[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:06.49,0:00:09.08,Default,,0000,0000,0000,,As estatísticas são convincentes,
Dialogue: 0,0:00:09.08,0:00:12.54,Default,,0000,0000,0000,,a ponto de pessoas, organizações\Ne países inteiros
Dialogue: 0,0:00:12.54,0:00:17.49,Default,,0000,0000,0000,,basearem algumas de suas decisões\Nmais importantes em dados organizados.
Dialogue: 0,0:00:17.49,0:00:19.48,Default,,0000,0000,0000,,Mas há um problema aí.
Dialogue: 0,0:00:19.48,0:00:23.30,Default,,0000,0000,0000,,Qualquer grupo de dados estatísticos\Npode estar escondendo algo
Dialogue: 0,0:00:23.30,0:00:27.25,Default,,0000,0000,0000,,que pode acabar virando os resultados\Nde cabeça para baixo.
Dialogue: 0,0:00:27.25,0:00:30.92,Default,,0000,0000,0000,,Por exemplo, imagine que você precise\Nescolher entre dois hospitais
Dialogue: 0,0:00:30.92,0:00:33.74,Default,,0000,0000,0000,,para a cirurgia de uma parente idosa.
Dialogue: 0,0:00:33.74,0:00:36.43,Default,,0000,0000,0000,,Tomando os últimos mil pacientes\Nde cada hospital,
Dialogue: 0,0:00:36.43,0:00:39.61,Default,,0000,0000,0000,,no Hospital A, 900 sobreviveram,
Dialogue: 0,0:00:39.61,0:00:43.02,Default,,0000,0000,0000,,enquanto, no Hospital B,\Napenas 800 sobreviveram.
Dialogue: 0,0:00:43.02,0:00:45.93,Default,,0000,0000,0000,,Portanto, aparentemente,\No Hospital A é a melhor escolha.
Dialogue: 0,0:00:45.93,0:00:47.84,Default,,0000,0000,0000,,No entanto, antes de tomar a decisão,
Dialogue: 0,0:00:47.84,0:00:51.41,Default,,0000,0000,0000,,lembre-se de que nem todos os pacientes\Nchegam a um hospital
Dialogue: 0,0:00:51.41,0:00:53.81,Default,,0000,0000,0000,,nas mesmas condições de saúde.
Dialogue: 0,0:00:53.81,0:00:56.81,Default,,0000,0000,0000,,Se dividirmos os mil pacientes\Nmais recentes de cada hospital
Dialogue: 0,0:00:56.81,0:01:01.13,Default,,0000,0000,0000,,entre os que chegaram com boa saúde\Ne os que chegaram com a saúde precária,
Dialogue: 0,0:01:01.13,0:01:03.77,Default,,0000,0000,0000,,um cenário bem diferente\Ncomeça a se descortinar.
Dialogue: 0,0:01:03.77,0:01:07.85,Default,,0000,0000,0000,,No Hospital A, apenas 100 pacientes\Nchegaram com a saúde debilitada.
Dialogue: 0,0:01:07.85,0:01:10.32,Default,,0000,0000,0000,,Destes, 30 sobreviveram.
Dialogue: 0,0:01:10.32,0:01:14.85,Default,,0000,0000,0000,,Mas, no Hospital B, havia 400,\Ne eles foram capazes de salvar 210.
Dialogue: 0,0:01:14.85,0:01:17.17,Default,,0000,0000,0000,,Assim, o Hospital B é a melhor escolha
Dialogue: 0,0:01:17.17,0:01:20.74,Default,,0000,0000,0000,,para pacientes que chegam\Ncom a saúde precária,
Dialogue: 0,0:01:20.74,0:01:24.53,Default,,0000,0000,0000,,com uma taxa de sobrevivência de 52,5%.
Dialogue: 0,0:01:24.53,0:01:28.44,Default,,0000,0000,0000,,Mas e se sua parente estiver com boa saúde\Nao dar entrada no hospital?
Dialogue: 0,0:01:28.44,0:01:32.27,Default,,0000,0000,0000,,Curiosamente, o Hospital B\Nainda é a melhor escolha,
Dialogue: 0,0:01:32.27,0:01:35.68,Default,,0000,0000,0000,,com uma taxa de sobrevivência\Nde cerca de 98%.
Dialogue: 0,0:01:35.68,0:01:38.73,Default,,0000,0000,0000,,Como é possível o Hospital A ter\Numa taxa de sobrevivência maior
Dialogue: 0,0:01:38.73,0:01:44.83,Default,,0000,0000,0000,,se a taxa de sobrevivência do Hospital B é\Nmaior para pacientes de ambos os grupos?
Dialogue: 0,0:01:44.83,0:01:48.59,Default,,0000,0000,0000,,Esbarramos aqui num caso\Ndo paradoxo de Simpson,
Dialogue: 0,0:01:48.59,0:01:51.98,Default,,0000,0000,0000,,em que o mesmo conjunto de dados\Nparece mostrar tendências opostas,
Dialogue: 0,0:01:51.98,0:01:54.66,Default,,0000,0000,0000,,dependendo de como agrupamos os dados.
Dialogue: 0,0:01:54.66,0:01:58.74,Default,,0000,0000,0000,,Isso sempre ocorre quando dados agregados\Nescondem variáveis condicionais,
Dialogue: 0,0:01:58.74,0:02:01.38,Default,,0000,0000,0000,,também chamadas de variáveis escondidas,
Dialogue: 0,0:02:01.38,0:02:06.46,Default,,0000,0000,0000,,um fator adicional oculto que influencia\Nsignificativamente os resultados.
Dialogue: 0,0:02:06.46,0:02:10.02,Default,,0000,0000,0000,,Neste caso, o fator oculto\Né a proporção relativa de pacientes
Dialogue: 0,0:02:10.02,0:02:13.26,Default,,0000,0000,0000,,que chegam com saúde boa ou ruim.
Dialogue: 0,0:02:13.26,0:02:16.54,Default,,0000,0000,0000,,O paradoxo de Simpson não é\Napenas um cenário hipotético.
Dialogue: 0,0:02:16.54,0:02:18.92,Default,,0000,0000,0000,,Ele surge de tempos \Nem tempos na vida real,
Dialogue: 0,0:02:18.92,0:02:22.13,Default,,0000,0000,0000,,algumas vezes em contextos importantes.
Dialogue: 0,0:02:22.13,0:02:24.13,Default,,0000,0000,0000,,Um estudo inglês pareceu mostrar,
Dialogue: 0,0:02:24.13,0:02:27.60,Default,,0000,0000,0000,,num período de 20 anos, que os fumantes\Ntinham uma taxa de sobrevivência
Dialogue: 0,0:02:27.60,0:02:29.85,Default,,0000,0000,0000,,maior do que os não fumantes.
Dialogue: 0,0:02:29.85,0:02:33.31,Default,,0000,0000,0000,,Isto é, até a divisão dos participantes\Npor grupos etários
Dialogue: 0,0:02:33.31,0:02:37.90,Default,,0000,0000,0000,,mostrar que os não fumantes eram,\Nna média, significativamente mais velhos
Dialogue: 0,0:02:37.90,0:02:40.93,Default,,0000,0000,0000,,e, assim, com maior chance de morrer\Ndurante o período do teste,
Dialogue: 0,0:02:40.93,0:02:44.44,Default,,0000,0000,0000,,justamente porque, em geral,\Neles eram mais longevos.
Dialogue: 0,0:02:44.44,0:02:47.29,Default,,0000,0000,0000,,Aqui, os grupos etários\Nsão as variáveis ocultas,
Dialogue: 0,0:02:47.29,0:02:50.18,Default,,0000,0000,0000,,e foram vitais para a interpretação\Ncorreta dos dados.
Dialogue: 0,0:02:50.18,0:02:51.56,Default,,0000,0000,0000,,Em outro exemplo,
Dialogue: 0,0:02:51.56,0:02:54.43,Default,,0000,0000,0000,,uma análise das mortes \Npor pena de morte na Flórida
Dialogue: 0,0:02:54.43,0:02:58.26,Default,,0000,0000,0000,,parecia revelar não haver\Ndisparidade racial nas sentenças
Dialogue: 0,0:02:58.26,0:03:01.58,Default,,0000,0000,0000,,de réus negros e brancos\Ncondenados por assassinato.
Dialogue: 0,0:03:01.58,0:03:06.40,Default,,0000,0000,0000,,Mas, ao se dividir os casos pela raça\Nda vítima, revelou-se uma outra história.
Dialogue: 0,0:03:06.40,0:03:07.97,Default,,0000,0000,0000,,Em ambas as situações,
Dialogue: 0,0:03:07.97,0:03:11.09,Default,,0000,0000,0000,,havia maior probabilidade de réus\Nnegros serem condenados à morte.
Dialogue: 0,0:03:11.09,0:03:15.14,Default,,0000,0000,0000,,A condenação um pouco maior,\Nno geral, de réus brancos
Dialogue: 0,0:03:15.14,0:03:18.69,Default,,0000,0000,0000,,deveu-se ao fato de que os casos\Ncom vítimas brancas
Dialogue: 0,0:03:18.69,0:03:21.36,Default,,0000,0000,0000,,tinham mais chance de receber\Numa sentença de morte
Dialogue: 0,0:03:21.36,0:03:24.04,Default,,0000,0000,0000,,do que os casos em que a vítima era negra,
Dialogue: 0,0:03:24.04,0:03:28.48,Default,,0000,0000,0000,,e a maioria dos assassinatos ocorreram\Nentre pessoas da mesma raça.
Dialogue: 0,0:03:28.48,0:03:31.32,Default,,0000,0000,0000,,Assim, como evitar cair no paradoxo?
Dialogue: 0,0:03:31.32,0:03:34.69,Default,,0000,0000,0000,,Infelizmente, não há uma resposta\Nque resolva todos os casos.
Dialogue: 0,0:03:34.69,0:03:38.50,Default,,0000,0000,0000,,Os dados podem ser agrupados\Ne divididos de inúmeras formas,
Dialogue: 0,0:03:38.50,0:03:42.11,Default,,0000,0000,0000,,e os números totais às vezes podem\Nfornecer um quadro mais preciso
Dialogue: 0,0:03:42.11,0:03:46.64,Default,,0000,0000,0000,,do que dados divididos em categorias\Nenganosas ou arbitrárias.
Dialogue: 0,0:03:46.64,0:03:52.09,Default,,0000,0000,0000,,O ideal é estudar com cuidado\Na situação real descrita pela estatística
Dialogue: 0,0:03:52.09,0:03:55.97,Default,,0000,0000,0000,,e checar se as variáveis\Nenganosas estão presentes.
Dialogue: 0,0:03:55.97,0:03:59.38,Default,,0000,0000,0000,,Do contrário, estaremos vulneráveis\Naos que possam usar os dados
Dialogue: 0,0:03:59.38,0:04:02.65,Default,,0000,0000,0000,,para manipular as pessoas\Ne promover as suas próprias agendas.