How statistics can be misleading - Mark Liddell

Traducător: Mirel-Gabriel Alexa Corector: Bianca-Ioanidia Mirea

Statistics are persuasive.

Statisticile sunt convingătoare.

So much so that people, organizations, and whole countries

Atât de mult încât oamenii, organizațiile și multe țări

base some of their most important decisions on organized data.

își bazează cele mai importante decizii pe acestea.

But there's a problem with that.

Dar e o problemă.

Any set of statistics might have something lurking inside it,

Orice statistică poate avea ceva înșelător în ea,

something that can turn the results completely upside down.

ceea ce poate întoarce rezultatele complet pe dos.

For example, imagine you need to choose between two hospitals

De exemplu, imaginează-ți că trebuie să alegi între două spitale

for an elderly relative's surgery.

pentru operația unei rude mai în vârstă.

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

Din ultimii 1000 de pacienți din fiecare spital,

900 survived at Hospital A,

900 au supraviețuit în Spitalul A,

while only 800 survived at Hospital B.

pe când doar 800 au supraviețuit în Spitalul B.

So it looks like Hospital A is the better choice.

Pare deci că Spitalul A e alegerea mai bună.

But before you make your decision,

Dar înainte să te hotărăști,

remember that not all patients arrive at the hospital

amintește-ți că nu toți pacienții ajung la spital

with the same level of health.

în aceeași stare de sănătate.

And if we divide each hospital's last 1000 patients

Și dacă împărțim ultimii 1000 de pacienți ai fiecărui spital

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

între cei care au ajuns într-o stare bună și cei care au ajuns într-o stare proastă,

the picture starts to look very different.

rezultatul începe să arate foarte diferit.

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

Spitalul A a avut doar 100 de pacienți ce au ajuns într-o stare proastă,

of which 30 survived.

dintre care 30 au supraviețuit.

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

Dar Spitalul B a avut 400, iar ei au reușit să salveze 210.

So Hospital B is the better choice

Deci, Spitalul B e o alegere mai bună

for patients who arrive at hospital in poor health,

pentru pacienții ce ajung într-o stare proastă,

with a survival rate of 52.5%.

cu o rată de supraviețuire de 52,5%.

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

Dar dacă starea de sănătate a rudei tale e bună când ajunge la spital?

Strangely enough, Hospital B is still the better choice,

Poate pare ciudat, dar tot Spitalul B e cea mai bună alegere,

with a survival rate of over 98%.

cu o rată de supraviețuire de peste 98%.

So how can Hospital A have a better overall survival rate

Deci, cum poate Spitalul A să aibă o rată totală de supraviețuire mai bună

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

dacă Spitalul B are rate de supraviețuire mai bune în ambele categorii de pacienți?

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

Acest fenomen se numește paradoxul lui Simpson,

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

în care aceleași date pot părea că au concluzii diferite

depending on how it's grouped.

în funcție de cum sunt grupate datele.

This often occurs when aggregated data hides a conditional variable,

Asta se întâmplă când datele agregate ascund o variabilă condiționată,

sometimes known as a lurking variable,

alteori cunoscută ca variabilă ascunsă,

which is a hidden additional factor that significantly influences results.

ce e un factor adițional ce influențează semnificativ rezultatele.

Here, the hidden factor is the relative proportion of patients

Aici factorul ascuns e proporția relativă de pacienți

who arrive in good or poor health.

ce ajung într-o stare bună sau proastă de sănătate.

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

Paradoxul lui Simpson nu e doar un scenariu ipotetic.

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

Apare din când în când și în lumea reală,

sometimes in important contexts.

uneori în contexte importante.

One study in the UK appeared to show

Un studiu din Regatul Unit părea că arată

that smokers had a higher survival rate than nonsmokers

că fumătorii au o rată de supraviețuire mai mare decât nefumătorii

over a twenty-year time period.

pe o perioadă de 20 de ani.

That is, until dividing the participants by age group

Asta până când au împărțit participanții pe grupuri de vârstă

showed that the nonsmokers were significantly older on average,

și au observat că nefumătorii erau mult mai în vârstă în medie,

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

și deci, mult mai susceptibili să moară în perioada studiului,

precisely because they were living longer in general.

fix din cauza faptului că erau mai longevivi în general.

Here, the age groups are the lurking variable,

Aici, grupele de vârstă sunt variabila ascunsă,

and are vital to correctly interpret the data.

și sunt importante pentru a interpreta corect datele.

In another example,

În alt exemplu,

an analysis of Florida's death penalty cases

o analiză a cazurilor de condamnare la moarte din Florida

seemed to reveal no racial disparity in sentencing

părea să arate nicio diferență rasială în cazul sentințelor

between black and white defendants convicted of murder.

între acuzații albi și negri condamnați pentru omor.

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

Dar împărțirea cazurilor pe baza rasei victimei spunea altceva.

In either situation,

În fiecare dintre cazuri,

black defendants were more likely to be sentenced to death.

acuzații de culoare erau mai susceptibili să fie condamnați la moarte.

The slightly higher overall sentencing rate for white defendants

Rata puțin mai mare a condamnărilor pentru acuzații albi

was due to the fact that cases with white victims

era cauzată de faptul că cazurile cu victime albe

were more likely to elicit a death sentence

aveau o probabilitate mai mare de a conduce la o condamnare la moarte

than cases where the victim was black,

decât cazurile în care victima era de culoare,

and most murders occurred between people of the same race.

iar cele mai multe crime au avut loc între oameni de aceeași rasă.

So how do we avoid falling for the paradox?

Deci, cum putem evita acest paradox?

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

Din păcate nu există o soluție universală.

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

Datele pot fi grupate și divizate în multe moduri,

and overall numbers may sometimes give a more accurate picture

iar numerele totale pot uneori oferi o concluzie mult mai precisă

than data divided into misleading or arbitrary categories.

decât datele divizate în categorii înșelătoare sau arbitrare.

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

Tot ce putem face e să studiem cu atenție situația exactă pe care studiul o descrie

and consider whether lurking variables may be present.

și să ne gândim dacă ar putea exista variabile ascunse.

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

Altfel, vom fi vulnerabili la cei care folosesc datele

to manipulate others and promote their own agendas.

pentru a-i manipula pe ceilalți pentru a-și promova propria agendă.