1
00:00:07,478 --> 00:00:10,839
Producent pasty do zębów twierdzi,
że usunie ona więcej płytki nazębnej

2
00:00:10,839 --> 00:00:12,910
niż jakakolwiek inna pasta.

3
00:00:12,910 --> 00:00:16,411
Polityk mówi, że jego plan
stworzy najwięcej miejsc pracy.

4
00:00:16,411 --> 00:00:18,951
Tak bardzo jesteśmy
przyzwyczajeni do wyolbrzymień

5
00:00:18,951 --> 00:00:20,850
w reklamie i polityce,

6
00:00:20,850 --> 00:00:23,131
że nawet nas to nie rusza.

7
00:00:23,131 --> 00:00:26,111
A kiedy twierdzeniu towarzyszy wykres?

8
00:00:26,111 --> 00:00:28,471
W końcu wykres to nie opinia.

9
00:00:28,471 --> 00:00:32,611
To konkretne liczby,
z którymi nie da się kłócić.

10
00:00:32,611 --> 00:00:36,403
Niestety wykresy mogą
na wiele sposobów mylić

11
00:00:36,403 --> 00:00:38,192
albo po prostu manipulować.

12
00:00:38,192 --> 00:00:40,745
Oto kilka rzeczy, na które trzeba uważać.

13
00:00:40,745 --> 00:00:45,760
W 1992 roku Chevrolet reklamował się,
że produkuje najbezpieczniejsze samochody

14
00:00:45,760 --> 00:00:47,510
przy pomocy tego wykresu.

15
00:00:47,510 --> 00:00:50,523
Wykres nie tylko pokazuje,
że 98% ciężarówek Chevroleta

16
00:00:50,523 --> 00:00:53,472
sprzedanych przez ostatnią
dekadę wciąż jest w eksploatacji,

17
00:00:53,472 --> 00:00:57,338
ale sprawia wrażenie, że są dwa razy
bardziej niezawodne niż Toyoty,

18
00:00:57,338 --> 00:01:00,634
dopóki nie spojrzymy na liczby po lewej

19
00:01:00,634 --> 00:01:05,472
i nie okaże się, że wskaźnik
dla Toyoty to 96,5%.

20
00:01:05,472 --> 00:01:09,313
Skala obejmuje tylko liczby od 95 do 100%.

21
00:01:09,313 --> 00:01:12,963
Gdyby miała od 0 do 100,
wyglądałoby to tak.

22
00:01:12,963 --> 00:01:16,243
To jeden z najczęstszych 
sposobów manipulacji wykresem.

23
00:01:16,243 --> 00:01:18,333
Zniekształcenie skali.

24
00:01:18,333 --> 00:01:20,804
Powiększenie małej części osi Y

25
00:01:20,804 --> 00:01:25,703
wyolbrzymia ledwie wykrywalną
różnicę między podobnymi rzeczami.

26
00:01:25,703 --> 00:01:27,974
To szczególnie myli
w wykresach słupkowych,

27
00:01:27,974 --> 00:01:31,023
bo zakładamy, że różnica
wysokości słupków

28
00:01:31,023 --> 00:01:33,233
jest proporcjonalna do wartości.

29
00:01:33,233 --> 00:01:36,125
Skala może być też
zniekształcona na osi X,

30
00:01:36,125 --> 00:01:40,414
zwykle na wykresach liniowych
pokazujących, że coś zmienia się w czasie.

31
00:01:40,414 --> 00:01:44,747
Ten wykres pokazuje wzrost
zwolnień w USA w latach 2008-2010.

32
00:01:44,747 --> 00:01:47,916
Manipuluje osią X na dwa sposoby.

33
00:01:47,916 --> 00:01:50,395
Przede wszystkim skala jest niespójna.

34
00:01:50,395 --> 00:01:53,416
15-miesięczny okres
od marca 2009 roku został ściśnięty,

35
00:01:53,416 --> 00:01:56,755
żeby wyglądał na krótszy
niż wcześniejsze sześć miesięcy.

36
00:01:56,755 --> 00:02:00,106
Wyrównanie okresów daje inny obraz,

37
00:02:00,106 --> 00:02:03,705
spadek liczby zwolnień po 2009 roku.

38
00:02:03,705 --> 00:02:06,675
Jeśli ciekawi was, skąd wzrost,

39
00:02:06,675 --> 00:02:10,615
oś czasu zaczyna się natychmiast
po największym krachu finansowym w USA

40
00:02:10,615 --> 00:02:12,356
od czasu wielkiego kryzysu.

41
00:02:12,356 --> 00:02:15,219
Ta technika to "podejście selektywne".

42
00:02:15,219 --> 00:02:17,098
Przedział czasowy można wybrać tak,

43
00:02:17,098 --> 00:02:20,648
żeby ukryć wpływ ważnego wydarzenia.

44
00:02:20,648 --> 00:02:24,762
Wybranie określonych punktów 
może ukryć ważne zmiany.

45
00:02:24,762 --> 00:02:27,356
Nawet jeśli w samym
wykresie nie ma nic złego,

46
00:02:27,356 --> 00:02:30,937
mylne wrażenie może wynikać
z braku istotnych informacji.

47
00:02:30,937 --> 00:02:33,997
Wykres pokazujący, ile osób
co roku ogląda Super Bowl,

48
00:02:33,997 --> 00:02:37,626
tworzy wrażenie, że jego
popularność eksplodowała.

49
00:02:37,626 --> 00:02:40,008
Ale nie uwzględniono wzrostu populacji.

50
00:02:40,008 --> 00:02:42,037
Tak naprawdę notowania się nie zmieniły,

51
00:02:42,037 --> 00:02:45,109
bo chociaż liczba fanów
futbolu amerykańskiego wzrosła,

52
00:02:45,109 --> 00:02:47,959
ich udział w ogólnej oglądalności nie.

53
00:02:47,959 --> 00:02:49,888
Wykres nie powie też wiele,

54
00:02:49,888 --> 00:02:53,318
jeśli nie mamy świadomości
przedstawianych danych.

55
00:02:53,318 --> 00:02:56,457
Oba wykresy wykorzystują te same
dane dotyczące temperatury oceanu

56
00:02:56,457 --> 00:02:59,719
z Krajowych Centrów
Informacji o Środowisku.

57
00:02:59,719 --> 00:03:02,367
Skąd tak różne wyniki?

58
00:03:02,367 --> 00:03:05,279
Pierwszy wykres przedstawia
średnią roczną temperaturę oceanu

59
00:03:05,279 --> 00:03:07,987
od 1880 roku do 2016 roku,

60
00:03:07,987 --> 00:03:10,149
przez co różnica wydaje się niewielka.

61
00:03:10,149 --> 00:03:12,878
W rzeczywistości wzrost
nawet o pół stopnia Celsjusza

62
00:03:12,878 --> 00:03:15,799
może powodować ogromne
zmiany ekologiczne.

63
00:03:15,799 --> 00:03:17,219
To dlatego drugi wykres

64
00:03:17,219 --> 00:03:19,858
pokazujący średnie zmiany
temperatury w każdym roku

65
00:03:19,858 --> 00:03:22,390
jest o wiele bardziej wymowny.

66
00:03:22,390 --> 00:03:27,379
Dobrze używane wykresy mogą pomóc
intuicyjnie uchwycić złożone dane.

67
00:03:27,379 --> 00:03:31,180
Odkąd rozwój techniki umożliwił częstsze
wykorzystanie wykresów w mediach,

68
00:03:31,180 --> 00:03:35,900
łatwiej z nich jednak skorzystać
w nieostrożny albo nieuczciwy sposób.

69
00:03:35,900 --> 00:03:39,560
Następnym razem, kiedy zobaczysz
wykres, nie daj się zwieść.

70
00:03:39,560 --> 00:03:40,882
Sprawdź legendę,

71
00:03:40,882 --> 00:03:42,130
liczby,

72
00:03:42,130 --> 00:03:43,048
skalę

73
00:03:43,048 --> 00:03:44,360
i kontekst,

74
00:03:44,360 --> 00:03:47,000
a potem pomyśl,
co wykres chce ci przekazać.