1
00:00:06,636 --> 00:00:09,077
İstatistikler ikna edicidir.

2
00:00:09,077 --> 00:00:12,541
Öyle ikna edici ki, insanlar,
kurumlar ve bütün ülkeler

3
00:00:12,541 --> 00:00:17,747
en önemli bazı kararlarını
düzenli bilgiye dayanarak alırlar.

4
00:00:17,747 --> 00:00:19,484
Ancak burada bir sorun var.

5
00:00:19,484 --> 00:00:23,301
İstatistik verilerinde gizlenmiş,
sonuçları tamamen alt üst edebilecek

6
00:00:23,301 --> 00:00:27,251
bir şeyler olabilir.

7
00:00:27,251 --> 00:00:30,920
Örneğin, yaşlı bir akrabanızın 
ameliyatı için iki hastane arasında

8
00:00:30,920 --> 00:00:33,737
seçim yapmak zorunda olduğunuzu düşünün.

9
00:00:33,737 --> 00:00:36,434
Her iki hastanenin de 
son 1000 hastasından,

10
00:00:36,434 --> 00:00:39,612
A hastanesinde 900'ü hayatta kalırken

11
00:00:39,612 --> 00:00:43,021
B hastanesinde sadece 
800 kişi sağ kalmış.

12
00:00:43,021 --> 00:00:46,170
O hâlde A hastanesi 
daha iyi bir seçim gibi görünüyor.

13
00:00:46,170 --> 00:00:47,843
Ancak karar vermeden önce

14
00:00:47,843 --> 00:00:51,411
tüm hastaların hastaneye
aynı sağlık durumunda

15
00:00:51,411 --> 00:00:53,811
gelmediğini hatırlayın.

16
00:00:53,811 --> 00:00:56,703
İki hastanenin de son 1000 hastasını

17
00:00:56,703 --> 00:01:01,132
sağlıklı gelenler ve sağlıksız
gelenler olarak bölersek

18
00:01:01,132 --> 00:01:03,772
resim çok daha farklı görünmeye başlar.

19
00:01:03,772 --> 00:01:07,849
A hastanesine sağlıksız durumda gelen
sadece 100 hasta varken

20
00:01:07,849 --> 00:01:10,325
30'u kurtarılmıştır.

21
00:01:10,325 --> 00:01:14,852
Fakat B hastanesinde 400 hastadan
210'u kurtarılmıştır.

22
00:01:14,852 --> 00:01:17,169
O zaman B hastanesi

23
00:01:17,169 --> 00:01:20,741
ağır durumda gelen hastalar için 
%52,5 kurtulma oranıyla

24
00:01:20,741 --> 00:01:24,526
daha iyi bir seçimdir.

25
00:01:24,526 --> 00:01:28,445
Peki ya hastanızın sağlığı hastaneye
vardığında iyiyse?

26
00:01:28,445 --> 00:01:32,271
Garip gelebilir ama B hastanesi 
%98 hayatta kalma oranıyla

27
00:01:32,271 --> 00:01:35,676
yine daha iyi bir seçimdir.

28
00:01:35,676 --> 00:01:39,263
Her iki gruptan hastalar için B hastanesi
daha iyi kurtulma oranına sahipken

29
00:01:39,263 --> 00:01:44,830
A hastanesi genelde nasıl daha iyi
bir kurtulma orana sahip olabilir?

30
00:01:44,830 --> 00:01:48,589
Karşılaştığımız şey, 
gruplandırma şekline bağlı olarak

31
00:01:48,589 --> 00:01:51,899
aynı verilerin 
zıt eğilimler gösterebildiği

32
00:01:51,899 --> 00:01:54,664
Simpson paradoksudur.

33
00:01:54,664 --> 00:01:58,744
Bu durum genelde kümelenmiş bilgi
koşullu bir değişkeni örttüğünde oluşur,

34
00:01:58,744 --> 00:02:01,377
karışıklığa neden olan değişken
olarak da bilinir,

35
00:02:01,377 --> 00:02:06,584
bu ise sonuçları önemli ölçüde etkileyen
gizli bir ek faktördür.

36
00:02:06,584 --> 00:02:10,023
Buradaki gizli faktör, sağlıklı ve
sağlıksız gelen hastaların

37
00:02:10,023 --> 00:02:13,264
göreceli oranıdır.

38
00:02:13,264 --> 00:02:16,544
Simpson paradoksu basit bir 
varsayımsal durum değildir.

39
00:02:16,544 --> 00:02:18,924
Gerçek dünyada ara sıra,

40
00:02:18,924 --> 00:02:22,132
bazen önemli durumlarda ortaya çıkar.

41
00:02:22,132 --> 00:02:24,130
Birleşik Krallık'ta yapılan bir araştırma

42
00:02:24,130 --> 00:02:27,600
sigara içenlerin içmeyenlerden
-yirmi yıldan fazla bir sürede-

43
00:02:27,600 --> 00:02:30,216
daha yüksek yaşama oranına 
sahip olduğunu gösteriyordu.

44
00:02:30,216 --> 00:02:33,307
Katılımcıların yaş gruplarına bölünmesi,

45
00:02:33,307 --> 00:02:37,823
sigara içmeyenlerin önemli oranda
ortalamadan yaşlı olduğunu

46
00:02:37,823 --> 00:02:40,930
ve bu nedenle genel olarak
daha uzun yaşadıkları için

47
00:02:40,930 --> 00:02:44,438
tam da deney sırasında ölmelerinin
muhtemel olduğunu gösteriyordu.

48
00:02:44,438 --> 00:02:47,286
Burada karışıklığa yol açan
değişken yaş gruplarıdır ve

49
00:02:47,286 --> 00:02:50,176
veriyi doğru yorumlamada 
son derece önemlidir.

50
00:02:50,176 --> 00:02:51,559
Diğer bir örnekte ise

51
00:02:51,559 --> 00:02:54,281
Florida'nın idam cezası 
davalarının analizi,

52
00:02:54,281 --> 00:02:58,265
cinayetten hükümlü
siyahi ve beyaz zanlılar arasında

53
00:02:58,265 --> 00:03:01,581
ceza kararlarında ırksal eşitsizliğin
olmadığını ortaya çıkarır.

54
00:03:01,581 --> 00:03:06,396
Fakat davaları mağdurun ırkına göre 
ayırmak farklı bir tablo gösterir.

55
00:03:06,396 --> 00:03:07,969
Her iki durumda da

56
00:03:07,969 --> 00:03:11,091
siyahi davalıların idam cezası alması
daha muhtemeldir.

57
00:03:11,091 --> 00:03:15,066
Beyaz sanıkların genel ceza oranlarının
nispeten yüksek olması,

58
00:03:15,066 --> 00:03:18,692
mağdurların beyaz olduğu davalarda


59
00:03:18,692 --> 00:03:21,359
idam cezasının çıkmasının,

60
00:03:21,359 --> 00:03:24,091
mağdurun siyahi olduğu davalardan
daha muhtemel olması

61
00:03:24,091 --> 00:03:28,483
ve çoğu cinayetin aynı ırktan insanlar
arasında olmasından dolayıydı.

62
00:03:28,483 --> 00:03:31,319
Peki çelişkiye düşmekten 
nasıl kurtulabiliriz?

63
00:03:31,319 --> 00:03:34,686
Ne yazık ki hepsine uyan bir cevap yok.

64
00:03:34,686 --> 00:03:38,504
Veriler birçok şekilde
gruplanıp kategoriye bölünebilir

65
00:03:38,504 --> 00:03:42,106
ve genel rakamlar bazen 
yanıltıcı ve rastlantısal kategorilere

66
00:03:42,106 --> 00:03:46,638
bölünen verilerden
daha doğru bir tablo verir.

67
00:03:46,638 --> 00:03:52,089
Tek yapabileceğimiz, 
istatistiğin verdiği geçerli durumu

68
00:03:52,089 --> 00:03:55,977
iyi inceleyip karışıklığa neden olan 
değişkeni olup olmadığını düşünmektir.

69
00:03:55,977 --> 00:03:59,378
Aksi takdirde kendimizi, verileri 
başkalarını yönlendirmek ve

70
00:03:59,378 --> 00:04:02,809
kendi çıkarlarını korumak için 
kullananlara karşı savunmasız bırakırız.