1
00:00:06,636 --> 00:00:09,077
A statisztika meggyőző.

2
00:00:09,077 --> 00:00:12,541
Olyannyira, hogy magánszemélyek, 
szervezetek, sőt egész országok

3
00:00:12,541 --> 00:00:17,747
legfontosabb döntéseik némelyikét meg-
felelően kiválasztott adatokra alapozzák.

4
00:00:17,747 --> 00:00:19,484
De van itt egy bökkenő.

5
00:00:19,484 --> 00:00:23,301
A statisztikában megbújhat 
valami, ami teljesen

6
00:00:23,301 --> 00:00:27,251
a feje tetejére állítja az eredményeket.

7
00:00:27,251 --> 00:00:30,920
Képzeljük el pl., hogy választanunk 
kell két kórház között,

8
00:00:30,920 --> 00:00:33,737
hogy melyikben műtsék idős rokonunkat.

9
00:00:33,737 --> 00:00:36,434
A legutolsó 1000 eset közül
a túlélések száma

10
00:00:36,434 --> 00:00:39,612
az A kórházban 900,

11
00:00:39,612 --> 00:00:43,021
míg a B kórházban 800 volt.

12
00:00:43,021 --> 00:00:46,170
Úgy látszik, hogy jobb 
az A kórházat választani.

13
00:00:46,170 --> 00:00:47,843
De mielőtt döntenénk, ne feledjük,

14
00:00:47,843 --> 00:00:51,411
hogy nem minden fölvett beteg

15
00:00:51,411 --> 00:00:53,811
egészségi állapota azonos.

16
00:00:53,811 --> 00:00:56,703
Ha mindkét kórház utolsó 1000 
betegét két csoportra osztjuk,

17
00:00:56,703 --> 00:01:01,132
aszerint, hogy ki érkezett jó, 
és ki rossz állapotban,

18
00:01:01,132 --> 00:01:03,772
a kép teljesen megváltozik.

19
00:01:03,772 --> 00:01:07,849
Az A kórház 100 rossz állapotú
betegei közül

20
00:01:07,849 --> 00:01:10,325
30 túlélő volt,

21
00:01:10,325 --> 00:01:14,852
míg a B kórházba bekerült
400 közül 210-et meg tudtak menteni.

22
00:01:14,852 --> 00:01:17,169
Így hát a B kórház a jobb választás

23
00:01:17,169 --> 00:01:20,741
a rossz állapotban bekerülők számára,

24
00:01:20,741 --> 00:01:24,526
52,5%-os túlélési aránnyal.

25
00:01:24,526 --> 00:01:28,445
De mi a helyzet, ha a néni 
jó állapotban kerül kórházba?

26
00:01:28,445 --> 00:01:32,271
Elég meglepő, hogy még mindig
a B kórház a jobb megoldás,

27
00:01:32,271 --> 00:01:35,676
mert ott a túlélési arány 98%.

28
00:01:35,676 --> 00:01:38,733
Hogyan lehet az általános túlélési
arány jobb az A kórházban,

29
00:01:38,733 --> 00:01:44,830
ha a B kórházban a túlélési arány 
mindkét csoport esetében jobb?

30
00:01:44,830 --> 00:01:48,589
Belebotlottunk az ún. Simpson-paradoxonba,

31
00:01:48,589 --> 00:01:51,899
ahol ugyanazokból az adatokból 
a csoportosításuktól függően

32
00:01:51,899 --> 00:01:54,664
ellentétes eredményre juthatunk.

33
00:01:54,664 --> 00:01:58,744
Ilyen gyakran előadódhat, ha az aggregált
adatok feltételes változót rejtenek.

34
00:01:58,744 --> 00:02:01,377
Ezt néha lappangó változónak nevezzük,

35
00:02:01,377 --> 00:02:06,584
ami az eredményt szignifikánsan 
befolyásoló rejtett kiegészítő tényező.

36
00:02:06,584 --> 00:02:10,023
Itt a rejtett tényező
a jó és a rossz állapotban érkező

37
00:02:10,023 --> 00:02:13,264
betegek relatív aránya.

38
00:02:13,264 --> 00:02:16,544
A Simpson-paradoxon 
nem mondvacsinált jelenség,

39
00:02:16,544 --> 00:02:18,924
időről-időre előfordul a gyakorlatban,

40
00:02:18,924 --> 00:02:22,132
néha fontos összefüggésben.

41
00:02:22,132 --> 00:02:23,860
Egy kutatás az Egyesült Királyságban

42
00:02:23,860 --> 00:02:27,750
kimutatta, hogy egy 20 éves időszakban
a dohányzók túlélési aránya nagyobb volt,

43
00:02:27,750 --> 00:02:29,846
mint a nemdohányzóké.

44
00:02:29,846 --> 00:02:33,307
Ez a helyzet, amíg a vizsgáltak 
korcsoportokra bontása meg nem mutatta,

45
00:02:33,307 --> 00:02:37,823
hogy a nemdohányzók átlagos kora 
szignifikánsan magasabb volt,

46
00:02:37,823 --> 00:02:40,930
és így valószínűbb, hogy a vizsgált 
időszakban meghalnak,

47
00:02:40,930 --> 00:02:44,438
pont azért, mert általában 
már idősebbek voltak.

48
00:02:44,438 --> 00:02:47,286
Itt a korcsoport a lappangó változó.

49
00:02:47,286 --> 00:02:50,176
Rendkívül fontos, hogy helyesen 
értelmezzük az adatokat.

50
00:02:50,176 --> 00:02:51,559
Egy másik példában

51
00:02:51,559 --> 00:02:54,281
a floridai halálbüntetéseket elemezve

52
00:02:54,281 --> 00:02:58,265
úgy látszott, hogy az ítéletekben nem 
mutatható ki rasszista megkülönböztetés

53
00:02:58,265 --> 00:03:01,581
a gyilkossággal vádolt feketék 
és fehérek között.

54
00:03:01,581 --> 00:03:06,396
Ám az áldozatok bőrszíne szerint felosztva
az ügyeket, egészen más kép tárul elénk.

55
00:03:06,396 --> 00:03:07,969
Bármely esetben

56
00:03:07,969 --> 00:03:11,091
a feketéket nagyobb 
valószínűséggel ítélték halálra.

57
00:03:11,091 --> 00:03:15,066
A fehér vádlottak kissé nagyobb 
elítélési arányát az magyarázza,

58
00:03:15,066 --> 00:03:18,692
hogy fehér áldozat esetén

59
00:03:18,692 --> 00:03:21,359
esélyesebb volt a halálos ítélet,

60
00:03:21,359 --> 00:03:24,091
mint fekete áldozat esetében,

61
00:03:24,091 --> 00:03:28,483
és a legtöbb gyilkosság azonos 
bőrszínűek között történt.

62
00:03:28,483 --> 00:03:31,319
Miként kerülhetjük el, 
hogy bedőljünk a paradoxonnak?

63
00:03:31,319 --> 00:03:34,686
Sajnos, nincs általános recept.

64
00:03:34,686 --> 00:03:38,504
Az adatokat sokféleképpen 
csoportosíthatjuk vagy oszthatjuk föl,

65
00:03:38,504 --> 00:03:42,106
és néha, ha mindent számba veszünk. 
pontosabb képet kapunk,

66
00:03:42,106 --> 00:03:46,638
mint a félrevezető vagy önkényes 
kategorizálás alapján.

67
00:03:46,638 --> 00:03:52,089
Csak az segít, ha gondosan megvizsgáljuk
a statisztika által leírt helyzetet,

68
00:03:52,089 --> 00:03:55,977
és figyelünk, hogy vannak-e
lappangó változók.

69
00:03:55,977 --> 00:03:59,378
Különben azok hálójába kerülünk,

70
00:03:59,378 --> 00:04:02,649
akik másokat adatokkal manipulálnak 
önző céljaik érdekében.