[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:06.64,0:00:09.08,Default,,0000,0000,0000,,Las estadísticas son convincentes.
Dialogue: 0,0:00:09.08,0:00:12.54,Default,,0000,0000,0000,,Tanto es así que personas, \Norganizaciones y países enteros
Dialogue: 0,0:00:12.54,0:00:17.75,Default,,0000,0000,0000,,basan algunas de sus decisiones \Nmás importantes en datos estadísticos.
Dialogue: 0,0:00:17.75,0:00:19.48,Default,,0000,0000,0000,,Pero hay un problema en ellos.
Dialogue: 0,0:00:19.48,0:00:23.30,Default,,0000,0000,0000,,Cualquier conjunto de datos estadísticos \Npodría contener algo
Dialogue: 0,0:00:23.30,0:00:27.25,Default,,0000,0000,0000,,que puede poner los resultados al revés \Ny completamente patas arriba.
Dialogue: 0,0:00:27.25,0:00:30.92,Default,,0000,0000,0000,,Por ejemplo, imagina que \Ntienes que elegir entre dos hospitales
Dialogue: 0,0:00:30.92,0:00:33.74,Default,,0000,0000,0000,,para la operación de cirugía \Nde un pariente anciano.
Dialogue: 0,0:00:33.74,0:00:36.43,Default,,0000,0000,0000,,De cada 1000 pacientes hospitalizados
Dialogue: 0,0:00:36.43,0:00:39.61,Default,,0000,0000,0000,,900 sobrevivieron en el hospital A,
Dialogue: 0,0:00:39.61,0:00:43.02,Default,,0000,0000,0000,,mientras que solo 800 lo hicieron \Nen el Hospital B.
Dialogue: 0,0:00:43.02,0:00:46.17,Default,,0000,0000,0000,,Así que parece que el hospital A \Nes la mejor opción.
Dialogue: 0,0:00:46.17,0:00:47.84,Default,,0000,0000,0000,,Pero antes de tomar la decisión,
Dialogue: 0,0:00:47.84,0:00:51.41,Default,,0000,0000,0000,,recuerda que no todos \Nlos pacientes llegan al hospital
Dialogue: 0,0:00:51.41,0:00:53.81,Default,,0000,0000,0000,,con el mismo nivel de salud.
Dialogue: 0,0:00:53.81,0:00:56.70,Default,,0000,0000,0000,,Y si dividimos los últimos 1000 pacientes \Nde cada hospital
Dialogue: 0,0:00:56.70,0:01:01.13,Default,,0000,0000,0000,,en los que llegaron en buen estado de \Nsalud y los que llegaron en mal estado,
Dialogue: 0,0:01:01.13,0:01:03.77,Default,,0000,0000,0000,,esto empieza a verse muy diferente.
Dialogue: 0,0:01:03.77,0:01:07.85,Default,,0000,0000,0000,,El hospital A solo tenía 100 pacientes \Nque llegaron en mal estado de salud,
Dialogue: 0,0:01:07.85,0:01:10.32,Default,,0000,0000,0000,,de los cuales 30 sobrevivieron.
Dialogue: 0,0:01:10.32,0:01:14.85,Default,,0000,0000,0000,,Pero el hospital B tenía 400, \Ny pudieron salvar a 210.
Dialogue: 0,0:01:14.85,0:01:17.17,Default,,0000,0000,0000,,Así que el Hospital B es la mejor opción
Dialogue: 0,0:01:17.17,0:01:20.74,Default,,0000,0000,0000,,para los pacientes que acuden \Nal hospital con problemas de salud,
Dialogue: 0,0:01:20.74,0:01:24.53,Default,,0000,0000,0000,,con una tasa de supervivencia del 52,5 %.
Dialogue: 0,0:01:24.53,0:01:28.44,Default,,0000,0000,0000,,¿Y si la salud de tu familiar es buena \Ncuando llega al hospital?
Dialogue: 0,0:01:28.44,0:01:32.27,Default,,0000,0000,0000,,Curiosamente, el hospital B \Nsigue siendo la mejor opción,
Dialogue: 0,0:01:32.27,0:01:35.39,Default,,0000,0000,0000,,con una tasa de supervivencia \Nde más del 98 %.
Dialogue: 0,0:01:35.39,0:01:38.73,Default,,0000,0000,0000,,¿Cómo puede el hospital A tener \Nuna mejor tasa de supervivencia
Dialogue: 0,0:01:38.73,0:01:44.83,Default,,0000,0000,0000,,si el hospital B tiene mejores tasas de \Nsupervivencia de pacientes en cada grupo?
Dialogue: 0,0:01:44.83,0:01:48.59,Default,,0000,0000,0000,,Con lo que nos topamos aquí, es con \Nun caso de la paradoja de Simpson,
Dialogue: 0,0:01:48.59,0:01:51.90,Default,,0000,0000,0000,,donde el mismo conjunto de datos \Npuede mostrar tendencias opuestas
Dialogue: 0,0:01:51.90,0:01:54.66,Default,,0000,0000,0000,,dependiendo de cómo se agrupan.
Dialogue: 0,0:01:54.66,0:01:58.74,Default,,0000,0000,0000,,Pasa a menudo cuando en datos agregados \Nse oculta una variable condicional,
Dialogue: 0,0:01:58.74,0:02:01.38,Default,,0000,0000,0000,,conocida a veces como variable oculta,
Dialogue: 0,0:02:01.38,0:02:06.58,Default,,0000,0000,0000,,que es un factor adicional oculto que \Ninfluye mucho en los resultados.
Dialogue: 0,0:02:06.58,0:02:10.02,Default,,0000,0000,0000,,Aquí, el factor oculto es la proporción \Nrelativa de pacientes
Dialogue: 0,0:02:10.02,0:02:13.26,Default,,0000,0000,0000,,que llegan en buen o mal estado de salud.
Dialogue: 0,0:02:13.26,0:02:16.54,Default,,0000,0000,0000,,La paradoja de Simpson \Nno es solo un escenario hipotético.
Dialogue: 0,0:02:16.54,0:02:18.92,Default,,0000,0000,0000,,Aparece de vez en cuando \Nen el mundo real,
Dialogue: 0,0:02:18.92,0:02:21.90,Default,,0000,0000,0000,,a veces en contextos importantes.
Dialogue: 0,0:02:21.90,0:02:24.13,Default,,0000,0000,0000,,Un estudio en el Reino Unido \Nparecía demostrar
Dialogue: 0,0:02:24.13,0:02:27.83,Default,,0000,0000,0000,,que los fumadores tenían una mayor tasa \Nde supervivencia que los no fumadores
Dialogue: 0,0:02:27.83,0:02:29.85,Default,,0000,0000,0000,,durante un período de 20 años.
Dialogue: 0,0:02:29.85,0:02:33.31,Default,,0000,0000,0000,,Es decir, hasta que dividieron \Na los participantes por grupo de edad,
Dialogue: 0,0:02:33.31,0:02:37.72,Default,,0000,0000,0000,,entonces demostraron que los no fumadores \Neran mucho mayores en promedio,
Dialogue: 0,0:02:37.72,0:02:41.21,Default,,0000,0000,0000,,y, por tanto, con mayor probabilidad \Nde morir durante el período de test,
Dialogue: 0,0:02:41.21,0:02:44.44,Default,,0000,0000,0000,,precisamente porque vivían \Nmás tiempo en general.
Dialogue: 0,0:02:44.44,0:02:47.29,Default,,0000,0000,0000,,En este caso, los grupos de edad \Nson la variable oculta
Dialogue: 0,0:02:47.29,0:02:50.18,Default,,0000,0000,0000,,y son vitales para interpretar \Ncorrectamente los datos.
Dialogue: 0,0:02:50.18,0:02:51.56,Default,,0000,0000,0000,,En otro ejemplo,
Dialogue: 0,0:02:51.56,0:02:54.28,Default,,0000,0000,0000,,un análisis de los casos de \Npena de muerte de Florida
Dialogue: 0,0:02:54.28,0:02:58.26,Default,,0000,0000,0000,,no parecía revelar ninguna \Ndisparidad racial en las sentencias
Dialogue: 0,0:02:58.26,0:03:01.58,Default,,0000,0000,0000,,entre los acusados blancos \Ny negros condenados por asesinato.
Dialogue: 0,0:03:01.58,0:03:06.09,Default,,0000,0000,0000,,Pero la división de los casos por raza de \Nla víctima contó una historia diferente.
Dialogue: 0,0:03:06.09,0:03:07.64,Default,,0000,0000,0000,,En cualquier situación,
Dialogue: 0,0:03:07.64,0:03:11.28,Default,,0000,0000,0000,,los acusados negros tenían mayor \Nprobabilidad de ser condenados a muerte.
Dialogue: 0,0:03:11.28,0:03:15.07,Default,,0000,0000,0000,,La tasa global de la sentencia algo \Nsuperior para los acusados blancos
Dialogue: 0,0:03:15.07,0:03:18.58,Default,,0000,0000,0000,,se debió al hecho de que \Nlos casos con víctimas blancas
Dialogue: 0,0:03:18.58,0:03:21.48,Default,,0000,0000,0000,,tenían mayor probabilidad \Nde obtener una sentencia de muerte
Dialogue: 0,0:03:21.48,0:03:24.09,Default,,0000,0000,0000,,que en los casos \Ndonde la víctima era negra,
Dialogue: 0,0:03:24.09,0:03:28.48,Default,,0000,0000,0000,,y la mayoría de las muertes ocurrieron \Nentre personas de la misma raza.
Dialogue: 0,0:03:28.48,0:03:31.32,Default,,0000,0000,0000,,Y ¿cómo evitar caer en la paradoja?
Dialogue: 0,0:03:31.32,0:03:34.69,Default,,0000,0000,0000,,Desafortunadamente no hay \Nuna receta única para todos los casos.
Dialogue: 0,0:03:34.69,0:03:38.50,Default,,0000,0000,0000,,Los datos pueden agruparse y \Ndividirse en varias formas,
Dialogue: 0,0:03:38.50,0:03:42.11,Default,,0000,0000,0000,,y los números generales a veces pueden \Ndar una imagen más precisa
Dialogue: 0,0:03:42.11,0:03:46.01,Default,,0000,0000,0000,,que los datos divididos \Nen categorías erróneas o arbitrarias.
Dialogue: 0,0:03:46.01,0:03:49.39,Default,,0000,0000,0000,,Lo que podemos hacer es estudiar \Ncuidadosamente las situaciones reales
Dialogue: 0,0:03:49.39,0:03:52.09,Default,,0000,0000,0000,,que describen las estadísticas
Dialogue: 0,0:03:52.09,0:03:55.98,Default,,0000,0000,0000,,y considerar si las variables ocultas \Ndeberían estar presentes.
Dialogue: 0,0:03:55.98,0:03:59.38,Default,,0000,0000,0000,,De lo contrario, nos hacemos vulnerables \Na aquellos que usan los datos
Dialogue: 0,0:03:59.38,0:04:02.65,Default,,0000,0000,0000,,para manipular a otros y \Npromover sus propias agendas.