[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,,Les statistiques sont convaincantes.
Dialogue: 0,0:00:09.08,0:00:12.54,Default,,0000,0000,0000,,Si bien que des personnes,\Norganisations et pays,
Dialogue: 0,0:00:12.54,0:00:17.75,Default,,0000,0000,0000,,prennent d'importantes décisions\Nen se fondant sur ces données.
Dialogue: 0,0:00:17.75,0:00:19.48,Default,,0000,0000,0000,,Mais il y a un problème.
Dialogue: 0,0:00:19.48,0:00:23.30,Default,,0000,0000,0000,,Toute statistique peut cacher\Nquelque chose,
Dialogue: 0,0:00:23.30,0:00:27.25,Default,,0000,0000,0000,,qui peut complètement\Ntransformer les résultats.
Dialogue: 0,0:00:27.25,0:00:30.92,Default,,0000,0000,0000,,Par exemple, imaginez que vous deviez\Nchoisir entre deux hôpitaux
Dialogue: 0,0:00:30.92,0:00:33.74,Default,,0000,0000,0000,,pour une opération\Nsur une personne âgée.
Dialogue: 0,0:00:33.74,0:00:36.43,Default,,0000,0000,0000,,Sur les 1000 derniers patients,\Nde chaque hôpital,
Dialogue: 0,0:00:36.43,0:00:39.61,Default,,0000,0000,0000,,900 ont survécu dans l'hôpital A,
Dialogue: 0,0:00:39.61,0:00:43.02,Default,,0000,0000,0000,,contre seulement 800 dans l'hôpital B.
Dialogue: 0,0:00:43.02,0:00:46.17,Default,,0000,0000,0000,,Il semble donc que l'hôpital A\Nest le meilleur choix.
Dialogue: 0,0:00:46.17,0:00:47.84,Default,,0000,0000,0000,,Mais avant de décider,
Dialogue: 0,0:00:47.84,0:00:51.41,Default,,0000,0000,0000,,rappelez-vous que tous les patients\Nn'arrivent pas à l'hôpital
Dialogue: 0,0:00:51.41,0:00:53.81,Default,,0000,0000,0000,,dans le même état de santé.
Dialogue: 0,0:00:53.81,0:00:56.70,Default,,0000,0000,0000,,Et si l'on sépare\Nles 1000 derniers patients
Dialogue: 0,0:00:56.70,0:01:01.13,Default,,0000,0000,0000,,entre ceux arrivés en bonne santé\Net ceux arrivés en mauvaise santé,
Dialogue: 0,0:01:01.13,0:01:03.77,Default,,0000,0000,0000,,la situation diffère significativement.
Dialogue: 0,0:01:03.77,0:01:07.85,Default,,0000,0000,0000,,L'hôpital A ne comptait que 100 patients\Narrivés en mauvaise santé,
Dialogue: 0,0:01:07.85,0:01:10.32,Default,,0000,0000,0000,,dont 30 ont survécu.
Dialogue: 0,0:01:10.32,0:01:14.85,Default,,0000,0000,0000,,Mais l'hôpital B en comptait 400,\Net 210 purent être sauvés.
Dialogue: 0,0:01:14.85,0:01:17.17,Default,,0000,0000,0000,,Donc l'hôpital B est le meilleur choix
Dialogue: 0,0:01:17.17,0:01:20.74,Default,,0000,0000,0000,,pour les patients qui arrivent à l'hôpital\Nen mauvaise santé,
Dialogue: 0,0:01:20.74,0:01:24.53,Default,,0000,0000,0000,,avec un taux de survie de 52,5 %.
Dialogue: 0,0:01:24.53,0:01:28.44,Default,,0000,0000,0000,,Et si la santé de votre parente est bonne\Nquand elle arrive à l'hôpital ?
Dialogue: 0,0:01:28.44,0:01:32.27,Default,,0000,0000,0000,,Curieusement, l'hôpital B\Nest toujours meilleur,
Dialogue: 0,0:01:32.27,0:01:35.68,Default,,0000,0000,0000,,avec un taux de survie de 98%.
Dialogue: 0,0:01:35.68,0:01:38.87,Default,,0000,0000,0000,,Comment l'hôpital A peut-il avoir\Nun meilleur taux de survie global
Dialogue: 0,0:01:38.87,0:01:41.69,Default,,0000,0000,0000,,si l'hôpital B\Na de meilleurs taux de survie
Dialogue: 0,0:01:41.70,0:01:44.83,Default,,0000,0000,0000,,pour les patients en bonne\Net mauvaise santé ?
Dialogue: 0,0:01:44.83,0:01:48.59,Default,,0000,0000,0000,,C'est le paradoxe de Simpson !
Dialogue: 0,0:01:48.59,0:01:51.90,Default,,0000,0000,0000,,Un même ensemble de données peut\Nmontrer des tendances opposées,
Dialogue: 0,0:01:51.90,0:01:54.66,Default,,0000,0000,0000,,selon la façon dont elles sont regroupées.
Dialogue: 0,0:01:54.66,0:01:58.74,Default,,0000,0000,0000,,Lorsque des données agrégées\Nmasquent une variable conditionnelle,
Dialogue: 0,0:01:58.74,0:02:01.38,Default,,0000,0000,0000,,parfois appelée variable cachée,
Dialogue: 0,0:02:01.38,0:02:06.58,Default,,0000,0000,0000,,ce facteur caché influence\Nsignificativement les résultats.
Dialogue: 0,0:02:06.58,0:02:10.02,Default,,0000,0000,0000,,Ici, le facteur caché est\Nla proportion relative des patients
Dialogue: 0,0:02:10.02,0:02:13.26,Default,,0000,0000,0000,,qui arrivent en bonne ou mauvaise santé.
Dialogue: 0,0:02:13.26,0:02:16.54,Default,,0000,0000,0000,,Le paradoxe de Simpson n'est pas\Nqu'un scénario hypothétique.
Dialogue: 0,0:02:16.54,0:02:18.92,Default,,0000,0000,0000,,Il apparaît dans le monde réel,
Dialogue: 0,0:02:18.92,0:02:22.13,Default,,0000,0000,0000,,parfois dans des contextes importants.\N
Dialogue: 0,0:02:22.13,0:02:24.13,Default,,0000,0000,0000,,Une étude au Royaume-Uni semblait montrer
Dialogue: 0,0:02:24.13,0:02:27.60,Default,,0000,0000,0000,,que les fumeurs avaient un taux de survie\Nplus élevé que les non-fumeurs
Dialogue: 0,0:02:27.60,0:02:29.85,Default,,0000,0000,0000,,sur une période de vingt ans.
Dialogue: 0,0:02:29.85,0:02:33.31,Default,,0000,0000,0000,,Mais répartir les participants\Npar groupe d'âge
Dialogue: 0,0:02:33.31,0:02:37.82,Default,,0000,0000,0000,,a montré que les non-fumeurs\Nétaient en moyenne plus âgés,
Dialogue: 0,0:02:37.82,0:02:40.93,Default,,0000,0000,0000,,et donc, plus susceptibles de décéder\Ndurant l'étude,
Dialogue: 0,0:02:40.93,0:02:44.44,Default,,0000,0000,0000,,justement parce qu'ils vivaient\Nplus longtemps en général.
Dialogue: 0,0:02:44.44,0:02:47.29,Default,,0000,0000,0000,,Ici, les groupes d'âge\Nsont la variable cachée,
Dialogue: 0,0:02:47.29,0:02:50.18,Default,,0000,0000,0000,,et sont essentiels\Npour interpréter les données.
Dialogue: 0,0:02:50.18,0:02:51.56,Default,,0000,0000,0000,,Dans un autre exemple,\N
Dialogue: 0,0:02:51.56,0:02:54.28,Default,,0000,0000,0000,,une étude sur la peine de mort en Floride
Dialogue: 0,0:02:54.28,0:02:58.26,Default,,0000,0000,0000,,semblait ne révéler\Naucune disparité raciale,
Dialogue: 0,0:02:58.26,0:03:01.58,Default,,0000,0000,0000,,entre accusés noirs et blancs,\Nreconnus coupables d'assassinat.
Dialogue: 0,0:03:01.58,0:03:06.40,Default,,0000,0000,0000,,Mais, en répartissant selon la couleur\Ndes victimes, l'histoire était tout autre.
Dialogue: 0,0:03:06.40,0:03:07.97,Default,,0000,0000,0000,,Dans les deux cas,\N
Dialogue: 0,0:03:07.97,0:03:11.09,Default,,0000,0000,0000,,les accusés noirs étaient\Nplus susceptibles d'être condamnés.
Dialogue: 0,0:03:11.09,0:03:15.07,Default,,0000,0000,0000,,Le taux de condamnation légèrement\Nsupérieur pour les accusés blancs
Dialogue: 0,0:03:15.07,0:03:18.69,Default,,0000,0000,0000,,était dû au fait que les cas\Navec des victimes blanches
Dialogue: 0,0:03:18.69,0:03:21.36,Default,,0000,0000,0000,,étaient plus susceptibles\Nd'entraîner la peine de mort
Dialogue: 0,0:03:21.36,0:03:24.09,Default,,0000,0000,0000,,que les cas où la victime était noire.
Dialogue: 0,0:03:24.09,0:03:28.48,Default,,0000,0000,0000,,Et la plupart des meurtres avaient eu lieu\Nentre des gens de même couleur.
Dialogue: 0,0:03:28.48,0:03:31.32,Default,,0000,0000,0000,,Alors, comment éviter\Nde tomber dans ce paradoxe ?
Dialogue: 0,0:03:31.32,0:03:34.69,Default,,0000,0000,0000,,Malheureusement,\Nil n'y a pas de réponse unique.
Dialogue: 0,0:03:34.69,0:03:38.50,Default,,0000,0000,0000,,Les données peuvent être regroupées\Net divisées de plein de façons,
Dialogue: 0,0:03:38.50,0:03:42.11,Default,,0000,0000,0000,,et les chiffres globaux peuvent parfois\Ndonner une image plus précise
Dialogue: 0,0:03:42.11,0:03:46.64,Default,,0000,0000,0000,,que des données divisées en catégories\Ntrompeuses ou arbitraires.
Dialogue: 0,0:03:46.64,0:03:48.46,Default,,0000,0000,0000,,Il faut étudier attentivement
Dialogue: 0,0:03:48.46,0:03:52.09,Default,,0000,0000,0000,,les situations décrites\Npar les statistiques
Dialogue: 0,0:03:52.09,0:03:55.98,Default,,0000,0000,0000,,et se demander s'il peut y avoir\Ndes variables cachées.
Dialogue: 0,0:03:55.98,0:03:59.38,Default,,0000,0000,0000,,Faute de quoi, nous serions vulnérables\Naux tentatives de manipulation
Dialogue: 0,0:03:59.38,0:04:03.38,Default,,0000,0000,0000,,de personnes désirant utiliser ces données\Nà des fins personnelles.