İstatistikler Nasıl Yanıltıcı Olabilir? - Mark Liddell
-
0:07 - 0:09İstatistikler ikna edicidir.
-
0:09 - 0:13Öyle ikna edici ki, insanlar,
kurumlar ve bütün ülkeler -
0:13 - 0:18en önemli bazı kararlarını
düzenli bilgiye dayanarak alırlar. -
0:18 - 0:19Ancak burada bir sorun var.
-
0:19 - 0:23İstatistik verilerinde gizlenmiş,
sonuçları tamamen alt üst edebilecek -
0:23 - 0:27bir şeyler olabilir.
-
0:27 - 0:31Örneğin, yaşlı bir akrabanızın
ameliyatı için iki hastane arasında -
0:31 - 0:34seçim yapmak zorunda olduğunuzu düşünün.
-
0:34 - 0:36Her iki hastanenin de
son 1000 hastasından, -
0:36 - 0:40A hastanesinde 900'ü hayatta kalırken
-
0:40 - 0:43B hastanesinde sadece
800 kişi sağ kalmış. -
0:43 - 0:46O hâlde A hastanesi
daha iyi bir seçim gibi görünüyor. -
0:46 - 0:48Ancak karar vermeden önce
-
0:48 - 0:51tüm hastaların hastaneye
aynı sağlık durumunda -
0:51 - 0:54gelmediğini hatırlayın.
-
0:54 - 0:57İki hastanenin de son 1000 hastasını
-
0:57 - 1:01sağlıklı gelenler ve sağlıksız
gelenler olarak bölersek -
1:01 - 1:04resim çok daha farklı görünmeye başlar.
-
1:04 - 1:08A hastanesine sağlıksız durumda gelen
sadece 100 hasta varken -
1:08 - 1:1030'u kurtarılmıştır.
-
1:10 - 1:15Fakat B hastanesinde 400 hastadan
210'u kurtarılmıştır. -
1:15 - 1:17O zaman B hastanesi
-
1:17 - 1:21ağır durumda gelen hastalar için
%52,5 kurtulma oranıyla -
1:21 - 1:25daha iyi bir seçimdir.
-
1:25 - 1:28Peki ya hastanızın sağlığı hastaneye
vardığında iyiyse? -
1:28 - 1:32Garip gelebilir ama B hastanesi
%98 hayatta kalma oranıyla -
1:32 - 1:36yine daha iyi bir seçimdir.
-
1:36 - 1:39Her iki gruptan hastalar için B hastanesi
daha iyi kurtulma oranına sahipken -
1:39 - 1:45A hastanesi genelde nasıl daha iyi
bir kurtulma orana sahip olabilir? -
1:45 - 1:49Karşılaştığımız şey,
gruplandırma şekline bağlı olarak -
1:49 - 1:52aynı verilerin
zıt eğilimler gösterebildiği -
1:52 - 1:55Simpson paradoksudur.
-
1:55 - 1:59Bu durum genelde kümelenmiş bilgi
koşullu bir değişkeni örttüğünde oluşur, -
1:59 - 2:01karışıklığa neden olan değişken
olarak da bilinir, -
2:01 - 2:07bu ise sonuçları önemli ölçüde etkileyen
gizli bir ek faktördür. -
2:07 - 2:10Buradaki gizli faktör, sağlıklı ve
sağlıksız gelen hastaların -
2:10 - 2:13göreceli oranıdır.
-
2:13 - 2:17Simpson paradoksu basit bir
varsayımsal durum değildir. -
2:17 - 2:19Gerçek dünyada ara sıra,
-
2:19 - 2:22bazen önemli durumlarda ortaya çıkar.
-
2:22 - 2:24Birleşik Krallık'ta yapılan bir araştırma
-
2:24 - 2:28sigara içenlerin içmeyenlerden
-yirmi yıldan fazla bir sürede- -
2:28 - 2:30daha yüksek yaşama oranına
sahip olduğunu gösteriyordu. -
2:30 - 2:33Katılımcıların yaş gruplarına bölünmesi,
-
2:33 - 2:38sigara içmeyenlerin önemli oranda
ortalamadan yaşlı olduğunu -
2:38 - 2:41ve bu nedenle genel olarak
daha uzun yaşadıkları için -
2:41 - 2:44tam da deney sırasında ölmelerinin
muhtemel olduğunu gösteriyordu. -
2:44 - 2:47Burada karışıklığa yol açan
değişken yaş gruplarıdır ve -
2:47 - 2:50veriyi doğru yorumlamada
son derece önemlidir. -
2:50 - 2:52Diğer bir örnekte ise
-
2:52 - 2:54Florida'nın idam cezası
davalarının analizi, -
2:54 - 2:58cinayetten hükümlü
siyahi ve beyaz zanlılar arasında -
2:58 - 3:02ceza kararlarında ırksal eşitsizliğin
olmadığını ortaya çıkarır. -
3:02 - 3:06Fakat davaları mağdurun ırkına göre
ayırmak farklı bir tablo gösterir. -
3:06 - 3:08Her iki durumda da
-
3:08 - 3:11siyahi davalıların idam cezası alması
daha muhtemeldir. -
3:11 - 3:15Beyaz sanıkların genel ceza oranlarının
nispeten yüksek olması, -
3:15 - 3:19mağdurların beyaz olduğu davalarda
-
3:19 - 3:21idam cezasının çıkmasının,
-
3:21 - 3:24mağdurun siyahi olduğu davalardan
daha muhtemel olması -
3:24 - 3:28ve çoğu cinayetin aynı ırktan insanlar
arasında olmasından dolayıydı. -
3:28 - 3:31Peki çelişkiye düşmekten
nasıl kurtulabiliriz? -
3:31 - 3:35Ne yazık ki hepsine uyan bir cevap yok.
-
3:35 - 3:39Veriler birçok şekilde
gruplanıp kategoriye bölünebilir -
3:39 - 3:42ve genel rakamlar bazen
yanıltıcı ve rastlantısal kategorilere -
3:42 - 3:47bölünen verilerden
daha doğru bir tablo verir. -
3:47 - 3:52Tek yapabileceğimiz,
istatistiğin verdiği geçerli durumu -
3:52 - 3:56iyi inceleyip karışıklığa neden olan
değişkeni olup olmadığını düşünmektir. -
3:56 - 3:59Aksi takdirde kendimizi, verileri
başkalarını yönlendirmek ve -
3:59 - 4:03kendi çıkarlarını korumak için
kullananlara karşı savunmasız bırakırız.
- Title:
- İstatistikler Nasıl Yanıltıcı Olabilir? - Mark Liddell
- Speaker:
- Mark Liddell
- Description:
-
Dersin tamamı için: http://ed.ted.com/lessons/how-statistics-can-be-misleading-mark-liddell
İstatistikler ikna edicidir. Öyle ikna edicidir ki, kişiler, kurumlar ve tüm ülkeler önemli karalarından bazılarını düzenli veriden yola çıkarak alırlar. Fakat istatistik verilerinde sonuçları tamamen alt üst edebilecek gizli bir şeyler olabilir. Mark Liddell, Simpson paradoksunu inceliyor.
İçerik: Mark Liddell Animasyon: Tinmouse Animation Studio
- Video Language:
- English
- Team:
- closed TED
- Project:
- TED-Ed
- Duration:
- 04:19
Eren Gokce approved Turkish subtitles for How statistics can be misleading | ||
Eren Gokce edited Turkish subtitles for How statistics can be misleading | ||
Ahmet M. ATEŞ accepted Turkish subtitles for How statistics can be misleading | ||
Ahmet M. ATEŞ edited Turkish subtitles for How statistics can be misleading | ||
Selda Yener edited Turkish subtitles for How statistics can be misleading | ||
Selda Yener edited Turkish subtitles for How statistics can be misleading | ||
Selda Yener edited Turkish subtitles for How statistics can be misleading | ||
Selda Yener edited Turkish subtitles for How statistics can be misleading |