WEBVTT

00:00:07.478 --> 00:00:10.839
Producent pasty do zębów twierdzi,
że usunie ona więcej płytki nazębnej

00:00:10.839 --> 00:00:12.910
niż jakakolwiek inna pasta.

00:00:12.910 --> 00:00:16.411
Polityk mówi, że jego plan
stworzy najwięcej miejsc pracy.

00:00:16.411 --> 00:00:18.951
Tak bardzo jesteśmy
przyzwyczajeni do wyolbrzymień

00:00:18.951 --> 00:00:20.850
w reklamie i polityce,

00:00:20.850 --> 00:00:23.131
że nawet nas to nie rusza.

00:00:23.131 --> 00:00:26.111
A kiedy twierdzeniu towarzyszy wykres?

00:00:26.111 --> 00:00:28.471
W końcu wykres to nie opinia.

00:00:28.471 --> 00:00:32.611
To konkretne liczby,
z którymi nie da się kłócić.

00:00:32.611 --> 00:00:36.403
Niestety wykresy mogą
na wiele sposobów mylić

00:00:36.403 --> 00:00:38.192
albo po prostu manipulować.

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

00:00:40.745 --> 00:00:45.760
W 1992 roku Chevrolet reklamował się,
że produkuje najbezpieczniejsze samochody

00:00:45.760 --> 00:00:47.510
przy pomocy tego wykresu.

00:00:47.510 --> 00:00:50.523
Wykres nie tylko pokazuje,
że 98% ciężarówek Chevroleta

00:00:50.523 --> 00:00:53.472
sprzedanych przez ostatnią
dekadę wciąż jest w eksploatacji,

00:00:53.472 --> 00:00:57.338
ale sprawia wrażenie, że są dwa razy
bardziej niezawodne niż Toyoty,

00:00:57.338 --> 00:01:00.634
dopóki nie spojrzymy na liczby po lewej

00:01:00.634 --> 00:01:05.472
i nie okaże się, że wskaźnik
dla Toyoty to 96,5%.

00:01:05.472 --> 00:01:09.313
Skala obejmuje tylko liczby od 95 do 100%.

00:01:09.313 --> 00:01:12.963
Gdyby miała od 0 do 100,
wyglądałoby to tak.

00:01:12.963 --> 00:01:16.243
To jeden z najczęstszych 
sposobów manipulacji wykresem.

00:01:16.243 --> 00:01:18.333
Zniekształcenie skali.

00:01:18.333 --> 00:01:20.804
Powiększenie małej części osi Y

00:01:20.804 --> 00:01:25.703
wyolbrzymia ledwie wykrywalną
różnicę między podobnymi rzeczami.

00:01:25.703 --> 00:01:27.974
To szczególnie myli
w wykresach słupkowych,

00:01:27.974 --> 00:01:31.023
bo zakładamy, że różnica
wysokości słupków

00:01:31.023 --> 00:01:33.233
jest proporcjonalna do wartości.

00:01:33.233 --> 00:01:36.125
Skala może być też
zniekształcona na osi X,

00:01:36.125 --> 00:01:40.414
zwykle na wykresach liniowych
pokazujących, że coś zmienia się w czasie.

00:01:40.414 --> 00:01:44.747
Ten wykres pokazuje wzrost
zwolnień w USA w latach 2008-2010.

00:01:44.747 --> 00:01:47.916
Manipuluje osią X na dwa sposoby.

00:01:47.916 --> 00:01:50.395 line:1
Przede wszystkim skala jest niespójna.

00:01:50.395 --> 00:01:53.416 line:1
15-miesięczny okres
od marca 2009 roku został ściśnięty,

00:01:53.416 --> 00:01:56.755 line:1
żeby wyglądał na krótszy
niż wcześniejsze sześć miesięcy.

00:01:56.755 --> 00:02:00.106
Wyrównanie okresów daje inny obraz,

00:02:00.106 --> 00:02:03.705
spadek liczby zwolnień po 2009 roku.

00:02:03.705 --> 00:02:06.675
Jeśli ciekawi was, skąd wzrost,

00:02:06.675 --> 00:02:10.615
oś czasu zaczyna się natychmiast
po największym krachu finansowym w USA

00:02:10.615 --> 00:02:12.356
od czasu wielkiego kryzysu.

00:02:12.356 --> 00:02:15.219
Ta technika to "podejście selektywne".

00:02:15.219 --> 00:02:17.098
Przedział czasowy można wybrać tak,

00:02:17.098 --> 00:02:20.648
żeby ukryć wpływ ważnego wydarzenia.

00:02:20.648 --> 00:02:24.762
Wybranie określonych punktów 
może ukryć ważne zmiany.

00:02:24.762 --> 00:02:27.356
Nawet jeśli w samym
wykresie nie ma nic złego,

00:02:27.356 --> 00:02:30.937
mylne wrażenie może wynikać
z braku istotnych informacji.

00:02:30.937 --> 00:02:33.997
Wykres pokazujący, ile osób
co roku ogląda Super Bowl,

00:02:33.997 --> 00:02:37.626
tworzy wrażenie, że jego
popularność eksplodowała.

00:02:37.626 --> 00:02:40.008
Ale nie uwzględniono wzrostu populacji.

00:02:40.008 --> 00:02:42.037
Tak naprawdę notowania się nie zmieniły,

00:02:42.037 --> 00:02:45.109
bo chociaż liczba fanów
futbolu amerykańskiego wzrosła,

00:02:45.109 --> 00:02:47.959
ich udział w ogólnej oglądalności nie.

00:02:47.959 --> 00:02:49.888
Wykres nie powie też wiele,

00:02:49.888 --> 00:02:53.318
jeśli nie mamy świadomości
przedstawianych danych.

00:02:53.318 --> 00:02:56.457
Oba wykresy wykorzystują te same
dane dotyczące temperatury oceanu

00:02:56.457 --> 00:02:59.719
z Krajowych Centrów
Informacji o Środowisku.

00:02:59.719 --> 00:03:02.367
Skąd tak różne wyniki?

00:03:02.367 --> 00:03:05.279
Pierwszy wykres przedstawia
średnią roczną temperaturę oceanu

00:03:05.279 --> 00:03:07.987
od 1880 roku do 2016 roku,

00:03:07.987 --> 00:03:10.149
przez co różnica wydaje się niewielka.

00:03:10.149 --> 00:03:12.878
W rzeczywistości wzrost
nawet o pół stopnia Celsjusza

00:03:12.878 --> 00:03:15.799
może powodować ogromne
zmiany ekologiczne.

00:03:15.799 --> 00:03:17.219
To dlatego drugi wykres

00:03:17.219 --> 00:03:19.858
pokazujący średnie zmiany
temperatury w każdym roku

00:03:19.858 --> 00:03:22.390
jest o wiele bardziej wymowny.

00:03:22.390 --> 00:03:27.379
Dobrze używane wykresy mogą pomóc
intuicyjnie uchwycić złożone dane.

00:03:27.379 --> 00:03:31.180
Odkąd rozwój techniki umożliwił częstsze
wykorzystanie wykresów w mediach,

00:03:31.180 --> 00:03:35.900
łatwiej z nich jednak skorzystać
w nieostrożny albo nieuczciwy sposób.

00:03:35.900 --> 00:03:39.560
Następnym razem, kiedy zobaczysz
wykres, nie daj się zwieść.

00:03:39.560 --> 00:03:40.882
Sprawdź legendę,

00:03:40.882 --> 00:03:42.130
liczby,

00:03:42.130 --> 00:03:43.048
skalę

00:03:43.048 --> 00:03:44.360
i kontekst,

00:03:44.360 --> 00:03:47.000
a potem pomyśl,
co wykres chce ci przekazać.