Как статистиката може да бъде подвеждаща - Марк Лидел
-
0:07 - 0:09Статистиката е убедителна.
-
0:09 - 0:13Дотолкова, че хора, организации
и цели държави -
0:13 - 0:18основават някои от най-важните си решения
на преработена информация. -
0:18 - 0:19Но съществува проблем в това.
-
0:19 - 0:23Всяка статистика може да съдържа
нещо подвеждащо в себе си, -
0:23 - 0:27нещо, което преобръща резултатите
с главата надолу. -
0:27 - 0:31Например, представи си, че трябва
да избереш между две болници -
0:31 - 0:34за операция на възрастен роднина.
-
0:34 - 0:36От последните 1000 пациенти
на всяка болница, -
0:36 - 0:40900 оцелели в Болница А,
-
0:40 - 0:43докато само 800 оцелели в Болница Б.
-
0:43 - 0:46Изглежда, сякаш Болница А
е по-добрият избор. -
0:46 - 0:48Но преди да вземеш решение,
-
0:48 - 0:51помни, че не всички пациенти
са приети в болницата -
0:51 - 0:54с еднакво здравословно състояние.
-
0:54 - 0:57Ако разделим последните 1000 пациенти
на всяка болница -
0:57 - 1:01на приети в добро състояние
и приети във влошено състояние, -
1:01 - 1:04картинката придобива различен вид.
-
1:04 - 1:08Болница А е имала само 100 пациенти
във влошено състояние, -
1:08 - 1:10от които 30 оцелели.
-
1:10 - 1:15Но Болница Б е имала 400,
от които успели да спасят 210. -
1:15 - 1:17Така че Болница Б е по-добрият избор
-
1:17 - 1:21за пациенти, които пристигат
с лошо здравословно състояние, -
1:21 - 1:25тъй като шансът за оцеляване е 52,5%.
-
1:25 - 1:28А какво става, ако здравето на роднината
е добро, когато е приет в болницата? -
1:28 - 1:32Колкото и да е странно, Болница Б
отново е по-добрият избор, -
1:32 - 1:36защото шансът за оцеляване
в този случай е над 98%. -
1:36 - 1:39Но как може Болница А да има цялостно
по-добър шанс за оцеляване, -
1:39 - 1:45ако Болница Б има по-добра статистика
за пациенти и в двете групи? -
1:45 - 1:49Натъкнали сме се на случай, засягащ
парадокса на Симпсън, -
1:49 - 1:52където еднаква информация може
да показва противоположни тендеции -
1:52 - 1:55в зависимост от това как се групира.
-
1:55 - 1:59Това често се случва, когато обобщена
информация крие условна променлива, -
1:59 - 2:01понякога наричана подвеждаща променлива,
-
2:01 - 2:07която е скрит допълнителен фактор,
значително повлияващ резултатите. -
2:07 - 2:10Тук скритият фактор е относителната
пропорция на пациенти, -
2:10 - 2:13които са приети в добро или
влошено състояние. -
2:13 - 2:17Парадоксът на Симпсън не е просто
хипотетичен сценарий. -
2:17 - 2:19Появява се от време на време
в реалния свят, -
2:19 - 2:22понякога във важен контекст.
-
2:22 - 2:24Едно проучване във Великобритания показало
-
2:24 - 2:28по-висок шанс за оцеляване при пушачите,
отколкото при непушачите -
2:28 - 2:30за период от 20 години.
-
2:30 - 2:33Разделянето на участниците
във възрастови групи -
2:33 - 2:38показало, че непушачите били
значително по-възрастни -
2:38 - 2:41и, следователно, с по-голяма вероятност
да починат по време на експеримента, -
2:41 - 2:44именно защото живели по-дълго по принцип.
-
2:44 - 2:47Тук възрастовите групи са
подвеждащата променлива -
2:47 - 2:50и са ключови за правилното интерпретиране
на данните. -
2:50 - 2:52В друг пример,
-
2:52 - 2:54анализ на случаите на
смъртна присъда във Флорида -
2:54 - 2:58показал липса на расово пристрастие
при осъждането -
2:58 - 3:02между цветнокожи и бели обвиняеми,
осъдени за убийство. -
3:02 - 3:06Но разделянето на случая по раса
на жертвата променило цялата история. -
3:06 - 3:08И в двете ситуации,
-
3:08 - 3:11имало тенденция цветнокожите обвиняеми
да бъдат осъдени на смърт. -
3:11 - 3:15Малко по-високият процент на осъждане
на бели обвиняеми -
3:15 - 3:19се дължал на факта, че
при случаите с бели жертви -
3:19 - 3:21било по-вероятно да се издаде
смъртна присъда, -
3:21 - 3:24отколкото в случаите, където
жертвата била цветнокожа -
3:24 - 3:28и повечето убийства се случвали
между хора с еднаква раса. -
3:28 - 3:31Тогава как да избегнем
попадането в този парадокс? -
3:31 - 3:35За съжаление, няма универсален отговор.
-
3:35 - 3:39Информацията може да бъде групирана
поделена по многобройни начини -
3:39 - 3:42и обобщените показатели понякога
предлагат по-точна картина, -
3:42 - 3:47отколкото поделените в подвеждащи
или случайни категории. -
3:47 - 3:52Само можем внимателно да проучим реалните
ситуации, които статистиките описват -
3:52 - 3:56и да преценим дали съществуват
подвеждащи променливи. -
3:56 - 3:59В противния случай оставяме на тези,
които използват информацията -
3:59 - 4:03да манипулират останалите
в полза на собствените си виждания.
- Title:
- Как статистиката може да бъде подвеждаща - Марк Лидел
- Speaker:
- Mark Liddell
- Description:
-
Виж целия урок: http://ed.ted.com/lessons/how-statistics-can-be-misleading-mark-liddell
Статистиката е убедителна. Дотолкова, че хора, организации и дори цели държави основават някои от най-важните си решения на преработена информация. Но всяка статистика може да съдържа нещо подвеждащо в себе си, което да преобърне резултатите с главата надолу. Марк Лидел разследва парадокса на Симпсън.
Урок: Марк Лидел, анимация: Tinmouse Animation Studio.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TED-Ed
- Duration:
- 04:19
Anton Hikov approved Bulgarian subtitles for How statistics can be misleading | ||
Anton Hikov edited Bulgarian subtitles for How statistics can be misleading | ||
Anton Hikov accepted Bulgarian subtitles for How statistics can be misleading | ||
Anton Hikov edited Bulgarian subtitles for How statistics can be misleading | ||
Borislava Goneva edited Bulgarian subtitles for How statistics can be misleading |