[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,,علمِ آمار متقاعد کننده است.
Dialogue: 0,0:00:09.08,0:00:12.54,Default,,0000,0000,0000,,آنقدر که افراد، سازمان ها،\Nو تمامی کشورها
Dialogue: 0,0:00:12.54,0:00:17.75,Default,,0000,0000,0000,,برخی از تصمیمات بسیار مهمشان را\Nبر پایه داده های طبقه بندی شده می گذارند.
Dialogue: 0,0:00:17.75,0:00:19.48,Default,,0000,0000,0000,,ولی این یک ایراد دارد.
Dialogue: 0,0:00:19.48,0:00:23.30,Default,,0000,0000,0000,,هر مجموعه آماری ممکن است\Nچیزی در خفا در خود داشته باشد،
Dialogue: 0,0:00:23.30,0:00:27.25,Default,,0000,0000,0000,,چیزی که ممکن است نتایج را بکلی\Nتغییر دهد.
Dialogue: 0,0:00:27.25,0:00:30.92,Default,,0000,0000,0000,,بعنوان مثال، تصور کنید\Nکه باید از بین دو بیمارستان یکی را
Dialogue: 0,0:00:30.92,0:00:33.74,Default,,0000,0000,0000,,را برای جراحی یک \Nخویشاوند مُسن انتخاب کنید.
Dialogue: 0,0:00:33.74,0:00:36.43,Default,,0000,0000,0000,,از ۱٫۰۰۰ نفر بیمار اخیر هر بیمارستان،
Dialogue: 0,0:00:36.43,0:00:39.61,Default,,0000,0000,0000,,۹۰۰ نفر در بیمارستان الف جان بدر بردند،
Dialogue: 0,0:00:39.61,0:00:43.02,Default,,0000,0000,0000,,در حالیکه در بیمارستان ب ۸۰۰ نفر\Nزنده ماندند.
Dialogue: 0,0:00:43.02,0:00:46.17,Default,,0000,0000,0000,,پس بنظر می آید که بیمارستان الف\Nگزینه بهتری است.
Dialogue: 0,0:00:46.17,0:00:47.84,Default,,0000,0000,0000,,ولی قبل از اینکه تصمیم بگیرید،
Dialogue: 0,0:00:47.84,0:00:51.41,Default,,0000,0000,0000,,بخاطر داشته باشید که\Nهمه بیماران با سلامت یکسان
Dialogue: 0,0:00:51.41,0:00:53.81,Default,,0000,0000,0000,,به بیمارستان آورده نشده اند.
Dialogue: 0,0:00:53.81,0:00:56.70,Default,,0000,0000,0000,,و اگر ۱٫۰۰۰ بیمار اخیر هر بیمارستان\Nرا به دو گروه تقسیم کنیم
Dialogue: 0,0:00:56.70,0:01:01.13,Default,,0000,0000,0000,,آنهایی که به سلامت خوبی آمدند،\Nو اونهایی که با سلامت کم آمده اند،
Dialogue: 0,0:01:01.13,0:01:03.77,Default,,0000,0000,0000,,تصویر بسیار متفاوتی بنظر می آید.
Dialogue: 0,0:01:03.77,0:01:07.85,Default,,0000,0000,0000,,بیمارستان الف تنها ۱۰۰ بیمار با سلامت\Nکم داشته است، که
Dialogue: 0,0:01:07.85,0:01:10.32,Default,,0000,0000,0000,,۳۰ تا از آنها زنده ماندند.
Dialogue: 0,0:01:10.32,0:01:14.85,Default,,0000,0000,0000,,اما بیمارستان ب ۴۰۰ تا داشته،\Nکه توانستن ۲۱۰ تا را نجات دهد.
Dialogue: 0,0:01:14.85,0:01:17.17,Default,,0000,0000,0000,,پس بیمارستان ب گزینه بهتریست برای
Dialogue: 0,0:01:17.17,0:01:20.74,Default,,0000,0000,0000,,بیمارانی که با شرایط سلامتی\Nضعیف می رسند،
Dialogue: 0,0:01:20.74,0:01:24.53,Default,,0000,0000,0000,,با نرخ حیات ۵۲/۵ %.
Dialogue: 0,0:01:24.53,0:01:28.44,Default,,0000,0000,0000,,و اگر حال خویشاوند شما وقتی\Nبه بیمارستان می رسد خوب باشد چطور؟
Dialogue: 0,0:01:28.44,0:01:32.27,Default,,0000,0000,0000,,شگفت آور اینکه، بیمارستان ب\Nهنوز گزینه بهتری است،
Dialogue: 0,0:01:32.27,0:01:35.68,Default,,0000,0000,0000,,با نرخ نجات بالای ۹۸%.
Dialogue: 0,0:01:35.68,0:01:38.73,Default,,0000,0000,0000,,پس چطور بیمارستان الف می تواند\Nنرخ بقای کلی بهتری داشته باشد
Dialogue: 0,0:01:38.73,0:01:44.83,Default,,0000,0000,0000,,اگر بیمارستان ب برای بیماران در\Nهر یک از گروه نرخ بقای بهتری دارد؟
Dialogue: 0,0:01:44.83,0:01:48.59,Default,,0000,0000,0000,,چیزی که ما به آن مواجهیم موردی\Nاز پاردوکس سیمسون است،
Dialogue: 0,0:01:48.59,0:01:51.90,Default,,0000,0000,0000,,جایی که مجموعه داده های یکسان\Nمی توانند روند متضاد نشان دهند،
Dialogue: 0,0:01:51.90,0:01:54.66,Default,,0000,0000,0000,,بسته به آنکه چگونه دسته بندی شده اند.
Dialogue: 0,0:01:54.66,0:01:58.74,Default,,0000,0000,0000,,این اغلب وقتی رخ می دهد که انبوه داده ها\Nیک متغیر مشروط را پنهان کرده اند،
Dialogue: 0,0:01:58.74,0:02:01.38,Default,,0000,0000,0000,,چیزی که به متغیر مخفی شناخته می شود،
Dialogue: 0,0:02:01.38,0:02:06.58,Default,,0000,0000,0000,,که یک فاکتور نهانی اضافی است که نتایج\Nرا بطور چشمگیری تحت تاثیر قرار می دهد.
Dialogue: 0,0:02:06.58,0:02:10.02,Default,,0000,0000,0000,,در اینجا، فاکتور پنهان نسبت\Nسهم بیمارانی است که
Dialogue: 0,0:02:10.02,0:02:13.26,Default,,0000,0000,0000,,با حالِ خوب یا بد حال به بیمارستان می رسند.
Dialogue: 0,0:02:13.26,0:02:16.54,Default,,0000,0000,0000,,پاردوکس سیمسون فقط یک\Nسناریو فرضی نیست.
Dialogue: 0,0:02:16.54,0:02:18.92,Default,,0000,0000,0000,,گاه به گاه در دنیا واقعی\Nسر می زند،
Dialogue: 0,0:02:18.92,0:02:22.13,Default,,0000,0000,0000,,بضی اوقات در زمینه های مهم.
Dialogue: 0,0:02:22.13,0:02:24.13,Default,,0000,0000,0000,,یک مطالعه در بریتانیا اینطور نشان می داد
Dialogue: 0,0:02:24.13,0:02:27.60,Default,,0000,0000,0000,,که سیگاری ها بیشتر از غیر سیگاری ها شانس\Nزنده ماندن دارند
Dialogue: 0,0:02:27.60,0:02:29.85,Default,,0000,0000,0000,,در یک دوره ۲۰ ساله.
Dialogue: 0,0:02:29.85,0:02:33.31,Default,,0000,0000,0000,,تقسیم شرکت کنندگان\Nدر گروههای سنی
Dialogue: 0,0:02:33.31,0:02:37.82,Default,,0000,0000,0000,,نشان میدهد که افراد غیرسیگاری\Nبطور چشمگیری مسنتر از متوسط افراد هستند،
Dialogue: 0,0:02:37.82,0:02:40.93,Default,,0000,0000,0000,,و در نتیجه ممکن هست\Nکه در دوره این بررسی فوت کنند،
Dialogue: 0,0:02:40.93,0:02:44.44,Default,,0000,0000,0000,,دقیقا به دلیل اینکه آنها \Nزندگی طولانیتر داشتهاند.
Dialogue: 0,0:02:44.44,0:02:47.29,Default,,0000,0000,0000,,در اینجا، گروه های سنی در خفا مانده،
Dialogue: 0,0:02:47.29,0:02:50.18,Default,,0000,0000,0000,,و تفسیر درست داده ها حیاتی است.
Dialogue: 0,0:02:50.18,0:02:51.56,Default,,0000,0000,0000,,در مثال دیگری،
Dialogue: 0,0:02:51.56,0:02:54.28,Default,,0000,0000,0000,,تحلیلی در مورد حکم های اعدام در فلوریدا
Dialogue: 0,0:02:54.28,0:02:58.26,Default,,0000,0000,0000,,نشان میدهد که هیچ\Nاختلاف نژادی در صدور حکم
Dialogue: 0,0:02:58.26,0:03:01.58,Default,,0000,0000,0000,,بین متهمین سفید پوست و سیاه پوست\Nمحکوم به اعدام وجود ندارد.
Dialogue: 0,0:03:01.58,0:03:06.40,Default,,0000,0000,0000,,اما جداسازی پروندهای با نژاد قربانیان\Nداستان دیگری را بیان میکند.
Dialogue: 0,0:03:06.40,0:03:07.97,Default,,0000,0000,0000,,در هر دو وضعیت،
Dialogue: 0,0:03:07.97,0:03:11.09,Default,,0000,0000,0000,,حکم اعدام بیشتری برای متهمین\Nسیاه پوست صادر شده است.
Dialogue: 0,0:03:11.09,0:03:15.07,Default,,0000,0000,0000,,در کل نرخ حکم اعدام برای\Nمتهمین سفید پوست کمی بیشتر بوده
Dialogue: 0,0:03:15.07,0:03:18.69,Default,,0000,0000,0000,,بر پایه این واقعیت که قربانیهای آنها \Nسفید پوست بودند
Dialogue: 0,0:03:18.69,0:03:22.23,Default,,0000,0000,0000,,تا اینکه حکم اعدام برای مواردی که \Nقربانیهای آنها سیاه پوست بوده اند،
Dialogue: 0,0:03:22.23,0:03:25.73,Default,,0000,0000,0000,,( اگر قربانیها سفیدپوست بود حکم اعدام \Nبیشتری صادر میشد تا اگر سیاهپوست بود)
Dialogue: 0,0:03:25.73,0:03:28.51,Default,,0000,0000,0000,,ضمن اینکه بیشتر قتلها بین افراد\Nهمنژاد اتفاق میافتد.
Dialogue: 0,0:03:28.51,0:03:31.32,Default,,0000,0000,0000,,خُب چگونه میتوان از افتادن \Nدر این تناقضات اجتناب کنیم؟
Dialogue: 0,0:03:31.32,0:03:34.69,Default,,0000,0000,0000,,متاسفانه،\Nپاسخ مناسبی برای این وجود ندارد.
Dialogue: 0,0:03:34.69,0:03:38.50,Default,,0000,0000,0000,,دادهها میتوانند به روشهای متعددی\Nدستهبندی و تقسیمبندی شوند،
Dialogue: 0,0:03:38.50,0:03:42.11,Default,,0000,0000,0000,,و تعداد کلی ممکن است گاهی\Nیک تصویر دقیقتری را ارائه دهد
Dialogue: 0,0:03:42.11,0:03:46.64,Default,,0000,0000,0000,,تا تقسیمبندی گمراه کننده \Nو یا دستههای دلخواه دادهها.
Dialogue: 0,0:03:46.64,0:03:52.09,Default,,0000,0000,0000,,آنچه که میتوانیم بکنیم این است که به دقت\Nوضعیتهای واقعی آمارها را مطالعه کنیم
Dialogue: 0,0:03:52.09,0:03:55.98,Default,,0000,0000,0000,,و نظر گرفتن اینکه آیا متغیرهای پنهانی\Nممکن است وجود داشته باشد.
Dialogue: 0,0:03:55.98,0:03:59.38,Default,,0000,0000,0000,,در غیر این صورت، خودمان را\Nدر مقابل کسانی که ازاین دادهها برای
Dialogue: 0,0:03:59.52,0:04:03.52,Default,,0000,0000,0000,,گول زدن مردم و ترویج برنامههایشان \Nاز آنها استفاده میکنند آسیبپذیر میکنیم.