WEBVTT

00:00:06.636 --> 00:00:09.077
סטטיסטיקות הן משכנעות.

00:00:09.077 --> 00:00:12.541
כל כך שאנשים, ארגונים, ומדינות שלמות

00:00:12.541 --> 00:00:17.747
מבססות את ההחלטות הכי חשובות שלהן
על מידע מאורגן.

00:00:17.747 --> 00:00:19.484
אבל יש בעיה עם זה.

00:00:19.484 --> 00:00:23.301
בכל סט של סטטיסטיקות
יכול להיות משהו שאורב בתוכו,

00:00:23.301 --> 00:00:27.251
משהו שיכול להפוך את התוצאות לגמרי.

00:00:27.251 --> 00:00:30.920
לדוגמה, דמיינו שאתם צריכים לבחור
בין שני בתי חולים

00:00:30.920 --> 00:00:33.737
לניתוח של קרובה מבוגרת.

00:00:33.737 --> 00:00:36.434
מתוך 1000 החולים האחרונים של כל בית חולים,

00:00:36.434 --> 00:00:39.612
900 שרדו בבית חולים א',

00:00:39.612 --> 00:00:43.021
בעוד רק 800 שרדו בבית חולים ב'.

00:00:43.021 --> 00:00:46.170
אז נראה כאילו בית חולים א'
הוא הבחירה הטובה יותר.

00:00:46.170 --> 00:00:47.843
אבל לפני שתעשו החלטה,

00:00:47.843 --> 00:00:51.411
זכרו שלא כל החולים מגיעים לבית החולים

00:00:51.411 --> 00:00:53.811
עם אותה רמה של בריאות.

00:00:53.811 --> 00:00:56.703
ואם נחלק את כל 1000 החולים האחרונים
של בתי החולים

00:00:56.703 --> 00:01:01.132
לאלה שהגיעו בבריאות טובה
ואלה שהגיעו בבריאות גרועה,

00:01:01.132 --> 00:01:03.772
התמונה מתחילה להראות מאוד שונה.

00:01:03.772 --> 00:01:07.849
לבית חולים א' היו רק 100 חולים
שהגיעו בבריאות ירודה,

00:01:07.849 --> 00:01:10.325
מתוכם 30 שרדו.

00:01:10.325 --> 00:01:14.852
אבל לבית חולים ב' הגיעו 400,
והם הצליחו להציל 210.

00:01:14.852 --> 00:01:17.169
אז בית חולים ב' הוא הבחירה הטובה יותר

00:01:17.169 --> 00:01:20.741
לחולים שמגיעים עם בריאות ירודה,

00:01:20.741 --> 00:01:24.526
עם יחס השרדות של 52.5%.

00:01:24.526 --> 00:01:28.445
ומה אם בריאות הקרובה שלכם
היא טובה כשהיא מגיעה לבית החולים?

00:01:28.445 --> 00:01:32.271
למרבה הפלא, בית חולים ב'
הוא עדיין הבחירה הטובה,

00:01:32.271 --> 00:01:35.676
עם יחס השרדות של יותר מ 98%.

00:01:35.676 --> 00:01:38.733
אז איך בית חולים א' יכול להיות טוב יותר
בסך הכל באחוז ההשרדות

00:01:38.733 --> 00:01:44.830
אם לבית חולים ב' יש אחוז השרדות
גבוה יותר לחולים משתי הקבוצות?

00:01:44.830 --> 00:01:48.589
מה שנתקלנו בו הוא מקרה של פרדוקס סימפסון,

00:01:48.589 --> 00:01:51.899
בו אותו סט של מידע יכול
להראות מגמות הפוכות

00:01:51.899 --> 00:01:54.664
תלוי באיך מקבצים אותו.

00:01:54.664 --> 00:01:58.744
זה הרבה פעמים קורה כשמידע מקובץ
מחביא משתנה תלוי,

00:01:58.744 --> 00:02:01.377
ולפעמים ידוע כמשתנה אורב,

00:02:01.377 --> 00:02:06.584
שהוא גורם חבוי נוסף שמשפיע
באופן משמעותי על התוצאות.

00:02:06.584 --> 00:02:10.023
פה, הגורם החבוי הוא היחס של החולים

00:02:10.023 --> 00:02:13.264
שמגיעים בבריאות טובה או ירודה.

00:02:13.264 --> 00:02:16.544
פרדוקס סימפסון הוא לא רק מצב היפוטטי.

00:02:16.544 --> 00:02:18.924
הוא מופיע מדי פעם בעולם האמיתי,

00:02:18.924 --> 00:02:22.132
לפעמים בהקשרים חשובים.

00:02:22.132 --> 00:02:24.130
מחקר אחד באנגליה הראה

00:02:24.130 --> 00:02:27.600
שלמעשנים יש שיעור השרדות
גבוה יותר מלא מעשנים

00:02:27.600 --> 00:02:29.846
במשך תקופת זמן של עשרים שנה.

00:02:29.846 --> 00:02:33.307
זה אומר, עד שמחלקים
את המשתתפים לפי קבוצת גיל

00:02:33.307 --> 00:02:37.823
שמראה שלא מעשנים
היו מבוגרים משמעותית בממוצע,

00:02:37.823 --> 00:02:40.930
ולכן, יש סיכוי גבוה יותר
שימותו במהלך הניסוי,

00:02:40.930 --> 00:02:44.438
בדיוק בגלל שהם חיים יותר באופן כללי.

00:02:44.438 --> 00:02:47.286
פה, קבוצת הגיל הוא משתנה חבוי,

00:02:47.286 --> 00:02:50.176
והוא חיוני לפרש במדויק את המידע.

00:02:50.176 --> 00:02:51.559
בדוגמה אחרת,

00:02:51.559 --> 00:02:54.281
אנליזה של מקרי עונש המוות של פלורידה

00:02:54.281 --> 00:02:58.265
נראו שהם מגלים שאין אפליה גזענית בשפיטה

00:02:58.265 --> 00:03:01.581
בין נאשמים שחורים ללבנים שהורשעו ברצח.

00:03:01.581 --> 00:03:06.396
אבל חלוקת המקרים
לפי גזע הקורבן מספרת סיפור שונה.

00:03:06.396 --> 00:03:07.969
בכל מצב,

00:03:07.969 --> 00:03:11.091
נאשמים שחורים היו בסבירות גבוהה יותר
להשפט למוות.

00:03:11.091 --> 00:03:15.066
רמות השפיטה הגבוהות מעט לנאשמים לבנים

00:03:15.066 --> 00:03:18.692
היו בשל העובדה שמקרים עם קורבנות לבנים

00:03:18.692 --> 00:03:21.359
היו בסיכוי גבוה יותר להסתיים בעונש מוות

00:03:21.359 --> 00:03:24.091
מאשר מקרים בהם הקורבן היה שחור,

00:03:24.091 --> 00:03:28.483
ורוב מקרי הרצח התרחשו בין אנשים מאותו גזע.

00:03:28.483 --> 00:03:31.319
אז איך אנחנו נמנעים מליפול לפרדוקס?

00:03:31.319 --> 00:03:34.686
למרבה הצער, אין תשובה אחת שמתאימה לכל דבר.

00:03:34.686 --> 00:03:38.504
מידע יכול להיות מקובץ
ומחולק בכל מספר דרכים,

00:03:38.504 --> 00:03:42.106
ומספרים כלליים יכולים לפעמים
לתת תמונה יותר מדוייקת

00:03:42.106 --> 00:03:46.638
ממידע שמחולק לקטגוריות מטעות
או שרירותיות.

00:03:46.638 --> 00:03:52.089
כל מה שאנחנו יכולים לעשות זה לחקור
בזהירות את המצבים שהסטטיסטיקות מתארות

00:03:52.089 --> 00:03:55.977
ולשקול אם משתנים חבויים אולי נמצאים.

00:03:55.977 --> 00:03:59.378
אחרת, אנחנו משאירים את עצמנו
פגיעים לאלה שהיו משתמשים במידע

00:03:59.378 --> 00:04:02.649
כדי לתמרן אחרים ולקדם את האג'נדות שלהם.