Wie Statistiken in die Irre führen können - Mark Liddell
-
0:07 - 0:09Statistiken überzeugen.
-
0:09 - 0:13So sehr, dass Menschen,
Organisationen und ganze Länder -
0:13 - 0:18ihre wichtigsten Entscheidungen
auf strukturierte Daten gründen. -
0:18 - 0:19Aber darin liegt das Problem.
-
0:19 - 0:23In allen statistischen Daten
hält sich vielleicht etwas versteckt, -
0:23 - 0:27dass die Befunde auf den Kopf stellt.
-
0:27 - 0:31Zum Beispiel: Angenommen, man muss
zwischen zwei Krankenhäusern wählen, -
0:31 - 0:34weil ein älterer Angehöriger
operiert werden muss. -
0:34 - 0:36Von den letzten 1000 Patienten
der beiden Krankenhäuser -
0:36 - 0:40überlebten 900 in Klinik A,
-
0:40 - 0:43wohingegen nur 800 in Klinik B überlebten.
-
0:43 - 0:46Also scheint Klinik A
die bessere Wahl zu sein. -
0:46 - 0:49Aber bevor man sich entscheidet,
sollte man bedenken, -
0:49 - 0:51dass Patienten nicht mit dem
gleichen Gesundheitszustand -
0:51 - 0:54ins Krankenhaus aufgenommen werden.
-
0:54 - 0:57Wenn man die letzten 1000 Patienten
von beiden Krankenhäusern -
0:57 - 1:01in jene bei guter Gesundheit und solche
bei schlechter Gesundheit einteilt, -
1:01 - 1:04sieht die Sache ganz anders aus.
-
1:04 - 1:08Klinik A hatte nur 100 Patienten
bei schlechter Gesundheit aufgenommen, -
1:08 - 1:10von denen 30 überlebten.
-
1:10 - 1:15Aber Klinik B hatte 400
und sie konnten 210 retten. -
1:15 - 1:19Also ist Klinik B für Patienten
bei schlechter Gesundheit -
1:19 - 1:24mit einer Überlebensrate
von 52,5 % die bessere Wahl. -
1:24 - 1:27Was, wenn man den Angehörigen
bei guter Gesundheit -
1:27 - 1:29ins Krankenhaus aufnimmt?
-
1:29 - 1:32Merkwürdigerweise ist Klinik B
mit einer Überlebensrate von über 98 % -
1:32 - 1:36immer noch die bessere Wahl.
-
1:36 - 1:39Wie kann Klinik A eine bessere
Gesamtüberlebensrate haben, -
1:39 - 1:41wenn Klinik B
-
1:41 - 1:45die besseren Überlebensraten
bei beiden Patientengruppen hat? -
1:45 - 1:49Worauf wir zufällig stießen,
ist ein Fall des Simpson-Paradoxon, -
1:49 - 1:52bei dem dieselbe Reihe von Daten,
je nachdem wie sie gruppiert sind, -
1:52 - 1:55gegenläufige Tendenzen zu zeigen scheinen.
-
1:55 - 1:58Das geschieht häufig,
wenn aggregierte Daten -
1:58 - 2:01eine Bedingungsvariable verbergen,
auch als Störvariable bekannt, -
2:01 - 2:04die ein verborgener,
zusätzlicher Faktor ist, -
2:04 - 2:07der Ergebnisse signifikant beeinflusst.
-
2:07 - 2:10Hier ist der versteckte Faktor
der relative Anteil von Patienten -
2:10 - 2:13bei guter oder schlechter Gesundheit.
-
2:13 - 2:17Das Simpson-Paradoxon ist nicht nur
ein hypothetisches Szenario. -
2:17 - 2:19Es tritt von Zeit zu Zeit
in der wirklichen Welt auf, -
2:19 - 2:22manchmal in wichtigen Zusammenhängen.
-
2:22 - 2:25Einer Studie im Vereinigten
Königreich zufolge, -
2:25 - 2:29schien die Überlebensrate von Rauchern
über einen Zeitraum von zwanzig Jahren -
2:29 - 2:31höher wäre als die von Nichtrauchern.
-
2:31 - 2:35Zumindest bis die Unterteilung
der Teilnehmer in Altersgruppen zeigte, -
2:35 - 2:38dass die Nichtraucher im Durchschnitt
signifikant älter waren -
2:38 - 2:41und daher mit höherer Wahscheinlichkeit
während des Versuchszeitraums starben, -
2:41 - 2:44die Raucher im Allgemeinen länger lebten.
-
2:44 - 2:47Hier sind die Altersgruppen
die Störvariablen -
2:47 - 2:50und äußerst wichtig,
um die Daten korrekt zu deuten. -
2:50 - 2:52In einem weiteren Beispiel
-
2:52 - 2:54schien die Analyse der Fälle
mit Todesstrafen aus Florida -
2:54 - 2:56keine ethnische Ungleichverteilung
-
2:56 - 2:59zwischen schwarzen
und weißen Mordangeklagten -
2:59 - 3:02bei der Verurteilung aufzudecken.
-
3:02 - 3:05Die anhand der "Rasse"
der Opfer eingeteilten Fälle -
3:05 - 3:06sagten aber etwas anderes.
-
3:06 - 3:09Bei beiden Sachlagen
wurden schwarze Angeklagte -
3:09 - 3:11mit höherer Wahrscheinlichkeit
zum Tode verurteilt. -
3:11 - 3:15Die etwas höhere Verurteilungsrate
für weiße Angeklagte insgesamt -
3:15 - 3:19ergab sich infolge der Tatsache,
dass Fälle mit weißen Opfern -
3:19 - 3:22mit höherer Wahrscheinlichkeit
ein Todesurteil hervorriefen -
3:22 - 3:24als Fälle mit schwarzen Opfern;
-
3:24 - 3:28und die meisten Morde geschahen
zwischen Menschen derselben "Rasse". -
3:28 - 3:31Wie vermeiden wir also
auf das Paradoxon hereinzufallen? -
3:31 - 3:35Leider gibt es keine
allgemeingültige Antwort. -
3:35 - 3:39Daten können auf unzählige Arten
gruppiert und unterteilt werden -
3:39 - 3:42und Gesamtzahlen können manchmal
ein genaueres Bild zeichnen -
3:42 - 3:47als Daten, die man in irreführende
oder willkürliche Kategorien einteilt. -
3:47 - 3:51Alles was wir tun können, ist,
die tatsächlichen Sachverhalte, -
3:51 - 3:53die Statistiken beschreiben,
zu untersuchen -
3:53 - 3:56und zu überlegen, ob Störvariablen
vorhanden sein könnten. -
3:56 - 3:59Andernfalls machen wir uns anfällig
gegenüber denen, die Daten benutzen, -
3:59 - 4:03um uns zu manipulieren
und ihre eigenen Interessen zu befördern.
- Title:
- Wie Statistiken in die Irre führen können - Mark Liddell
- Speaker:
- Mark Liddell
- Description:
-
Die ganze Lektion unter: http://ed.ted.com/lessons/how-statistics-can-be-misleading-mark-liddell
Statistiken überzeugen. So sehr, dass Menschen, Organisationen und ganze Länder ihre wichtigsten Entscheidungen auf strukturierte Daten gründen. Aber in jedem Datensatz hält sich vielleicht etwas versteckt, das die Ergebnisse vollständig auf den Kopf stellen kann. Mark Liddell untersucht das Simpson-Paradox.
Lektion von Mark Liddell. Animation von Tinmouse Animation Studio.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TED-Ed
- Duration:
- 04:19
Angelika Lueckert Leon approved German subtitles for How statistics can be misleading | ||
Angelika Lueckert Leon accepted German subtitles for How statistics can be misleading | ||
Angelika Lueckert Leon edited German subtitles for How statistics can be misleading | ||
Johannes Duschner edited German subtitles for How statistics can be misleading | ||
Johannes Duschner edited German subtitles for How statistics can be misleading | ||
Johannes Duschner edited German subtitles for How statistics can be misleading |