1
00:00:06,636 --> 00:00:09,077
Статистика убедительна.

2
00:00:09,077 --> 00:00:12,543
Настолько, что люди,
организации и целые страны

3
00:00:12,543 --> 00:00:17,747
принимают важнейшие решения,
опираясь на систематизированные данные.

4
00:00:17,747 --> 00:00:19,484
Но существует проблема.

5
00:00:19,484 --> 00:00:23,301
В любом наборе статистических данных
может таиться то,

6
00:00:23,301 --> 00:00:27,251
что способно полностью перевернуть
результаты с ног на голову.

7
00:00:27,251 --> 00:00:30,920
Представьте, что вам нужно выбрать
одну из двух больниц

8
00:00:30,920 --> 00:00:33,737
для операции пожилого родственника.

9
00:00:33,737 --> 00:00:36,434
Из последней тысячи пациентов этих больниц

10
00:00:36,434 --> 00:00:39,612
в больнице А выжило 900 человек,

11
00:00:39,612 --> 00:00:43,021
а в больнице Б — 800.

12
00:00:43,021 --> 00:00:46,170
Похоже, что больница А — лучший выбор.

13
00:00:46,170 --> 00:00:47,843
Но принимая решение, имейте в виду,

14
00:00:47,843 --> 00:00:51,411
что состояние здоровья пациентов,
прибывших в больницу,

15
00:00:51,411 --> 00:00:53,811
было неодинаковым.

16
00:00:53,811 --> 00:00:56,703
Если разделить последнюю тысячу
пациентов обеих больниц

17
00:00:56,703 --> 00:01:01,132
на тех, кто прибыл в хорошем
и в плохом состоянии здоровья,

18
00:01:01,132 --> 00:01:03,772
получится совсем другая картина.

19
00:01:03,772 --> 00:01:07,849
В больницу А прибыло лишь 100 пациентов
в плохом состоянии здоровья,

20
00:01:07,849 --> 00:01:10,325
из которых 30 выжили.

21
00:01:10,325 --> 00:01:14,852
В больницу Б поступило 400 тяжелобольных,
из которых удалось спасти 210.

22
00:01:14,852 --> 00:01:17,169
Таким образом больница Б —
лучший выбор

23
00:01:17,169 --> 00:01:20,741
для пациентов, прибывающих
в плохом состоянии здоровья,

24
00:01:20,741 --> 00:01:24,526
с коэффициентом выживаемости — 52,5 %.

25
00:01:24,526 --> 00:01:28,445
А если на момент поступления в больницу
здоровье вашего родственника в норме?

26
00:01:28,445 --> 00:01:32,271
Удивительно, но и тут больница Б —
лучший выбор

27
00:01:32,271 --> 00:01:35,676
с коэффициентом выживаемости — 98%.

28
00:01:35,676 --> 00:01:38,733
Но почему у больницы А
суммарный показатель выживаемости выше,

29
00:01:38,733 --> 00:01:44,830
если у больницы Б выше показатель
выживаемости пациентов обеих групп?

30
00:01:44,830 --> 00:01:48,589
То, с чем мы столкнулись,
называется парадоксом Симпсона,

31
00:01:48,589 --> 00:01:51,899
при котором набор данных
может показывать обратную тенденцию

32
00:01:51,899 --> 00:01:54,664
в зависимости от того,
как он сгруппирован.

33
00:01:54,664 --> 00:01:58,744
Такое случается, когда сводные данные
содержат условную переменную,

34
00:01:58,744 --> 00:02:01,377
также известную, как скрытая переменная.

35
00:02:01,377 --> 00:02:06,584
Это скрытый дополнительный фактор,
существенно влияющий на результаты.

36
00:02:06,584 --> 00:02:10,023
В данном случае скрытый фактор —
это доля пациентов,

37
00:02:10,023 --> 00:02:13,264
прибывших в хорошем
или плохом состоянии здоровья.

38
00:02:13,264 --> 00:02:16,544
Парадокс Симпсона —
это не просто гипотетический сценарий.

39
00:02:16,544 --> 00:02:18,924
Время от времени
он возникает в реальном мире,

40
00:02:18,924 --> 00:02:22,132
иногда при важных обстоятельствах.

41
00:02:22,132 --> 00:02:24,130
Исследование,
проведённое в Великобритании,

42
00:02:24,130 --> 00:02:27,600
показало более высокую долю выживаемости
курящих людей, нежели некурящих,

43
00:02:27,600 --> 00:02:29,846
более чем за 20-летний период времени.

44
00:02:29,846 --> 00:02:33,307
Но разделение участников
на возрастные группы

45
00:02:33,307 --> 00:02:37,823
показало, что некурящие, в среднем,
были существенно старше,

46
00:02:37,823 --> 00:02:40,930
а значит имели больше шансов
умереть во время испытательного срока

47
00:02:40,930 --> 00:02:44,438
именно потому,
что они в целом прожили больше.

48
00:02:44,438 --> 00:02:47,286
Здесь скрытой переменной
являются возрастные группы,

49
00:02:47,286 --> 00:02:50,176
крайне важные для корректной
интерпретации данных.

50
00:02:50,176 --> 00:02:51,559
Другой пример:

51
00:02:51,559 --> 00:02:54,281
анализ случаев смертной казни во Флориде

52
00:02:54,281 --> 00:02:58,265
не выявил расового неравенства
при вынесении приговоров

53
00:02:58,265 --> 00:03:01,581
чернокожим и белым людям,
обвиняемым в убийстве.

54
00:03:01,581 --> 00:03:06,396
Но разделение дел по расам жертв
рассказало другую историю.

55
00:03:06,396 --> 00:03:07,969
При прочих равных обстоятельствах

56
00:03:07,969 --> 00:03:11,091
чернокожим обвиняемым
чаще выносили смертный приговор.

57
00:03:11,091 --> 00:03:15,066
Немного большее количество приговоров
для белых ответчиков было связано с тем,

58
00:03:15,066 --> 00:03:18,692
что делá об убийстве белых людей

59
00:03:18,692 --> 00:03:21,359
чаще приводили преступника
к смертному приговору,

60
00:03:21,359 --> 00:03:24,091
чем делá, где жертвы были чернокожими,

61
00:03:24,091 --> 00:03:28,483
а большинство убийств совершалось
между представителями одной расы.

62
00:03:28,483 --> 00:03:31,319
Так как же избежать выводов,
содержащих парадокс?

63
00:03:31,319 --> 00:03:34,686
К несчастью,
универсального ответа не существует.

64
00:03:34,686 --> 00:03:38,504
Данные могут быть сгруппированы
и разделены любым количеством способов,

65
00:03:38,504 --> 00:03:42,106
и иногда суммарный показатель
даёт более точную картину,

66
00:03:42,106 --> 00:03:46,638
чем данные, разделённые
на случайные категории.

67
00:03:46,638 --> 00:03:52,089
Всё, что можно сделать — тщательно изучить
ситуации, описываемые статистикой,

68
00:03:52,089 --> 00:03:55,977
и решить, возможно ли здесь
присутствие скрытой переменной.

69
00:03:55,977 --> 00:03:59,378
В противном случае мы беззащитны
перед теми, кто использует данные

70
00:03:59,378 --> 00:04:02,649
для манипуляции другими людьми
в собственных интересах.