สถิติอาจทำให้เราสับสนได้อย่างไร - มาร์ค ลิดเดล (Mark Liddell)
-
0:07 - 0:09สถิติสามารถโน้มน้าวคนได้
-
0:09 - 0:13มากพอที่ทำให้คน องค์กร
และประเทศทั้งหลาย -
0:13 - 0:18ตัดสินใจในสิ่งสำคัญ ๆ บนพื้นฐาน
ของข้อมูลที่ถูกจัดเป็นระบบแล้ว -
0:18 - 0:19แต่ตรงนั้นแหละที่เป็นปัญหา
-
0:19 - 0:23สถิติชุดใด ๆ อาจมีสิ่งที่ซุ่มซ่อนอยู่ในนั้น
-
0:23 - 0:27บางอย่างทีอาจทำให้ผลลัพธ์
กลับหัวกลับหางไปอย่างสิ้นเชิง -
0:27 - 0:31ยกตัวอย่างเช่น ลองนึกภาพว่า
คุณต้องเลือกระหว่าง 2 โรงพยาบาล -
0:31 - 0:34ให้กับญาติสูงอายุของคุณ
เข้ารับการผ่าตัด -
0:34 - 0:36จากคนไข้ 1,000 คนล่าสุด
ของแต่ละโรงพยาบาล -
0:36 - 0:40900 คน รอดชีวิตจากโรงพยาบาล A
-
0:40 - 0:43ในขณะที่มีเพียง 800 คน
ที่รอดชีวิตจากโรงพยาบาล B -
0:43 - 0:46ดังนั้น มันอาจดูเหมือนว่าโรงพยาบาล A
น่าจะเป็นทางเลือกที่ดีกว่า -
0:46 - 0:48แต่ก่อนที่คุณจะตัดสินใจ
-
0:48 - 0:51พึงจำไว้ว่า คนไข้ทั้งหมด
ที่เข้ามาที่โรงพยาบาล -
0:51 - 0:54ไม่ได้เข้ามา
ด้วยสภาวะสุขภาพแบบเดียวกัน -
0:54 - 0:57และถ้าหากเราแบ่งคนไข้ 1,000 คนสุดท้าย
ของแต่ละโรงพยาบาลออกเป็น -
0:57 - 1:01ผู้ที่เข้ามายังโรงพยาบาลด้วยสภาพร่างกาย
ที่แข็งแรงและไม่แข็งแรง -
1:01 - 1:04ภาพรวมก็เริ่มที่จะดูต่างออกไป
-
1:04 - 1:08โรงพยาบาล A มีคนไข้เพียง 100 คน
ที่เข้ามาด้วยสภาพร่างกายที่ไม่แข็งแรง -
1:08 - 1:10ซึ่งมีผู้รอดชีวิต 30 คน
-
1:10 - 1:15แต่โรงพยาบาล B มี 400 คน
และพวกเขาช่วยชีวิตไว้ได้ 210 คน -
1:15 - 1:17ฉะนั้น โรงพยาบาล B เป็นตัวเลือกที่ดีกว่า
-
1:17 - 1:21สำหรับผู้ป่วยที่เข้ามายังโรงพยบาล
ด้วยสภาพร่างกายที่ไม่แข็งแรง -
1:21 - 1:25ซึ่งอัตราการรอดชีวิตคือ 52.5%
-
1:25 - 1:28แล้วญาติของคุณมีสภาพร่างกายที่ดี
ตอนเข้ามาที่โรงพยาบาลหรือเปล่า -
1:28 - 1:32น่าแปลกที่โรงพยาบาล B
ยังเป็นตัวเลือกที่ดีกว่า -
1:32 - 1:36ด้วยอัตราการรอดชีวิต 98%
-
1:36 - 1:39แล้วโรงพยาบาล A
มีอัตราการรอดชีวิตทั้งหมดดีกว่าได้อย่างไร -
1:39 - 1:45ถ้าโรงพยาบาล B มีอัตราการอดชีวิต
สำหรับผู้ป่วยในแต่ละกลุ่มสูงกว่า -
1:45 - 1:49สิ่งที่เราเจออยู่นี้ คือ ซิมสันพาราด๊อก
(Simpson's paradox) -
1:49 - 1:52ซึ่งข้อมูลกลุ่มเดียวกัน
สามารถที่จะแสดงแนวโน้มที่ตรงข้ามกันได้ -
1:52 - 1:55ขึ้นอยู่กับว่าเราจะจัดกลุ่มมันอย่างไร
-
1:55 - 1:59มันเกิดขึ้นเป็นประจำเมื่อข้อมูลที่ถูกนำมารวมกัน
ซ่อนตัวแปรที่มีเงื่อนไขเอาไว้ -
1:59 - 2:01บางครั้งมันถูกเรียกว่า ตัวแปรซุกซ่อน
-
2:01 - 2:07ซึ่งซ่อนปัจจัยอื่น ๆ
ที่มีผลต่อผลลัพท์อย่างมีนัยสำคัญ -
2:07 - 2:10ในที่นี้ ปัจจัยที่ถูกซ่อนอยู่
คืออัตราส่วนสัมพัทธ์ของคนไข้ -
2:10 - 2:13ผู้ซึ่งมาที่โรงพยาบาลด้วยสภาพร่างกาย
ที่แข็งแรงหรือไม่แข็งแรง -
2:13 - 2:17ซิมสันพาราด๊อกไม่ได้เป็นเพียง
เหตุการณ์ในทางทฤษฎี -
2:17 - 2:19มันเกิดขึ้นจริง ๆ เป็นครั้งคราว
-
2:19 - 2:22บางครั้งในบริบทที่สำคัญ
-
2:22 - 2:24การศึกษาหนึ่งในสหราชอาณาจักร
แสดงว่า -
2:24 - 2:28ผู้ที่สูบบุหรี่มีอัตราการรอดชีวิต
สูงกว่าผู้ที่ไม่สูบบุหรี่ -
2:28 - 2:30ตลอดระยะเวลายี่สิบปี
-
2:30 - 2:33จนกระทั่งเราแบ่งกลุ่มคนไข้ตามกลุ่มอายุ
-
2:33 - 2:38ซึ่งจะแสดงให้เห็นว่าผู้ที่ไม่สูบบุหรี่
มีอายุเฉลี่ยมากกว่าอย่างมีนัยสำคัญ -
2:38 - 2:41และดังนั้น จึงเป็นไปได้มากกว่า
ที่พวกเขาจะเสียชีวิตในช่วงทดสอบ -
2:41 - 2:44เนื่องจากพวกเขาโดยส่วนมากมีอายุมากกว่า
-
2:44 - 2:47นี่คือกลุ่มอายุที่มีตัวแปรซุกซ่อน
-
2:47 - 2:50และมีความสำคัญต่อการตีความข้อมูล
อย่างถูกต้อง -
2:50 - 2:52ในอีกตัวอย่างหนึ่ง
-
2:52 - 2:54การวิเคราะห์คดีของรัฐฟลอริด้า
เกี่ยวกับการลงโทษประหารชีวิต -
2:54 - 2:58เหมือนว่าจะเปิดเผยว่า
ไม่มีความแตกต่างระหว่างเชื้อชาติ -
2:58 - 3:02ระหว่างผู้ต้องหาผิวดำและขาว
ที่โดนตั้งข้อหาฆาตกรรม -
3:02 - 3:06แต่การแบ่งคดีตามสีผิวของเหยื่อ
บอกเรื่องราวที่ต่างกันออกไป -
3:06 - 3:08ไม่ว่าในสถานการณ์ไหน
-
3:08 - 3:11ผู้ต้องหาผิวดำ
มักจะถูกตัดสินประหารชีวิตมากกว่า -
3:11 - 3:15อัตราการตัดสินที่สูงกว่าเล็กน้อย
สำหรับผู้ต้องหาผิวขาว -
3:15 - 3:19เป็นเพราะว่าคดีที่มีเหยื่อเป็นคนผิวขาว
-
3:19 - 3:21มักจะถูกตัดสินให้ได้รับโทษประหาร
-
3:21 - 3:24มากกว่ากรณีที่เหยื่อเป็นคนผิวดำ
-
3:24 - 3:28และฆาตกรรมส่วนใหญ่จะเกิดขึ้น
ในกลุ่มผู้มีสีผิวเดียวกัน -
3:28 - 3:31ฉะนั้น เราจะหลีกเลี่ยง
การตกหลุมพาราด๊อกได้อย่างไร -
3:31 - 3:35น่าเสียดายที่มันไม่มีคำตอบตายตัว
-
3:35 - 3:39ข้อมูลสามารถถูกจัดกลุ่ม
และถูกแบ่งได้หลายรูปแบบ -
3:39 - 3:42และจำนวนทั้งหมด
บางครั้งให้ภาพที่แม่นยำ -
3:42 - 3:47กว่าข้อมูลที่ถูกแบ่งเป็นหมวดหมู่
ที่ชวนสับสนและไร้กฎเกณฑ์ -
3:47 - 3:52ทั้งหมดที่เราทำได้คือศึกษาสถานการณ์
ที่สถิติอธิบายอย่างระมัดระวัง -
3:52 - 3:56และพิจารณาว่ามันมีตัวแปรซุกซ่อนอยู่หรือเปล่า
-
3:56 - 3:59มิฉะนั้นแล้ว เราทำให้ตัวเราเสี่ยง
กับผู้ที่อาจใช้ข้อมูล -
3:59 - 4:03ในการเหนี่ยวนำคนอื่น ๆ
และส่งเสริมแผนการของพวกเขาเอง
- Title:
- สถิติอาจทำให้เราสับสนได้อย่างไร - มาร์ค ลิดเดล (Mark Liddell)
- Speaker:
- Mark Liddell
- Description:
-
ชมบทเรียนทั้งหมดได้ที่: http://ed.ted.com/lessons/how-statistics-can-be-misleading-mark-liddell
สถิติสามารถโน้มน้าวคนได้ มากพอที่ทำให้คน องค์กร และประเทศทั้งหลาย ตัดสินใจในสิ่งสำคัญ ๆ บนพื้นฐานของข้อมูลที่ถูกจัดเป็นระบบแล้ว สถิติชุดใด ๆ อาจมีสิ่งที่ซุ่มซ่อนอยู่ในนั้นที่อาจทำให้ผลลัพธ์กลับหัวกลับหางไปอย่างสิ้นเชิง มาร์ค ลิดเดิล สอบสวนซิมสันพาราด๊อก
บทเรียนโดย Mark Liddell, แอนิเมชันโดย Tinmouse Animation Studio
- Video Language:
- English
- Team:
- closed TED
- Project:
- TED-Ed
- Duration:
- 04:19
Kelwalin Dhanasarnsombut approved Thai subtitles for How statistics can be misleading | ||
Rawee Ma edited Thai subtitles for How statistics can be misleading | ||
Rawee Ma accepted Thai subtitles for How statistics can be misleading | ||
Rawee Ma edited Thai subtitles for How statistics can be misleading | ||
Rawee Ma edited Thai subtitles for How statistics can be misleading | ||
Kelwalin Dhanasarnsombut edited Thai subtitles for How statistics can be misleading | ||
Kelwalin Dhanasarnsombut edited Thai subtitles for How statistics can be misleading | ||
Kelwalin Dhanasarnsombut edited Thai subtitles for How statistics can be misleading |