应用统计学案例一：职场上的年龄歧视.docxVIP

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 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。 2 《应用统计学》案例（一） 表 1 职场上的年龄歧视数据 员工姓名 年收入（元） 年龄（岁） 雇佣状态 许斌 41200 45 解雇 熊睿 39565 43 保留 李聃 30980 41 保留 刘嘉钰 23225 27 保留 赵菲 21250 26 保留 * 宁申 41875 45 解雇 张明 31225 41 保留 张兴哲 30135 36 解雇 孙浩 29850 32 保留 马启超 21850 22 保留 * 黄欢欢 43005 48 解雇 许学健 34785 41 保留 宋毅飞 25350 27 保留 张晶 36300 42 保留 * 柏重阳 40425 46 解雇 * 张海嘉 39150 42 解雇 邓德练 19435 19 保留 黄业成 24125 28 保留 殷鹏 30450 40 保留 董礼 24750 25 保留 李先志 22755 23 保留 张天明 23000 24 保留 谢若媛 42000 46 解雇 * 贾晓岩 44100 52 解雇 赵未 44975 55 解雇 王诗蕊 25900 27 保留 张航 40875 46 解雇 高秋月 38595 41 保留 * 曹广灿 42995 48 解雇 张研 31755 40 保留 来源 29540 32 保留 康小波 34300 41 保留 李阳 43700 51 解雇 3 《应用统计学》案例（一） 毛贤君 19435 22 保留 岳丹雷 28750 32 保留 * 刘振兴 44675 52 解雇 龙中权 35505 38 解雇 屈正祚 33425 38 解雇 张娜 31300 36 解雇 * 柯小梅 42300 46 解雇 * 储成 43625 50 解雇 燕化伟 37650 42 保留 * 唐劲韬 38400 43 解雇 李东櫆 32195 35 解雇 刘宇峰 19435 21 保留 赵品楠 32785 39 解雇 杨玉杰 37900 42 保留 孔祥超 29150 30 解雇 姜品 35125 41 保留 徐欢 27655 33 保留 * 徐晓涛 42545 47 解雇 唐海涛 22200 32 保留 尹永奇 40350 44 解雇 史朝旺 28305 34 保留 许斌 36500 42 保留 一、 建立支持原告的证据材料 引言：据《广州日报》一篇文章《年龄渐成职场歧视问题之最 国内职场 35 岁 是一道坎》，有关专家分析“ 35 岁现象”可能是特定行业的现象， “如果对员工 既要求有一定专业技术技能，又有体力方面的要求，在这种情况下， 35 岁以上 就是一个弱势了。” 证据一： 4 《应用统计