[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:06.64,0:00:09.08,Default,,0000,0000,0000,,統計數據深具說服力
Dialogue: 0,0:00:09.08,0:00:12.54,Default,,0000,0000,0000,,以致很多人、機構甚至整個國家\N
Dialogue: 0,0:00:12.54,0:00:17.75,Default,,0000,0000,0000,,將已整理的數據\N作為他們一些最重要決定的依據\N
Dialogue: 0,0:00:17.75,0:00:19.48,Default,,0000,0000,0000,,但這做法有一個問題
Dialogue: 0,0:00:19.48,0:00:23.30,Default,,0000,0000,0000,,任何一組統計數據\N都有可能潛伏一些因素
Dialogue: 0,0:00:23.30,0:00:27.25,Default,,0000,0000,0000,,這些因素有時可能完全改變結論
Dialogue: 0,0:00:27.25,0:00:30.92,Default,,0000,0000,0000,,例如，想像你需要\N從兩間醫院中選擇一間\N
Dialogue: 0,0:00:30.92,0:00:33.74,Default,,0000,0000,0000,,適合年老的親人來做手術
Dialogue: 0,0:00:33.74,0:00:36.43,Default,,0000,0000,0000,,在各自醫院最近收治的 1000 個病人中
Dialogue: 0,0:00:36.43,0:00:39.61,Default,,0000,0000,0000,,醫院 A 有 900 人存活
Dialogue: 0,0:00:39.61,0:00:43.02,Default,,0000,0000,0000,,而醫院 B 只有 800 人存活
Dialogue: 0,0:00:43.02,0:00:46.17,Default,,0000,0000,0000,,所以看起來醫院 A 是比較好的選擇
Dialogue: 0,0:00:46.17,0:00:47.82,Default,,0000,0000,0000,,但在你作決定前
Dialogue: 0,0:00:47.84,0:00:51.41,Default,,0000,0000,0000,,要記得並不是所有病人入院時
Dialogue: 0,0:00:51.41,0:00:53.81,Default,,0000,0000,0000,,都有相同的健康情況
Dialogue: 0,0:00:53.81,0:00:56.70,Default,,0000,0000,0000,,若我們把各間醫院最近收治的 1000 個病人
Dialogue: 0,0:00:56.70,0:01:01.13,Default,,0000,0000,0000,,分成入院時健康良好和欠佳這兩組
Dialogue: 0,0:01:01.13,0:01:03.77,Default,,0000,0000,0000,,情況變得截然不同
Dialogue: 0,0:01:03.77,0:01:10.33,Default,,0000,0000,0000,,醫院 A 只有 100 人入院時健康欠佳，\N而當中 30 人存活\N
Dialogue: 0,0:01:10.33,0:01:14.85,Default,,0000,0000,0000,,但醫院 B 則有 400 人，\N而他們能保住 210 人的性命\N
Dialogue: 0,0:01:14.85,0:01:20.73,Default,,0000,0000,0000,,所以對於入院時健康欠佳的病人，\N醫院 B 是較好的選擇
Dialogue: 0,0:01:20.74,0:01:24.51,Default,,0000,0000,0000,,其存活率達 52.5 %
Dialogue: 0,0:01:24.53,0:01:28.44,Default,,0000,0000,0000,,那麼如果你的親人入院時\N健康良好呢？
Dialogue: 0,0:01:28.44,0:01:32.27,Default,,0000,0000,0000,,非常奇怪的是，\N醫院 B 仍是較好的選擇
Dialogue: 0,0:01:32.27,0:01:35.68,Default,,0000,0000,0000,,其存活率超過 98 ％
Dialogue: 0,0:01:35.68,0:01:44.82,Default,,0000,0000,0000,,所以若醫院 B 在這兩組都有較高存活率，\N為何卻是醫院 A 有較高的整體存活率？\N
Dialogue: 0,0:01:44.83,0:01:48.59,Default,,0000,0000,0000,,這是我們碰巧遇到的\N一個「辛普森悖論」的情況\N
Dialogue: 0,0:01:48.59,0:01:54.65,Default,,0000,0000,0000,,同一套數據依據其分組方法，\N能呈現出相反的走向\N
Dialogue: 0,0:01:54.66,0:01:58.74,Default,,0000,0000,0000,,這經常發生在當已收集的數據中\N隱藏了一個「條件變項」\N
Dialogue: 0,0:01:58.74,0:02:01.38,Default,,0000,0000,0000,,有時也稱為「潛在變項」
Dialogue: 0,0:02:01.38,0:02:06.58,Default,,0000,0000,0000,,它是另一個隱藏因素，\N會顯著地影響結果\N
Dialogue: 0,0:02:06.58,0:02:10.02,Default,,0000,0000,0000,,在此，隱藏因素是\N兩組病人的相對比例 \N
Dialogue: 0,0:02:10.02,0:02:13.26,Default,,0000,0000,0000,,即入院時健康情況好或壞
Dialogue: 0,0:02:13.26,0:02:16.51,Default,,0000,0000,0000,,辛普森悖論並不限於假設的情境
Dialogue: 0,0:02:16.54,0:02:18.92,Default,,0000,0000,0000,,它在真實世界時有出現
Dialogue: 0,0:02:18.92,0:02:22.13,Default,,0000,0000,0000,,有時甚至在重要的情況
Dialogue: 0,0:02:22.13,0:02:24.12,Default,,0000,0000,0000,,一個英國的研究發現
Dialogue: 0,0:02:24.13,0:02:27.58,Default,,0000,0000,0000,,吸煙者比非吸煙者有較高存活率
Dialogue: 0,0:02:27.60,0:02:29.85,Default,,0000,0000,0000,,這研究長達二十多年
Dialogue: 0,0:02:29.85,0:02:33.32,Default,,0000,0000,0000,,然而，當把參與者按年齡分組
Dialogue: 0,0:02:33.32,0:02:37.80,Default,,0000,0000,0000,,便顯現非吸煙者的\N平均年齡明顯地比較高
Dialogue: 0,0:02:37.82,0:02:40.93,Default,,0000,0000,0000,,因此，較可能在研究期間死亡
Dialogue: 0,0:02:40.93,0:02:44.44,Default,,0000,0000,0000,,這正是因為非吸煙者\N普遍較長壽的緣故
Dialogue: 0,0:02:44.44,0:02:47.29,Default,,0000,0000,0000,,在此，年齡分組是潛在變項
Dialogue: 0,0:02:47.29,0:02:50.18,Default,,0000,0000,0000,,這對正確解讀數據非常重要
Dialogue: 0,0:02:50.18,0:02:51.53,Default,,0000,0000,0000,,另一例子是\N
Dialogue: 0,0:02:51.56,0:02:54.26,Default,,0000,0000,0000,,佛羅里達州死刑案件的研究分析
Dialogue: 0,0:02:54.28,0:03:01.52,Default,,0000,0000,0000,,似乎顯示因謀殺罪的黑人或白人\N被判死刑的情況，並無種族差異\N
Dialogue: 0,0:03:01.52,0:03:06.40,Default,,0000,0000,0000,,但當按受害人的種族來分組，\N就截然不同了\N
Dialogue: 0,0:03:06.40,0:03:11.08,Default,,0000,0000,0000,,無論受害人的種族如何，\N黑人被告都較可能被判死刑
Dialogue: 0,0:03:11.09,0:03:15.06,Default,,0000,0000,0000,,白人被告在整體上\N被判死刑的機率稍微較高\N
Dialogue: 0,0:03:15.07,0:03:18.68,Default,,0000,0000,0000,,是因為涉及白人受害者的案件\N
Dialogue: 0,0:03:18.69,0:03:24.05,Default,,0000,0000,0000,,比涉及黑人受害者的\N較有可能被判死刑 \N
Dialogue: 0,0:03:24.09,0:03:28.48,Default,,0000,0000,0000,,而謀殺案又多數發生在相同種族之間
Dialogue: 0,0:03:28.48,0:03:31.32,Default,,0000,0000,0000,,那我們要如何避免掉入這種悖論呢？
Dialogue: 0,0:03:31.32,0:03:34.69,Default,,0000,0000,0000,,不幸的是，\N並沒有一個適合各種情況的答案\N
Dialogue: 0,0:03:34.69,0:03:38.50,Default,,0000,0000,0000,,數據能夠以各種方法進行分組
Dialogue: 0,0:03:38.50,0:03:42.11,Default,,0000,0000,0000,,而整體數據有時\N能給我們一個更準確的描述\N
Dialogue: 0,0:03:42.11,0:03:46.63,Default,,0000,0000,0000,,相較於誤導或任意分組的數據
Dialogue: 0,0:03:46.64,0:03:52.09,Default,,0000,0000,0000,,我們唯一能做的是仔細研究\N統計數據所描述的真實情況
Dialogue: 0,0:03:52.09,0:03:55.98,Default,,0000,0000,0000,,並考慮當中是否存在「潛在變項」
Dialogue: 0,0:03:55.98,0:04:02.86,Default,,0000,0000,0000,,否則，我們便很容易受到\N運用數據達到目的人的操弄了\N
Dialogue: 0,0:04:03.80,0:04:10.08,Default,,0000,0000,0000,,翻譯：Crystal Yip