How statistics can be misleading - Mark Liddell

Tradutor: Raissa Mendes Revisor: Leonardo Silva

Statistics are persuasive.

As estatísticas são convincentes,

So much so that people, organizations, and whole countries

a ponto de pessoas, organizações e países inteiros

base some of their most important decisions on organized data.

basearem algumas de suas decisões mais importantes em dados organizados.

But there's a problem with that.

Mas há um problema aí.

Any set of statistics might have something lurking inside it,

Qualquer grupo de dados estatísticos pode estar escondendo algo

something that can turn the results completely upside down.

que pode acabar virando os resultados de cabeça para baixo.

For example, imagine you need to choose between two hospitals

Por exemplo, imagine que você precise escolher entre dois hospitais

for an elderly relative's surgery.

para a cirurgia de uma parente idosa.

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

Tomando os últimos mil pacientes de cada hospital,

900 survived at Hospital A,

no Hospital A, 900 sobreviveram,

while only 800 survived at Hospital B.

enquanto, no Hospital B, apenas 800 sobreviveram.

So it looks like Hospital A is the better choice.

Portanto, aparentemente, o Hospital A é a melhor escolha.

No entanto, antes de tomar a decisão,

But before you make your decision,

remember that not all patients arrive at the hospital

lembre-se de que nem todos os pacientes chegam a um hospital

with the same level of health.

nas mesmas condições de saúde.

And if we divide each hospital's last 1000 patients

Se dividirmos os mil pacientes mais recentes de cada hospital

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

entre os que chegaram com boa saúde e os que chegaram com a saúde precária,

the picture starts to look very different.

um cenário bem diferente começa a se descortinar.

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

No Hospital A, apenas 100 pacientes chegaram com a saúde debilitada.

of which 30 survived.

Destes, 30 sobreviveram.

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

Mas, no Hospital B, havia 400, e eles foram capazes de salvar 210.

So Hospital B is the better choice

Assim, o Hospital B é a melhor escolha

for patients who arrive at hospital in poor health,

para pacientes que chegam com a saúde precária,

with a survival rate of 52.5%.

com uma taxa de sobrevivência de 52,5%.

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

Mas e se sua parente estiver com boa saúde ao dar entrada no hospital?

Strangely enough, Hospital B is still the better choice,

Curiosamente, o Hospital B ainda é a melhor escolha,

with a survival rate of over 98%.

com uma taxa de sobrevivência de cerca de 98%.

So how can Hospital A have a better overall survival rate

Como é possível o Hospital A ter uma taxa de sobrevivência maior

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

se a taxa de sobrevivência do Hospital B é maior para pacientes de ambos os grupos?

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

Esbarramos aqui num caso do paradoxo de Simpson,

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

em que o mesmo conjunto de dados parece mostrar tendências opostas,

depending on how it's grouped.

dependendo de como agrupamos os dados.

This often occurs when aggregated data hides a conditional variable,

Isso sempre ocorre quando dados agregados escondem variáveis condicionais,

sometimes known as a lurking variable,

também chamadas de variáveis escondidas,

which is a hidden additional factor that significantly influences results.

um fator adicional oculto que influencia significativamente os resultados.

Here, the hidden factor is the relative proportion of patients

Neste caso, o fator oculto é a proporção relativa de pacientes

who arrive in good or poor health.

que chegam com saúde boa ou ruim.

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

O paradoxo de Simpson não é apenas um cenário hipotético.

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

Ele surge de tempos em tempos na vida real,

sometimes in important contexts.

algumas vezes em contextos importantes.

One study in the UK appeared to show

Um estudo inglês pareceu mostrar,

that smokers had a higher survival rate than nonsmokers

num período de 20 anos, que os fumantes tinham uma taxa de sobrevivência

over a twenty-year time period.

maior do que os não fumantes.

That is, until dividing the participants by age group

Isto é, até a divisão dos participantes por grupos etários

showed that the nonsmokers were significantly older on average,

mostrar que os não fumantes eram, na média, significativamente mais velhos

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

e, assim, com maior chance de morrer durante o período do teste,

precisely because they were living longer in general.

justamente porque, em geral, eles eram mais longevos.

Here, the age groups are the lurking variable,

Aqui, os grupos etários são as variáveis ocultas,

and are vital to correctly interpret the data.

e foram vitais para a interpretação correta dos dados.

In another example,

Em outro exemplo,

an analysis of Florida's death penalty cases

uma análise das mortes por pena de morte na Flórida

seemed to reveal no racial disparity in sentencing

parecia revelar não haver disparidade racial nas sentenças

between black and white defendants convicted of murder.

de réus negros e brancos condenados por assassinato.

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

Mas, ao se dividir os casos pela raça da vítima, revelou-se uma outra história.

In either situation,

Em ambas as situações,

black defendants were more likely to be sentenced to death.

havia maior probabilidade de réus negros serem condenados à morte.

The slightly higher overall sentencing rate for white defendants

A condenação um pouco maior, no geral, de réus brancos

was due to the fact that cases with white victims

deveu-se ao fato de que os casos com vítimas brancas

were more likely to elicit a death sentence

tinham mais chance de receber uma sentença de morte

than cases where the victim was black,

do que os casos em que a vítima era negra,

and most murders occurred between people of the same race.

e a maioria dos assassinatos ocorreram entre pessoas da mesma raça.

So how do we avoid falling for the paradox?

Assim, como evitar cair no paradoxo?

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

Infelizmente, não há uma resposta que resolva todos os casos.

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

Os dados podem ser agrupados e divididos de inúmeras formas,

and overall numbers may sometimes give a more accurate picture

e os números totais às vezes podem fornecer um quadro mais preciso

than data divided into misleading or arbitrary categories.

do que dados divididos em categorias enganosas ou arbitrárias.

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

O ideal é estudar com cuidado a situação real descrita pela estatística

and consider whether lurking variables may be present.

e checar se as variáveis enganosas estão presentes.

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

Do contrário, estaremos vulneráveis aos que possam usar os dados

to manipulate others and promote their own agendas.

para manipular as pessoas e promover as suas próprias agendas.