WEBVTT

00:00:06.636 --> 00:00:09.077
Statistika je uverljiva,

00:00:09.077 --> 00:00:12.541
toliko da ljudi, organizacije
i čitave države zasnivaju

00:00:12.541 --> 00:00:17.747
neke od svojih najvažnijih odluka
na organzovanim podacima.

00:00:17.747 --> 00:00:19.484
Međutim, tu imamo problem.

00:00:19.484 --> 00:00:23.301
Svaki statistički skup može da ima
nešto skriveno u sebi,

00:00:23.301 --> 00:00:27.251
nešto što može u potpunosti
da preokrene rezultate.

00:00:27.251 --> 00:00:30.920
Na primer, zamislite da morate
da izaberete između dve bolnice

00:00:30.920 --> 00:00:33.737
zbog operacije starijeg rođaka.

00:00:33.737 --> 00:00:36.434
Od poslednjih 1000 pacijenata
iz svake bolnice,

00:00:36.434 --> 00:00:39.612
u bolnici A je preživelo 900,

00:00:39.612 --> 00:00:43.021
dok je u bolnici B preživelo svega 800.

00:00:43.021 --> 00:00:46.170
Pa se čini da je bolnica A bolji izbor.

00:00:46.170 --> 00:00:47.843
No, pre nego što se odlučite,

00:00:47.843 --> 00:00:51.411
zapamtite da svi pacijenti
ne stižu u bolnicu

00:00:51.411 --> 00:00:53.811
istog zdravstvenog stanja.

00:00:53.811 --> 00:00:56.703
A ako podelimo poslednjih 1000 pacijenata
iz svake bolnice

00:00:56.703 --> 00:01:01.132
na one koji su stigli dobrog zdravlja
i one koji su stigli lošeg zdravlja,

00:01:01.132 --> 00:01:03.772
slika počinje da izgleda veoma drugačije.

00:01:03.772 --> 00:01:07.849
Bolnica A je imala samo 100 pacijenata
koji su stigli lošeg zdravlja,

00:01:07.849 --> 00:01:10.325
od kojih je 30 preživelo.

00:01:10.325 --> 00:01:14.852
Međutim, bolnica B je imala 400 takvih
i uspeli su da spase 210.

00:01:14.852 --> 00:01:17.169
Pa je bolnica B bolji izbor

00:01:17.169 --> 00:01:20.741
za pacijente koji stižu u bolnicu
lošeg zdravlja,

00:01:20.741 --> 00:01:24.526
sa stopom preživelih od 52,5%.

00:01:24.526 --> 00:01:28.445
A šta ako je zdravlje vašeg rođaka dobro
kad stigne u bolnicu?

00:01:28.445 --> 00:01:32.271
Zvuči čudno, ali bolnica B
je i dalje bolji izbor,

00:01:32.271 --> 00:01:35.676
sa stopom preživelih preko 98%.

00:01:35.676 --> 00:01:38.733
Pa, kako može bolnica A da ima
bolju ukupnu stopu preživelih,

00:01:38.733 --> 00:01:44.830
ako bolnica B ima bolje stope preživelih
u obe grupe pacijenata?

00:01:44.830 --> 00:01:48.589
Ono na šta smo nabasali
je slučaj Simpsonovog paradoksa,

00:01:48.589 --> 00:01:51.899
gde ista grupa podataka
može da pokaže suprotne trendove,

00:01:51.899 --> 00:01:54.664
u zavisnosti od toga kako su grupisani.

00:01:54.664 --> 00:01:58.744
Ovo se često dešava kad skup podataka
skriva uslovnu varijablu,

00:01:58.744 --> 00:02:01.377
koju ponekad zovu skrivenom varijablom,

00:02:01.377 --> 00:02:06.584
a to je skriveni dodatni faktor
koji značajno utiče na rezultate.

00:02:06.584 --> 00:02:10.023
Ovde je skriveni faktor,
relativna srazmera pacijenata

00:02:10.023 --> 00:02:13.264
koji stižu dobrog ili lošeg zdravlja.

00:02:13.264 --> 00:02:16.544
Simpsonov paradoks
nije prosto hipotetičan scenario.

00:02:16.544 --> 00:02:18.924
S vremena na vreme se pojavljuje
u stvarnom svetu,

00:02:18.924 --> 00:02:22.132
ponekad u bitnim kontekstima.

00:02:22.132 --> 00:02:24.130
Jedno istraživanje u Britaniji je pokazalo

00:02:24.130 --> 00:02:27.600
da pušači imaju veću stopu preživelih
od nepušača

00:02:27.600 --> 00:02:29.846
tokom perioda od 20 godina.

00:02:29.846 --> 00:02:33.307
Sve dok učesnici u istraživanju
nisu podeljeni po starosnim grupama,

00:02:33.307 --> 00:02:37.823
tada se pokazalo da su nepušači
u proseku značajno stariji

00:02:37.823 --> 00:02:40.930
i stoga je bila veća verovatnoća
da će da umru tokom istraživanja,

00:02:40.930 --> 00:02:44.438
baš zbog toga što su inače živeli duže.

00:02:44.438 --> 00:02:47.286
Ovde su starosne grupe skrivena varijabla

00:02:47.286 --> 00:02:50.176
i od suštinskog su značaja
za pravilno tumačenje podataka.

00:02:50.176 --> 00:02:51.559
U drugom primeru,

00:02:51.559 --> 00:02:54.281
analiza slučajeva smrtne kazne u Floridi

00:02:54.281 --> 00:02:58.265
nije se činilo da otkriva
rasnu nejednakost kod presuda

00:02:58.265 --> 00:03:01.581
između crnih i belih prestupnika
osuđenih na smrt.

00:03:01.581 --> 00:03:06.396
Međutim, podela slučajeva
prema rasi žrtve, govorila je nešto drugo.

00:03:06.396 --> 00:03:07.969
U oba slučaja,

00:03:07.969 --> 00:03:11.091
crni prestupnici su češće
osuđivani na smrt.

00:03:11.091 --> 00:03:15.066
Sveukupno nešto veća stopa
osuđenih belih prestupnika

00:03:15.066 --> 00:03:18.692
je bila posledica činjenice
da slučajevi sa belim žrtvama

00:03:18.692 --> 00:03:21.359
češće uzrokuju smrtnu kaznu

00:03:21.359 --> 00:03:24.091
od slučajeva gde je žrtva crnac,

00:03:24.091 --> 00:03:28.483
a većina ubistava se dešavala
među ljudima iste rase.

00:03:28.483 --> 00:03:31.319
Pa, kako da izbegnemo
podleganje ovom paradoksu?

00:03:31.319 --> 00:03:34.686
Nažalost, ne postoji univerzalno rešenje.

00:03:34.686 --> 00:03:38.504
Podaci se mogu grupisati
i podeliti na bezbroj načina,

00:03:38.504 --> 00:03:42.106
a sveukupne cifre mogu ponekad
da daju tačniju sliku

00:03:42.106 --> 00:03:46.638
od podataka podeljenih
u varljive ili proizvoljne kategorije.

00:03:46.638 --> 00:03:52.089
Sve što možemo da učinimo je da izučavamo
stvarne situacije koje statistika opisuje

00:03:52.089 --> 00:03:55.977
i da pazimo na prisustvo
skrivenih varijabli.

00:03:55.977 --> 00:03:59.378
U suprotnom, podložni smo uticaju
onih koji će da iskoriste podatke

00:03:59.378 --> 00:04:02.649
kako bi manipulisali drugima
i promovisali sopstvene ciljeve.