1
00:00:06,636 --> 00:00:09,077
Statisticile sunt convingătoare.

2
00:00:09,077 --> 00:00:12,541
Atât de mult încât oamenii,
organizațiile și multe țări

3
00:00:12,541 --> 00:00:17,747
își bazează cele mai importante decizii
pe acestea.

4
00:00:17,747 --> 00:00:19,484
Dar e o problemă.

5
00:00:19,484 --> 00:00:23,301
Orice statistică poate
avea ceva înșelător în ea,

6
00:00:23,301 --> 00:00:27,251
ceea ce poate întoarce
rezultatele complet pe dos.

7
00:00:27,251 --> 00:00:30,920
De exemplu, imaginează-ți că trebuie
să alegi între două spitale

8
00:00:30,920 --> 00:00:33,737
pentru operația unei rude mai în vârstă.

9
00:00:33,737 --> 00:00:36,434
Din ultimii 1000 de pacienți
din fiecare spital,

10
00:00:36,434 --> 00:00:39,612
900 au supraviețuit în Spitalul A,

11
00:00:39,612 --> 00:00:43,021
pe când doar 800 au supraviețuit
în Spitalul B.

12
00:00:43,021 --> 00:00:46,170
Pare deci că Spitalul A
e alegerea mai bună.

13
00:00:46,170 --> 00:00:47,843
Dar înainte să te hotărăști,

14
00:00:47,843 --> 00:00:51,411
amintește-ți că nu toți pacienții
ajung la spital

15
00:00:51,411 --> 00:00:53,811
în aceeași stare de sănătate.

16
00:00:53,811 --> 00:00:56,703
Și dacă împărțim ultimii
1000 de pacienți ai fiecărui spital

17
00:00:56,703 --> 00:01:01,132
între cei care au ajuns într-o stare bună
și cei care au ajuns într-o stare proastă,

18
00:01:01,132 --> 00:01:03,772
rezultatul începe să arate foarte diferit.

19
00:01:03,772 --> 00:01:07,849
Spitalul A a avut doar 100 de pacienți
ce au ajuns într-o stare proastă,

20
00:01:07,849 --> 00:01:10,325
dintre care 30 au supraviețuit.

21
00:01:10,325 --> 00:01:14,852
Dar Spitalul B a avut 400,
iar ei au reușit să salveze 210.

22
00:01:14,852 --> 00:01:17,169
Deci, Spitalul B e o alegere mai bună

23
00:01:17,169 --> 00:01:20,741
pentru pacienții ce ajung
într-o stare proastă,

24
00:01:20,741 --> 00:01:24,526
cu o rată de supraviețuire de 52,5%.

25
00:01:24,526 --> 00:01:28,445
Dar dacă starea de sănătate a rudei tale
e bună când ajunge la spital?

26
00:01:28,445 --> 00:01:32,271
Poate pare ciudat, dar tot Spitalul B
e cea mai bună alegere,

27
00:01:32,271 --> 00:01:35,676
cu o rată de supraviețuire de peste 98%.

28
00:01:35,676 --> 00:01:39,203
Deci, cum poate Spitalul A să aibă
o rată totală de supraviețuire mai bună

29
00:01:39,203 --> 00:01:44,830
dacă Spitalul B are rate de supraviețuire
mai bune în ambele categorii de pacienți?

30
00:01:44,830 --> 00:01:48,589
Acest fenomen se numește
paradoxul lui Simpson,

31
00:01:48,589 --> 00:01:51,899
în care aceleași date pot părea
că au concluzii diferite

32
00:01:51,899 --> 00:01:54,664
în funcție de cum sunt grupate datele.

33
00:01:54,664 --> 00:01:58,744
Asta se întâmplă când datele agregate
ascund o variabilă condiționată,

34
00:01:58,744 --> 00:02:01,377
alteori cunoscută ca variabilă ascunsă,

35
00:02:01,377 --> 00:02:06,584
ce e un factor adițional
ce influențează semnificativ rezultatele.

36
00:02:06,584 --> 00:02:10,023
Aici factorul ascuns
e proporția relativă de pacienți

37
00:02:10,023 --> 00:02:13,264
ce ajung într-o stare bună
sau proastă de sănătate.

38
00:02:13,264 --> 00:02:16,544
Paradoxul lui Simpson
nu e doar un scenariu ipotetic.

39
00:02:16,544 --> 00:02:18,924
Apare din când în când și în lumea reală,

40
00:02:18,924 --> 00:02:22,132
uneori în contexte importante.

41
00:02:22,132 --> 00:02:24,130
Un studiu din Regatul Unit părea că arată

42
00:02:24,130 --> 00:02:27,600
că fumătorii au o rată de supraviețuire
mai mare decât nefumătorii

43
00:02:27,600 --> 00:02:29,846
pe o perioadă de 20 de ani.

44
00:02:29,846 --> 00:02:33,307
Asta până când au împărțit
participanții pe grupuri de vârstă

45
00:02:33,307 --> 00:02:37,823
și au observat că nefumătorii
erau mult mai în vârstă în medie,

46
00:02:37,823 --> 00:02:40,930
și deci, mult mai susceptibili
să moară în perioada studiului,

47
00:02:40,930 --> 00:02:44,438
fix din cauza faptului
că erau mai longevivi în general.

48
00:02:44,438 --> 00:02:47,286
Aici, grupele de vârstă
sunt variabila ascunsă,

49
00:02:47,286 --> 00:02:50,176
și sunt importante
pentru a interpreta corect datele.

50
00:02:50,176 --> 00:02:51,559
În alt exemplu,

51
00:02:51,559 --> 00:02:54,281
o analiză a cazurilor de condamnare
la moarte din Florida

52
00:02:54,281 --> 00:02:58,265
părea să arate nicio diferență rasială
în cazul sentințelor

53
00:02:58,265 --> 00:03:01,581
între acuzații albi și negri
condamnați pentru omor.

54
00:03:01,581 --> 00:03:06,396
Dar împărțirea cazurilor pe baza
rasei victimei spunea altceva.

55
00:03:06,396 --> 00:03:07,969
În fiecare dintre cazuri,

56
00:03:07,969 --> 00:03:11,347
acuzații de culoare erau mai susceptibili 
să fie condamnați la moarte.

57
00:03:11,347 --> 00:03:15,066
Rata puțin mai mare a condamnărilor
pentru acuzații albi

58
00:03:15,066 --> 00:03:18,482
era cauzată de faptul
că cazurile cu victime albe

59
00:03:18,482 --> 00:03:21,809
aveau o probabilitate mai mare 
de a conduce la o condamnare la moarte

60
00:03:21,809 --> 00:03:24,091
decât cazurile
în care victima era de culoare,

61
00:03:24,091 --> 00:03:28,483
iar cele mai multe crime au avut loc
între oameni de aceeași rasă.

62
00:03:28,483 --> 00:03:31,319
Deci, cum putem evita acest paradox?

63
00:03:31,319 --> 00:03:34,686
Din păcate nu există o soluție universală.

64
00:03:34,686 --> 00:03:38,504
Datele pot fi grupate
și divizate în multe moduri,

65
00:03:38,504 --> 00:03:42,106
iar numerele totale pot uneori oferi
o concluzie mult mai precisă

66
00:03:42,106 --> 00:03:46,638
decât datele divizate în categorii
înșelătoare sau arbitrare.

67
00:03:46,638 --> 00:03:52,089
Tot ce putem face e să studiem cu atenție
situația exactă pe care studiul o descrie

68
00:03:52,089 --> 00:03:55,977
și să ne gândim dacă ar putea exista
variabile ascunse.

69
00:03:55,977 --> 00:03:59,378
Altfel, vom fi vulnerabili
la cei care folosesc datele

70
00:03:59,378 --> 00:04:02,649
pentru a-i manipula pe ceilalți
pentru a-și promova propria agendă.