0:00:07.478,0:00:10.839
Producent pasty do zębów twierdzi,[br]że usunie ona więcej płytki nazębnej

0:00:10.839,0:00:12.910
niż jakakolwiek inna pasta.

0:00:12.910,0:00:16.411
Polityk mówi, że jego plan[br]stworzy najwięcej miejsc pracy.

0:00:16.411,0:00:18.951
Tak bardzo jesteśmy[br]przyzwyczajeni do wyolbrzymień

0:00:18.951,0:00:20.850
w reklamie i polityce,

0:00:20.850,0:00:23.131
że nawet nas to nie rusza.

0:00:23.131,0:00:26.111
A kiedy twierdzeniu towarzyszy wykres?

0:00:26.111,0:00:28.471
W końcu wykres to nie opinia.

0:00:28.471,0:00:32.611
To konkretne liczby,[br]z którymi nie da się kłócić.

0:00:32.611,0:00:36.403
Niestety wykresy mogą[br]na wiele sposobów mylić

0:00:36.403,0:00:38.192
albo po prostu manipulować.

0:00:38.192,0:00:40.745
Oto kilka rzeczy, na które trzeba uważać.

0:00:40.745,0:00:45.760
W 1992 roku Chevrolet reklamował się,[br]że produkuje najbezpieczniejsze samochody

0:00:45.760,0:00:47.510
przy pomocy tego wykresu.

0:00:47.510,0:00:50.523
Wykres nie tylko pokazuje,[br]że 98% ciężarówek Chevroleta

0:00:50.523,0:00:53.472
sprzedanych przez ostatnią[br]dekadę wciąż jest w eksploatacji,

0:00:53.472,0:00:57.338
ale sprawia wrażenie, że są dwa razy[br]bardziej niezawodne niż Toyoty,

0:00:57.338,0:01:00.634
dopóki nie spojrzymy na liczby po lewej

0:01:00.634,0:01:05.472
i nie okaże się, że wskaźnik[br]dla Toyoty to 96,5%.

0:01:05.472,0:01:09.313
Skala obejmuje tylko liczby od 95 do 100%.

0:01:09.313,0:01:12.963
Gdyby miała od 0 do 100,[br]wyglądałoby to tak.

0:01:12.963,0:01:16.243
To jeden z najczęstszych [br]sposobów manipulacji wykresem.

0:01:16.243,0:01:18.333
Zniekształcenie skali.

0:01:18.333,0:01:20.804
Powiększenie małej części osi Y

0:01:20.804,0:01:25.703
wyolbrzymia ledwie wykrywalną[br]różnicę między podobnymi rzeczami.

0:01:25.703,0:01:27.974
To szczególnie myli[br]w wykresach słupkowych,

0:01:27.974,0:01:31.023
bo zakładamy, że różnica[br]wysokości słupków

0:01:31.023,0:01:33.233
jest proporcjonalna do wartości.

0:01:33.233,0:01:36.125
Skala może być też[br]zniekształcona na osi X,

0:01:36.125,0:01:40.414
zwykle na wykresach liniowych[br]pokazujących, że coś zmienia się w czasie.

0:01:40.414,0:01:44.747
Ten wykres pokazuje wzrost[br]zwolnień w USA w latach 2008-2010.

0:01:44.747,0:01:47.916
Manipuluje osią X na dwa sposoby.

0:01:47.916,0:01:50.395
Przede wszystkim skala jest niespójna.

0:01:50.395,0:01:53.416
15-miesięczny okres[br]od marca 2009 roku został ściśnięty,

0:01:53.416,0:01:56.755
żeby wyglądał na krótszy[br]niż wcześniejsze sześć miesięcy.

0:01:56.755,0:02:00.106
Wyrównanie okresów daje inny obraz,

0:02:00.106,0:02:03.705
spadek liczby zwolnień po 2009 roku.

0:02:03.705,0:02:06.675
Jeśli ciekawi was, skąd wzrost,

0:02:06.675,0:02:10.615
oś czasu zaczyna się natychmiast[br]po największym krachu finansowym w USA

0:02:10.615,0:02:12.356
od czasu wielkiego kryzysu.

0:02:12.356,0:02:15.219
Ta technika to "podejście selektywne".

0:02:15.219,0:02:17.098
Przedział czasowy można wybrać tak,

0:02:17.098,0:02:20.648
żeby ukryć wpływ ważnego wydarzenia.

0:02:20.648,0:02:24.762
Wybranie określonych punktów [br]może ukryć ważne zmiany.

0:02:24.762,0:02:27.356
Nawet jeśli w samym[br]wykresie nie ma nic złego,

0:02:27.356,0:02:30.937
mylne wrażenie może wynikać[br]z braku istotnych informacji.

0:02:30.937,0:02:33.997
Wykres pokazujący, ile osób[br]co roku ogląda Super Bowl,

0:02:33.997,0:02:37.626
tworzy wrażenie, że jego[br]popularność eksplodowała.

0:02:37.626,0:02:40.008
Ale nie uwzględniono wzrostu populacji.

0:02:40.008,0:02:42.037
Tak naprawdę notowania się nie zmieniły,

0:02:42.037,0:02:45.109
bo chociaż liczba fanów[br]futbolu amerykańskiego wzrosła,

0:02:45.109,0:02:47.959
ich udział w ogólnej oglądalności nie.

0:02:47.959,0:02:49.888
Wykres nie powie też wiele,

0:02:49.888,0:02:53.318
jeśli nie mamy świadomości[br]przedstawianych danych.

0:02:53.318,0:02:56.457
Oba wykresy wykorzystują te same[br]dane dotyczące temperatury oceanu

0:02:56.457,0:02:59.719
z Krajowych Centrów[br]Informacji o Środowisku.

0:02:59.719,0:03:02.367
Skąd tak różne wyniki?

0:03:02.367,0:03:05.279
Pierwszy wykres przedstawia[br]średnią roczną temperaturę oceanu

0:03:05.279,0:03:07.987
od 1880 roku do 2016 roku,

0:03:07.987,0:03:10.149
przez co różnica wydaje się niewielka.

0:03:10.149,0:03:12.878
W rzeczywistości wzrost[br]nawet o pół stopnia Celsjusza

0:03:12.878,0:03:15.799
może powodować ogromne[br]zmiany ekologiczne.

0:03:15.799,0:03:17.219
To dlatego drugi wykres

0:03:17.219,0:03:19.858
pokazujący średnie zmiany[br]temperatury w każdym roku

0:03:19.858,0:03:22.390
jest o wiele bardziej wymowny.

0:03:22.390,0:03:27.379
Dobrze używane wykresy mogą pomóc[br]intuicyjnie uchwycić złożone dane.

0:03:27.379,0:03:31.180
Odkąd rozwój techniki umożliwił częstsze[br]wykorzystanie wykresów w mediach,

0:03:31.180,0:03:35.900
łatwiej z nich jednak skorzystać[br]w nieostrożny albo nieuczciwy sposób.

0:03:35.900,0:03:39.560
Następnym razem, kiedy zobaczysz[br]wykres, nie daj się zwieść.

0:03:39.560,0:03:40.882
Sprawdź legendę,

0:03:40.882,0:03:42.130
liczby,

0:03:42.130,0:03:43.048
skalę

0:03:43.048,0:03:44.360
i kontekst,

0:03:44.360,0:03:47.000
a potem pomyśl,[br]co wykres chce ci przekazać.