Como as estatísticas podem ser enganosas - Mark Liddell
-
0:06 - 0:09As estatísticas são convincentes,
-
0:09 - 0:13a ponto de pessoas, organizações
e países inteiros -
0:13 - 0:17basearem algumas de suas decisões
mais importantes em dados organizados. -
0:17 - 0:19Mas há um problema aí.
-
0:19 - 0:23Qualquer grupo de dados estatísticos
pode estar escondendo algo -
0:23 - 0:27que pode acabar virando os resultados
de cabeça para baixo. -
0:27 - 0:31Por exemplo, imagine que você precise
escolher entre dois hospitais -
0:31 - 0:34para a cirurgia de uma parente idosa.
-
0:34 - 0:36Tomando os últimos mil pacientes
de cada hospital, -
0:36 - 0:40no Hospital A, 900 sobreviveram,
-
0:40 - 0:43enquanto, no Hospital B,
apenas 800 sobreviveram. -
0:43 - 0:46Portanto, aparentemente,
o Hospital A é a melhor escolha. -
0:46 - 0:48No entanto, antes de tomar a decisão,
-
0:48 - 0:51lembre-se de que nem todos os pacientes
chegam a um hospital -
0:51 - 0:54nas mesmas condições de saúde.
-
0:54 - 0:57Se dividirmos os mil pacientes
mais recentes de cada hospital -
0:57 - 1:01entre os que chegaram com boa saúde
e os que chegaram com a saúde precária, -
1:01 - 1:04um cenário bem diferente
começa a se descortinar. -
1:04 - 1:08No Hospital A, apenas 100 pacientes
chegaram com a saúde debilitada. -
1:08 - 1:10Destes, 30 sobreviveram.
-
1:10 - 1:15Mas, no Hospital B, havia 400,
e eles foram capazes de salvar 210. -
1:15 - 1:17Assim, o Hospital B é a melhor escolha
-
1:17 - 1:21para pacientes que chegam
com a saúde precária, -
1:21 - 1:25com uma taxa de sobrevivência de 52,5%.
-
1:25 - 1:28Mas e se sua parente estiver com boa saúde
ao dar entrada no hospital? -
1:28 - 1:32Curiosamente, o Hospital B
ainda é a melhor escolha, -
1:32 - 1:36com uma taxa de sobrevivência
de cerca de 98%. -
1:36 - 1:39Como é possível o Hospital A ter
uma taxa de sobrevivência maior -
1:39 - 1:45se a taxa de sobrevivência do Hospital B é
maior para pacientes de ambos os grupos? -
1:45 - 1:49Esbarramos aqui num caso
do paradoxo de Simpson, -
1:49 - 1:52em que o mesmo conjunto de dados
parece mostrar tendências opostas, -
1:52 - 1:55dependendo de como agrupamos os dados.
-
1:55 - 1:59Isso sempre ocorre quando dados agregados
escondem variáveis condicionais, -
1:59 - 2:01também chamadas de variáveis escondidas,
-
2:01 - 2:06um fator adicional oculto que influencia
significativamente os resultados. -
2:06 - 2:10Neste caso, o fator oculto
é a proporção relativa de pacientes -
2:10 - 2:13que chegam com saúde boa ou ruim.
-
2:13 - 2:17O paradoxo de Simpson não é
apenas um cenário hipotético. -
2:17 - 2:19Ele surge de tempos
em tempos na vida real, -
2:19 - 2:22algumas vezes em contextos importantes.
-
2:22 - 2:24Um estudo inglês pareceu mostrar,
-
2:24 - 2:28num período de 20 anos, que os fumantes
tinham uma taxa de sobrevivência -
2:28 - 2:30maior do que os não fumantes.
-
2:30 - 2:33Isto é, até a divisão dos participantes
por grupos etários -
2:33 - 2:38mostrar que os não fumantes eram,
na média, significativamente mais velhos -
2:38 - 2:41e, assim, com maior chance de morrer
durante o período do teste, -
2:41 - 2:44justamente porque, em geral,
eles eram mais longevos. -
2:44 - 2:47Aqui, os grupos etários
são as variáveis ocultas, -
2:47 - 2:50e foram vitais para a interpretação
correta dos dados. -
2:50 - 2:52Em outro exemplo,
-
2:52 - 2:54uma análise das mortes
por pena de morte na Flórida -
2:54 - 2:58parecia revelar não haver
disparidade racial nas sentenças -
2:58 - 3:02de réus negros e brancos
condenados por assassinato. -
3:02 - 3:06Mas, ao se dividir os casos pela raça
da vítima, revelou-se uma outra história. -
3:06 - 3:08Em ambas as situações,
-
3:08 - 3:11havia maior probabilidade de réus
negros serem condenados à morte. -
3:11 - 3:15A condenação um pouco maior,
no geral, de réus brancos -
3:15 - 3:19deveu-se ao fato de que os casos
com vítimas brancas -
3:19 - 3:21tinham mais chance de receber
uma sentença de morte -
3:21 - 3:24do que os casos em que a vítima era negra,
-
3:24 - 3:28e a maioria dos assassinatos ocorreram
entre pessoas da mesma raça. -
3:28 - 3:31Assim, como evitar cair no paradoxo?
-
3:31 - 3:35Infelizmente, não há uma resposta
que resolva todos os casos. -
3:35 - 3:39Os dados podem ser agrupados
e divididos de inúmeras formas, -
3:39 - 3:42e os números totais às vezes podem
fornecer um quadro mais preciso -
3:42 - 3:47do que dados divididos em categorias
enganosas ou arbitrárias. -
3:47 - 3:52O ideal é estudar com cuidado
a situação real descrita pela estatística -
3:52 - 3:56e checar se as variáveis
enganosas estão presentes. -
3:56 - 3:59Do contrário, estaremos vulneráveis
aos que possam usar os dados -
3:59 - 4:03para manipular as pessoas
e promover as suas próprias agendas.
- Title:
- Como as estatísticas podem ser enganosas - Mark Liddell
- Speaker:
- Mark Liddell
- Description:
-
Veja a lição completa: http://ed.ted.com/lessons/how-statistics-can-be-misleading-mark-liddell
As estatísticas são convincentes. A ponto de pessoas, organizações e países inteiros basearem suas decisões mais importantes nesses dados organizados. Mas qualquer conjunto de dados estatísticos tende a esconder algo que pode acabar virando os resultados de cabeça para baixo. Mark Liddell investiga o paradoxo de Simpson.
Lição de Mark Liddell; animação de Tinmouse Animation Studio.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TED-Ed
- Duration:
- 04:19
Leonardo Silva approved Portuguese, Brazilian subtitles for How statistics can be misleading | ||
Leonardo Silva accepted Portuguese, Brazilian subtitles for How statistics can be misleading | ||
Leonardo Silva edited Portuguese, Brazilian subtitles for How statistics can be misleading | ||
Leonardo Silva edited Portuguese, Brazilian subtitles for How statistics can be misleading | ||
Leonardo Silva edited Portuguese, Brazilian subtitles for How statistics can be misleading | ||
Raissa Mendes edited Portuguese, Brazilian subtitles for How statistics can be misleading | ||
Raissa Mendes edited Portuguese, Brazilian subtitles for How statistics can be misleading | ||
Raissa Mendes edited Portuguese, Brazilian subtitles for How statistics can be misleading |