0:00:06.636,0:00:09.077
Statisticile sunt convingătoare.

0:00:09.077,0:00:12.541
Atât de mult încât oamenii,[br]organizațiile și multe țări

0:00:12.541,0:00:17.747
își bazează cele mai importante decizii[br]pe acestea.

0:00:17.747,0:00:19.484
Dar e o problemă.

0:00:19.484,0:00:23.301
Orice statistică poate[br]avea ceva înșelător în ea,

0:00:23.301,0:00:27.251
ceea ce poate întoarce[br]rezultatele complet pe dos.

0:00:27.251,0:00:30.920
De exemplu, imaginează-ți că trebuie[br]să alegi între două spitale

0:00:30.920,0:00:33.737
pentru operația unei rude mai în vârstă.

0:00:33.737,0:00:36.434
Din ultimii 1000 de pacienți[br]din fiecare spital,

0:00:36.434,0:00:39.612
900 au supraviețuit în Spitalul A,

0:00:39.612,0:00:43.021
pe când doar 800 au supraviețuit[br]în Spitalul B.

0:00:43.021,0:00:46.170
Pare deci că Spitalul A[br]e alegerea mai bună.

0:00:46.170,0:00:47.843
Dar înainte să te hotărăști,

0:00:47.843,0:00:51.411
amintește-ți că nu toți pacienții[br]ajung la spital

0:00:51.411,0:00:53.811
în aceeași stare de sănătate.

0:00:53.811,0:00:56.703
Și dacă împărțim ultimii[br]1000 de pacienți ai fiecărui spital

0:00:56.703,0:01:01.132
între cei care au ajuns într-o stare bună[br]și cei care au ajuns într-o stare proastă,

0:01:01.132,0:01:03.772
rezultatul începe să arate foarte diferit.

0:01:03.772,0:01:07.849
Spitalul A a avut doar 100 de pacienți[br]ce au ajuns într-o stare proastă,

0:01:07.849,0:01:10.325
dintre care 30 au supraviețuit.

0:01:10.325,0:01:14.852
Dar Spitalul B a avut 400,[br]iar ei au reușit să salveze 210.

0:01:14.852,0:01:17.169
Deci, Spitalul B e o alegere mai bună

0:01:17.169,0:01:20.741
pentru pacienții ce ajung[br]într-o stare proastă,

0:01:20.741,0:01:24.526
cu o rată de supraviețuire de 52,5%.

0:01:24.526,0:01:28.445
Dar dacă starea de sănătate a rudei tale[br]e bună când ajunge la spital?

0:01:28.445,0:01:32.271
Poate pare ciudat, dar tot Spitalul B[br]e cea mai bună alegere,

0:01:32.271,0:01:35.676
cu o rată de supraviețuire de peste 98%.

0:01:35.676,0:01:39.203
Deci, cum poate Spitalul A să aibă[br]o rată totală de supraviețuire mai bună

0:01:39.203,0:01:44.830
dacă Spitalul B are rate de supraviețuire[br]mai bune în ambele categorii de pacienți?

0:01:44.830,0:01:48.589
Acest fenomen se numește[br]paradoxul lui Simpson,

0:01:48.589,0:01:51.899
în care aceleași date pot părea[br]că au concluzii diferite

0:01:51.899,0:01:54.664
în funcție de cum sunt grupate datele.

0:01:54.664,0:01:58.744
Asta se întâmplă când datele agregate[br]ascund o variabilă condiționată,

0:01:58.744,0:02:01.377
alteori cunoscută ca variabilă ascunsă,

0:02:01.377,0:02:06.584
ce e un factor adițional[br]ce influențează semnificativ rezultatele.

0:02:06.584,0:02:10.023
Aici factorul ascuns[br]e proporția relativă de pacienți

0:02:10.023,0:02:13.264
ce ajung într-o stare bună[br]sau proastă de sănătate.

0:02:13.264,0:02:16.544
Paradoxul lui Simpson[br]nu e doar un scenariu ipotetic.

0:02:16.544,0:02:18.924
Apare din când în când și în lumea reală,

0:02:18.924,0:02:22.132
uneori în contexte importante.

0:02:22.132,0:02:24.130
Un studiu din Regatul Unit părea că arată

0:02:24.130,0:02:27.600
că fumătorii au o rată de supraviețuire[br]mai mare decât nefumătorii

0:02:27.600,0:02:29.846
pe o perioadă de 20 de ani.

0:02:29.846,0:02:33.307
Asta până când au împărțit[br]participanții pe grupuri de vârstă

0:02:33.307,0:02:37.823
și au observat că nefumătorii[br]erau mult mai în vârstă în medie,

0:02:37.823,0:02:40.930
și deci, mult mai susceptibili[br]să moară în perioada studiului,

0:02:40.930,0:02:44.438
fix din cauza faptului[br]că erau mai longevivi în general.

0:02:44.438,0:02:47.286
Aici, grupele de vârstă[br]sunt variabila ascunsă,

0:02:47.286,0:02:50.176
și sunt importante[br]pentru a interpreta corect datele.

0:02:50.176,0:02:51.559
În alt exemplu,

0:02:51.559,0:02:54.281
o analiză a cazurilor de condamnare[br]la moarte din Florida

0:02:54.281,0:02:58.265
părea să arate nicio diferență rasială[br]în cazul sentințelor

0:02:58.265,0:03:01.581
între acuzații albi și negri[br]condamnați pentru omor.

0:03:01.581,0:03:06.396
Dar împărțirea cazurilor pe baza[br]rasei victimei spunea altceva.

0:03:06.396,0:03:07.969
În fiecare dintre cazuri,

0:03:07.969,0:03:11.347
acuzații de culoare erau mai susceptibili [br]să fie condamnați la moarte.

0:03:11.347,0:03:15.066
Rata puțin mai mare a condamnărilor[br]pentru acuzații albi

0:03:15.066,0:03:18.482
era cauzată de faptul[br]că cazurile cu victime albe

0:03:18.482,0:03:21.809
aveau o probabilitate mai mare [br]de a conduce la o condamnare la moarte

0:03:21.809,0:03:24.091
decât cazurile[br]în care victima era de culoare,

0:03:24.091,0:03:28.483
iar cele mai multe crime au avut loc[br]între oameni de aceeași rasă.

0:03:28.483,0:03:31.319
Deci, cum putem evita acest paradox?

0:03:31.319,0:03:34.686
Din păcate nu există o soluție universală.

0:03:34.686,0:03:38.504
Datele pot fi grupate[br]și divizate în multe moduri,

0:03:38.504,0:03:42.106
iar numerele totale pot uneori oferi[br]o concluzie mult mai precisă

0:03:42.106,0:03:46.638
decât datele divizate în categorii[br]înșelătoare sau arbitrare.

0:03:46.638,0:03:52.089
Tot ce putem face e să studiem cu atenție[br]situația exactă pe care studiul o descrie

0:03:52.089,0:03:55.977
și să ne gândim dacă ar putea exista[br]variabile ascunse.

0:03:55.977,0:03:59.378
Altfel, vom fi vulnerabili[br]la cei care folosesc datele

0:03:59.378,0:04:02.649
pentru a-i manipula pe ceilalți[br]pentru a-și promova propria agendă.