How statistics can be misleading - Mark Liddell

A statisztika félrevezető lehet - Mark Liddell

Fordító: Péter Pallós Lektor: Maria Ruzsane Cseresnyes

Statistics are persuasive.

A statisztika meggyőző.

So much so that people, organizations, and whole countries

Olyannyira, hogy magánszemélyek, szervezetek, sőt egész országok

base some of their most important decisions on organized data.

legfontosabb döntéseik némelyikét meg- felelően kiválasztott adatokra alapozzák.

But there's a problem with that.

De van itt egy bökkenő.

Any set of statistics might have something lurking inside it,

A statisztikában megbújhat valami, ami teljesen

something that can turn the results completely upside down.

a feje tetejére állítja az eredményeket.

For example, imagine you need to choose between two hospitals

Képzeljük el pl., hogy választanunk kell két kórház között,

for an elderly relative's surgery.

hogy melyikben műtsék idős rokonunkat.

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

A legutolsó 1000 eset közül a túlélések száma

900 survived at Hospital A,

az A kórházban 900,

while only 800 survived at Hospital B.

míg a B kórházban 800 volt.

So it looks like Hospital A is the better choice.

Úgy látszik, hogy jobb az A kórházat választani.

But before you make your decision,

De mielőtt döntenénk, ne feledjük,

remember that not all patients arrive at the hospital

hogy nem minden fölvett beteg

with the same level of health.

egészségi állapota azonos.

And if we divide each hospital's last 1000 patients

Ha mindkét kórház utolsó 1000 betegét két csoportra osztjuk,

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

aszerint, hogy ki érkezett jó, és ki rossz állapotban,

the picture starts to look very different.

a kép teljesen megváltozik.

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

Az A kórház 100 rossz állapotú betegei közül

of which 30 survived.

30 túlélő volt,

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

míg a B kórházba bekerült 400 közül 210-et meg tudtak menteni.

So Hospital B is the better choice

Így hát a B kórház a jobb választás

for patients who arrive at hospital in poor health,

a rossz állapotban bekerülők számára,

with a survival rate of 52.5%.

52,5%-os túlélési aránnyal.

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

De mi a helyzet, ha a néni jó állapotban kerül kórházba?

Strangely enough, Hospital B is still the better choice,

Elég meglepő, hogy még mindig a B kórház a jobb megoldás,

with a survival rate of over 98%.

mert ott a túlélési arány 98%.

So how can Hospital A have a better overall survival rate

Hogyan lehet az általános túlélési arány jobb az A kórházban,

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

ha a B kórházban a túlélési arány mindkét csoport esetében jobb?

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

Belebotlottunk az ún. Simpson-paradoxonba,

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

ahol ugyanazokból az adatokból a csoportosításuktól függően

depending on how it's grouped.

ellentétes eredményre juthatunk.

This often occurs when aggregated data hides a conditional variable,

Ilyen gyakran előadódhat, ha az aggregált adatok feltételes változót rejtenek.

sometimes known as a lurking variable,

Ezt néha lappangó változónak nevezzük,

which is a hidden additional factor that significantly influences results.

ami az eredményt szignifikánsan befolyásoló rejtett kiegészítő tényező.

Here, the hidden factor is the relative proportion of patients

Itt a rejtett tényező a jó és a rossz állapotban érkező

who arrive in good or poor health.

betegek relatív aránya.

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

A Simpson-paradoxon nem mondvacsinált jelenség,

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

időről-időre előfordul a gyakorlatban,

sometimes in important contexts.

néha fontos összefüggésben.

One study in the UK appeared to show

Egy kutatás az Egyesült Királyságban

kimutatta, hogy egy 20 éves időszakban a dohányzók túlélési aránya nagyobb volt,

that smokers had a higher survival rate than nonsmokers

over a twenty-year time period.

mint a nemdohányzóké.

That is, until dividing the participants by age group

Ez a helyzet, amíg a vizsgáltak korcsoportokra bontása meg nem mutatta,

showed that the nonsmokers were significantly older on average,

hogy a nemdohányzók átlagos kora szignifikánsan magasabb volt,

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

és így valószínűbb, hogy a vizsgált időszakban meghalnak,

precisely because they were living longer in general.

pont azért, mert általában már idősebbek voltak.

Here, the age groups are the lurking variable,

Itt a korcsoport a lappangó változó.

and are vital to correctly interpret the data.

Rendkívül fontos, hogy helyesen értelmezzük az adatokat.

In another example,

Egy másik példában

an analysis of Florida's death penalty cases

a floridai halálbüntetéseket elemezve

seemed to reveal no racial disparity in sentencing

úgy látszott, hogy az ítéletekben nem mutatható ki rasszista megkülönböztetés

between black and white defendants convicted of murder.

a gyilkossággal vádolt feketék és fehérek között.

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

Ám az áldozatok bőrszíne szerint felosztva az ügyeket, egészen más kép tárul elénk.

In either situation,

Bármely esetben

black defendants were more likely to be sentenced to death.

a feketéket nagyobb valószínűséggel ítélték halálra.

The slightly higher overall sentencing rate for white defendants

A fehér vádlottak kissé nagyobb elítélési arányát az magyarázza,

was due to the fact that cases with white victims

hogy fehér áldozat esetén

were more likely to elicit a death sentence

esélyesebb volt a halálos ítélet,

than cases where the victim was black,

mint fekete áldozat esetében,

and most murders occurred between people of the same race.

és a legtöbb gyilkosság azonos bőrszínűek között történt.

So how do we avoid falling for the paradox?

Miként kerülhetjük el, hogy bedőljünk a paradoxonnak?

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

Sajnos, nincs általános recept.

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

Az adatokat sokféleképpen csoportosíthatjuk vagy oszthatjuk föl,

and overall numbers may sometimes give a more accurate picture

és néha, ha mindent számba veszünk. pontosabb képet kapunk,

than data divided into misleading or arbitrary categories.

mint a félrevezető vagy önkényes kategorizálás alapján.

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

Csak az segít, ha gondosan megvizsgáljuk a statisztika által leírt helyzetet,

and consider whether lurking variables may be present.

és figyelünk, hogy vannak-e lappangó változók.

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

Különben azok hálójába kerülünk,

to manipulate others and promote their own agendas.

akik másokat adatokkal manipulálnak önző céljaik érdekében.