员分享，可在线阅读，更多相关《应用统计学案例一职场上的年龄歧视.docx（7页珍藏版）》请在冰点文库上搜索。
应用统计学案例一职场上的年龄歧视
应用统计学案例一：
职场上的年龄歧视
职场上的年龄歧视
人们无法选择性别、容貌、姓氏、身高、民族，人们更无法逃避年龄日益增长的自然规律。
本来，它们与职业无关，然而在崇尚公平原则的市场经济里，它们竟然那么紧密地与职业联系起来。
于是，职业歧视，这个很多人已经耳熟能详并遭遇其中的现象开始滋生、蔓延。
近年来，我国就业中存在的年龄歧视问题越来越严重，逐渐引起人们的关注。
在当今就业形势日益严峻、就业竞争日渐激烈的情况下，很多人群遭遇年龄歧视的问题。
年龄歧视已经发展成为一个影响最大的、波及人群最广的歧视现象。
性别、容貌、姓氏、身高、民族等的出现有一定的几率，属于不确定问题，而年龄是每个人都必将经历的，因为时间不可挽回、无法逃避。
年龄歧视的出现不但破坏社会的就业秩序，也极大改变了人们的道德观念和价值取向。
就业年龄歧视指的是劳动者由于年龄原因，在就业劳动条件等方面受到不平等的对待。
换言之，就是求职者或受雇者因为年龄而在招聘过程或雇佣上受到不公平或不同的差别待遇。
就业年龄歧视广泛存在于从招聘到入职再到离职的各个阶段，在招聘、试用期、考核、升职、调职或培训、劳动合同条款和条件、裁员、退休政策及申诉程序等方面给予差别待遇。
就业年龄歧视是基于年龄的不同而给予不同劳动者的差别待遇，侵犯了人们的平等就业权。
由于生产流程改造升级，一家电子元器件公司解雇了55名装配工人中的24名。
被解雇工人中的11人声称遭受到了年龄歧视，起诉该公司要求赔偿50万元。
公司管理人员反驳说由于工人是可以互换的，他们是使用随机抽样的方法选择的被解雇人员。
下表列出了55名转配工人的年收入、年龄和雇佣状态。
同时，将原告以星号（*）标记出来。
原告利用这些数据来确定解雇行为是否对年龄偏大的工人有反向影响，而被告则利用这些数据来寻找证明公司管理人员随机抽样的证据。
计算与思考：
通过分析数据的数字特征，建立支持原告的证据材料。
相同地，建立支持被告的证据材料。
对比分析，原告、被告的证据材料哪个更为可信？
你还有没有其他的方法可以为原告或被告提供证据材料？
试述之。
根据以上内容，
首先对年龄分为“35岁以上”和“35岁以下（包含35岁）”两组进行数据分析。
年龄
被解雇人数
被解雇人数所占总人数百分比（%）
被保留人数
被保留人数所占总人数百分比（%）
35岁以上
22
40
13
23.64
35岁以下
（包含35岁）
2
3.64
18
32.72
合计
24
43.64
31
56.36
由上表可知，该公司对解雇工人存在明显的年龄歧视。
证据二：
分析24位被解雇工人以及其中11位原告工人、其余被保留工人年龄的数据特征。
24位被解雇工人年龄的数据特征
平均值
中位数
众数
极大值
极小值
方差
标准差
44.08
45.5
46
55
30
39.13
6.26
11位原告工人年龄的数据特征
平均值
中位数
众数
极大值
极小值
方差
标准差
47.18
47
48
52
42
10.76
3.28
其余被保留工人年龄的数据特征
平均值
中位数
众数
极大值
极小值
方差
标准差
33
32
41
43
19
64
8
由以上数据可知，
47>44>33，11位原告工人的平均年龄大于24位被解雇工人以及其余被保留工人的平均年龄；
47>45.5>32，11位原告工人的年龄的中位数大于24位被解雇工人以及其余被保留工人的年龄的中位数；
并且11位原告工人的年龄的众数大于24位被解雇工人以及其余被保留工人的年龄的众数；
该公司对解雇工人存在明显的年龄歧视。
一、建立支持被告的证据材料
证据一：
分析全部工人、24位被解雇工人以及其中11位原告工人、其余被保留工人年龄的数据特征。
全部工人年龄的数据特征
平均值
中位数
众数
极大值
极小值
方差
标准差
37.84
41
41
55
19
82.99
9.11
24位被解雇工人年龄的数据特征
平均值
中位数
众数
极大值
极小值
方差
标准差
44.08
45.5
46
55
30
39.13
6.26
11位原告工人年龄的数据特征
平均值
中位数
众数
极大值
极小值
方差
标准差
47.18
47
48
52
42
10.76
3.28
其余被保留工人年龄的数据特征
平均值
中位数
众数
极大值
极小值
方差
标准差
33
32
41
43
19
64
8
由以上数据可知，
其余被保留工人年龄的众数与全部工人年龄的众数相同；
82.99>64>39.13>10.76，其余被保留工人的年龄方差大于24位被解雇工人以及11位原告工人的年龄方差；其余被保留工人的年龄方差较大说明其年龄分布没有集中于平均年龄，说明该公司管理人员通过随机抽样解雇工人，不存在年龄歧视。
证据二：
利用ExcelSkew函数计算以上表中4组数据的偏斜度。
1全部工人年龄的偏斜度为：
-0.347，表明数据呈现轻微的左偏，数据的极端值出现在小于均值的方向，多数的数据大于均值；
224位被解雇工人年龄的偏斜度为：
-0.424，表明数据呈现轻微的左偏，数据的极端值出现在小于均值的方向，多数的数据大于均值；
311位原告工人年龄的偏斜度为：
0.0735，表明数据呈现极小程度的右偏，数据的极端值出现在大于均值的方向，多数的数据小于均值；
4其余被保留工人年龄的偏斜度为：
-0.196，表明数据呈现轻微的左偏，数据的极端值出现在小于均值的方向，多数的数据大于均值；
由上可知，4组数据均呈现轻微甚至极小程度的偏斜，没有大幅度的偏斜，说明该公司管理人员通过随机抽样解雇工人，不存在年龄歧视。
二、对比分析原告与被告证据材料
通过对比分析原告与被告证据材料可知，支持原告证据材料更为充分且具有说服力，而支持被告证据材料稍显勉强与片面、不具有说服力；因此，该公司对于解雇工人存在明显的年龄歧视。
三、其它证据材料
就业年龄歧视广泛存在于从招聘到入职再到离职的各个阶段，在招聘、试用期、考核、升职、调职或培训、劳动合同条款和条件、裁员、退休政策及申诉程序等方面给予差别待遇。
也就是说，不仅可以通过分析原告以及所有被解雇工人年龄的数据特征来作为支持原告的证据，还可以通过分析11位原告工人被解雇前在公司的待遇（在这里指薪水待遇）来作为有力的证据。
升级会员 