How statistics can be misleading - Mark Liddell

مارك ليديل - كيف للإحصائيات أن تكون مضللة؟

المترجم: Abeer Darweesh المدقّق: omar idmassaoud

Statistics are persuasive.

الإحصائيات مقنعة.

So much so that people, organizations, and whole countries

مقنعة جداً لدرجة أن معظم الناس، و المنظمات ودول بأكملها

base some of their most important decisions on organized data.

قد تبني معظم أهم قراراتها على البيانات المعطاة

But there's a problem with that.

ولكن هنالك مشكلة

Any set of statistics might have something lurking inside it,

أي مجموعة من الإحصاءات ربما تخبئ شيئاً بداخلها

something that can turn the results completely upside down.

شيئاً قد يقلب النتائج رأساً على عقب

For example, imagine you need to choose between two hospitals

على سبيل المثال: تخيل أن عليك الاختيار بين مستشفيين

for an elderly relative's surgery.

من أجل عملية لقريبتك الكبيرة في السن

Out of each hospital's last 1000 patient's,

من آخر 1000 مريض في كلا المستشفيين

900 survived at Hospital A,

900 منهم نجا في المشفى أ،

while only 800 survived at Hospital B.

بينما فقط 800 منهم نجا في المشفى ب

So it looks like Hospital A is the better choice.

إذاً يبدو لك أن المشفى أ هو الخيار الأفضل

But before you make your decision,

ولكن قبل أن تتخذ قرارك

remember that not all patients arrive at the hospital

تذكر أنه ليس كل المرضى وصلوا إلى المشفى

with the same level of health.

بنفس مستوى الصحة

And if we divide each hospital's last 1000 patients

وإذا قسمنا كل 1000 مريض

into those who arrived in good health and those who arrived in poor health,

إلى قسمين هؤلاء الذين وصلوا بصحة جيدة والذين وصلوا بصحة متدنية

the picture starts to look very different.

قد تختلف الصورة كثيراً

Hospital A had only 100 patients who arrived in poor health,

فقط 100 مريض وصلوا مستشفى أ في حال متدنية

of which 30 survived.

والذي عاش منهم 30

But Hospital B had 400, and they were able to save 210.

بينما 400 مريض وصلوا مشفى ب وقد تمكنوا من إنقاذ 210 منهم

So Hospital B is the better choice

إذاً مشفى ب هو الخيار الافضل

for patients who arrive at hospital in poor health,

للمرضى الذين يصلون للمشفى في حال متدنية

with a survival rate of 52.5%.

مع نسبة نجاة بنسبة 52.5%

And what if your relative's health is good when she arrives at the hospital?

وماذا إذا كانت صحة قريبتك جيدة عندما وصلت إلى المشفى

Strangely enough, Hospital B is still the better choice,

بشكل غريب ستجد أن مشفى ب لايزال الخيار الأفضل

with a survival rate of over 98%.

بنسبة نجاة تصل إلى 98%

So how can Hospital A have a better overall survival rate

إذاً كيف أظهرت الإحصائيات أن مشفى أ أفضل في نسبة النجاة الكلية

if Hospital B has better survival rates for patients in each of the two groups?

إذا كان مشفى ب قد حصل على نسبة نجاة أعلى في كل المجموعتين؟

What we've stumbled upon is a case of Simpson's paradox,

ذلك الذي استعرضناه من قبل هي حالة تسمى بمفارقة سيمبسون

where the same set of data can appear to show opposite trends

عندما يكون لدينا نفس مجموعة البيانات ولكن تظهر بنتيجتين متعاكستين

depending on how it's grouped.

اعتماداً على طريقة تقسيمها

This often occurs when aggregated data hides a conditional variable,

هذا يحدث غالباً إذا كانت البيانات المجموعة تخفي متغيرات شرطية

sometimes known as a lurking variable,

وأحياناً تعرف بالمتغيرات المندسَّة

which is a hidden additional factor that significantly influences results.

وهي عوامل إضافية مندسَّة قد تؤثر في النتيجة بشكل كامل

Here, the hidden factor is the relative proportion of patients

وهنا، العامل المندس هو العلاقة بين نسبة المرضى

who arrive in good or poor health.

الذين وصلوا بصحة جيدة أو بصحة متدنية

Simpson's paradox isn't just a hypothetical scenario.

مفارقة سيبمسون ليست مجرد سيناريو افتراضي

It pops up from time to time in the real world,

إنها تظهر لنا من وقت لآخر في العالم الواقعي

sometimes in important contexts.

وأحيانا في ظروف مهمة

One study in the UK appeared to show

دراسة في المملكة المتحدة أظهرت لنا

that smokers had a higher survival rate than nonsmokers

أن المدخنين لديهم معدلات عمر أطول من غير المدخنين

over a twenty-year time period.

خلال عشرين سنة

That is, until dividing the participants by age group

هذا ماكان إلى أن تم تقسيم المشاركين إلى مجموعات حسب العمر

showed that the nonsmokers were significantly older on average,

والتي أظهرت أن المشاركين غير المدخنين كان سنهم أكبر

and thus, more likely to die during the trial period,

ولذلك فاحتمالية موتهم خلال فترة الإحصائية أكبر

precisely because they were living longer in general.

على وجة التحديد لأنهم عاشوا أطول بشكل عام

Here, the age groups are the lurking variable,

وهنا عامل التقسيم حسب العمر هو العامل المندس

and are vital to correctly interpret the data.

ولذلك من المهم أن نفسر البيانات المعطاة جيدا

In another example,

وفي مثال آخر

an analysis of Florida's death penalty cases

في تحليل لأحكام الإعدام في بعض القضايا في فلوريدا

seemed to reveal no racial disparity in sentencing

بدا أنه يكشف أنه ليس هنالك أي تفاوت عرقي في الحكم

between black and white defendants convicted of murder.

بين المتهمين البيض والسود في قضايا القتل

But dividing the cases by the race of the victim told a different story.

ولكن إذا قسمنا القضية حسب عرق الضحايا تصبح لدينا قصة مختلفة

In either situation,

في كلا الوضعين

black defendants were more likely to be sentenced to death.

المتهمين السود غالباً ما يحكم عليهم بالإعدام

The slightly higher overall sentencing rate for white defendants

مع ارتفاع طفيف في أحكام الإعدام على المتهمين البيض

was due to the fact that cases with white victims

في القضايا التي تكون فيها قتل للبيض

were more likely to elicit a death sentence

غالباً مايُحكم فيها بالإعدام

than cases where the victim was black,

عن تلك القضايا التي يكون فيها الضحايا سود

and most murders occurred between people of the same race.

ومعظم قضايا القتل تحدث بين شخصين من نفس العرق

So how do we avoid falling for the paradox?

إذا ً كيف نتجنب الوقوع في المفارقة؟

Unfortunately, there's no one-size-fits-all answer.

لسوء الحظ ليس هنالك إجابة قد تناسب كل الحالات

Data can be grouped and divided in any number of ways,

بإمكاننا تجميع البيانات وفرزها بطرق لا حصر لها

and overall numbers may sometimes give a more accurate picture

وبشكل عام الأرقام أحياناً بإمكانها إعطائنا صورة أصح

than data divided into misleading or arbitrary categories.

من البيانات المقسمة إلى مجموعات مضللة أو اعتباطية

All we can do is carefully study the actual situations the statistics describe

كل ما بإمكاننا فعله هو دراسة الأوضاع الفعلية الموصوفة علميا

and consider whether lurking variables may be present.

وملاحظة ما إذا كان هنالك عوامل مندسة

Otherwise, we leave ourselves vulnerable to those who would use data

وإلا فنحن نجعل من أنفسنا ضحية سهلة لهؤلاء الذين قد يستخدمون البيانات

to manipulate others and promote their own agendas.

لخداع الآخرين وتمرير أفكارهم الخاصة