1
00:00:06,636 --> 00:00:09,224
As estatísticas são convincentes.

2
00:00:09,224 --> 00:00:12,819
A tal ponto que pessoas, organizações
e muitos países

3
00:00:12,819 --> 00:00:17,747
baseiam algumas das suas decisões
mais importantes em dados organizados.

4
00:00:17,747 --> 00:00:19,484
Mas há um problema com isso.

5
00:00:19,484 --> 00:00:23,501
Qualquer conjunto de estatísticas
pode ter qualquer coisa escondida

6
00:00:23,501 --> 00:00:27,251
qualquer coisa que pode 
virar do avesso os resultados.

7
00:00:27,381 --> 00:00:31,198
Por exemplo, imaginem que precisam
de escolher entre dois hospitais

8
00:00:31,198 --> 00:00:33,737
para a cirurgia de um familiar idoso.

9
00:00:33,867 --> 00:00:36,755
Entre os últimos 1000 doentes
de cada hospital,

10
00:00:36,755 --> 00:00:39,829
no Hospital A sobreviveram 900

11
00:00:39,829 --> 00:00:43,021
enquanto no Hospital B
só sobreviveram 800.

12
00:00:43,134 --> 00:00:46,170
Parece portanto que o Hospital A
é a melhor escolha.

13
00:00:46,170 --> 00:00:48,138
Mas, antes de tomarem uma decisão,

14
00:00:48,138 --> 00:00:51,724
lembrem-se que nem todos os doentes
chegam ao hospital

15
00:00:51,724 --> 00:00:53,811
com o mesmo nível de saúde.

16
00:00:54,190 --> 00:00:57,760
Se dividirmos os últimos 1000 doentes
de cada hospital

17
00:00:57,760 --> 00:01:01,332
entre os que chegaram de boa saúde
e os que chegaram em mau estado,

18
00:01:01,332 --> 00:01:04,930
o quadro começa a ser muito diferente.

19
00:01:04,145 --> 00:01:07,988
O Hospital A só teve 100 doentes
que chegaram em mau estado,

20
00:01:07,988 --> 00:01:10,325
dos quais sobreviveram 30.

21
00:01:10,585 --> 00:01:14,852
Mas o Hospital B teve 400,
e conseguiram salvar 210.

22
00:01:15,269 --> 00:01:17,334
Portanto, o Hospital B é a melhor escolha

23
00:01:17,334 --> 00:01:20,897
para doentes que chegam ao hospital
em mau estado,

24
00:01:20,897 --> 00:01:24,526
com uma taxa de sobrevivência de 52,5%.

25
00:01:24,647 --> 00:01:28,445
E se a saúde do vosso familiar
estiver boa quando ele chegar ao hospital?

26
00:01:28,662 --> 00:01:32,505
É estranho, mas o Hospital B continua
a ser a melhor escolha,

27
00:01:32,505 --> 00:01:35,493
com uma taxa de sobrevivência
de mais de 98%.

28
00:01:35,676 --> 00:01:39,290
Como é que o Hospital A tem
uma melhor taxa de sobrevivência global

29
00:01:39,290 --> 00:01:42,586
se o Hospital B tem melhores
taxas de sobrevivência para os pacientes

30
00:01:42,586 --> 00:01:44,490
em cada um dos dois grupos?

31
00:01:44,830 --> 00:01:48,754
Deparamo-nos com um caso
do paradoxo de Simpson,

32
00:01:48,754 --> 00:01:52,620
em que o mesmo conjunto de dados
pode parecer mostrar tendências opostas

33
00:01:52,620 --> 00:01:54,776
consoante a forma
como agruparmos os dados.

34
00:01:54,776 --> 00:01:56,142
Isto ocorre com frequência,

35
00:01:56,142 --> 00:01:59,650
quando os dados agregados
escondem uma variável condicional,

36
00:01:59,650 --> 00:02:01,655
por vezes conhecida por variável oculta,

37
00:02:01,655 --> 00:02:03,584
que é um fator oculto adicional

38
00:02:03,584 --> 00:02:06,584
que influencia significativamente
os resultados.

39
00:02:06,705 --> 00:02:10,214
Aqui, o fator oculto
é a proporção relativa dos doentes

40
00:02:10,214 --> 00:02:13,264
que chegam de boa saúde 
ou em mau estado.

41
00:02:13,264 --> 00:02:16,544
O paradoxo de Simpson
não é apenas um cenário hipotético.

42
00:02:16,665 --> 00:02:19,210
Aparece de vez em quando no mundo real,

43
00:02:19,210 --> 00:02:21,844
por vezes em contextos importantes.

44
00:02:22,132 --> 00:02:24,190
Um estudo no Reino Unido parecia mostrar

45
00:02:24,190 --> 00:02:26,669
que os fumadores tinham 
uma taxa de sobrevivência

46
00:02:26,669 --> 00:02:28,469
mais alta que os não fumadores

47
00:02:28,469 --> 00:02:30,141
num período de 20 anos.

48
00:02:30,141 --> 00:02:33,541
Mas, quando se dividiram
os participantes em grupos etários,

49
00:02:33,541 --> 00:02:38,205
verificou-se que os não fumadores
eram muito mais velhos do que a média

50
00:02:38,205 --> 00:02:42,356
e, portanto, com maior probabilidade 
de morrer durante o período da experiência,

51
00:02:42,356 --> 00:02:45,460
precisamente porque, 
em geral, viviam mais tempo.

52
00:02:45,460 --> 00:02:47,598
Aqui, os grupos etários
são a variável oculta,

53
00:02:47,598 --> 00:02:50,176
e são vitais para interpretar
os dados corretamente.

54
00:02:50,384 --> 00:02:52,050
Noutro exemplo,

55
00:02:52,050 --> 00:02:54,681
uma análise dos processos
de pena de morte na Flórida,

56
00:02:54,681 --> 00:02:58,682
parecia revelar que não havia
disparidade racial nas condenações

57
00:02:58,682 --> 00:03:01,789
entre réus negros e brancos,
condenados por homicídio.

58
00:03:01,789 --> 00:03:06,526
Mas a divisão dos processos pelas etnias
das vítimas contou uma história diferente,

59
00:03:06,526 --> 00:03:08,438
Em qualquer das situações,

60
00:03:08,438 --> 00:03:11,543
os réus negros tinham mais hipóteses
de serem condenados à morte.

61
00:03:11,543 --> 00:03:15,474
A taxa de condenação global levemente
mais alta para os réus brancos

62
00:03:15,474 --> 00:03:19,170
devia-se ao facto de que os casos
com vítimas brancas

63
00:03:19,170 --> 00:03:21,767
tinham mais hipóteses
de levar à pena de morte

64
00:03:21,767 --> 00:03:24,317
do que os casos em que a vítima era negra,

65
00:03:24,317 --> 00:03:28,483
e a maior parte dos crimes ocorria
entre pessoas da mesma etnia.

66
00:03:28,483 --> 00:03:31,623
Então, como evitamos cair no paradoxo?

67
00:03:31,623 --> 00:03:35,770
Infelizmente, não há uma resposta
que sirva para todos os casos.

68
00:03:35,770 --> 00:03:38,686
Os dados podem ser agrupados
e divididos de infinitas maneiras

69
00:03:38,686 --> 00:03:42,575
e os números globais, por vezes,
dão uma imagem mais rigorosa

70
00:03:42,575 --> 00:03:46,829
do que os dados divididos em categorias
enganadoras ou arbitrárias.

71
00:03:46,829 --> 00:03:52,480
Só podemos estudar cuidadosamente
as situações que as estatísticas descrevem

72
00:03:52,480 --> 00:03:55,977
e considerar se pode haver
variáveis ocultas.

73
00:03:56,281 --> 00:03:59,595
De outro modo, ficamos vulneráveis
aos que vão usar os dados

74
00:03:59,595 --> 00:04:03,400
para manipular os outros
e promover os seus programas.