3 ways to spot a bad statistic | Mona Chalabi

מתרגם: Ido Dekkers מבקר: hila scherba

I'm going to be talking about statistics today.

אני עומדת לדבר על סטטיסטיקה היום.

If that makes you immediately feel a little bit wary, that's OK,

אם זה גורם לכם להרגיש מעט מודאגים מיידית, זה בסדר,

that doesn't make you some kind of crazy conspiracy theorist,

זה לא הופך אתכם למעין משוגעי תיאוריות קוספירציה,

it makes you skeptical.

זה עושה אתכם סקפטיים.

And when it comes to numbers, especially now, you should be skeptical.

וכשזה מגיע למספרים, בעיקר עכשיו, אתם צריכים להיות סקפטיים.

But you should also be able to tell which numbers are reliable

אבל אתם גם צריכים להיות מסוגלים לדעת איזה מספרים אמינים

and which ones aren't.

ואלו לא.

So today I want to try to give you some tools to be able to do that.

אז היום אני רוצה לנסות לתת לכם כמה כלים כדי שתהיו מסוגלים לעשות את זה.

But before I do,

אבל לפני שאעשה זאת,

I just want to clarify which numbers I'm talking about here.

אני רק רוצה להבהיר על איזה מספרים אני מדברת.

אני לא מדברת על טענות כמו,

I'm not talking about claims like,

"9 out of 10 women recommend this anti-aging cream."

"9 מתוך 10 נשים ממליצות על קרם נגד קמטים הזה."

I think a lot of us always roll our eyes at numbers like that.

אני חושבת שהרבה מאיתנו תמיד מגלגלים את עינינו על מספרים כאלה.

What's different now is people are questioning statistics like,

מה ששונה עכשיו זה שאנשים לא מאמינים לסטטיסטיקות כמו,

"רמת האבטלה בארצות הברית היא חמישה אחוזים."

"The US unemployment rate is five percent."

What makes this claim different is it doesn't come from a private company,

מה שעושה את הטענה הזו שונה זה שהיא לא מגיעה מחברה פרטית,

it comes from the government.

היא מגיעה מהממשלה.

בערך 4 מתוך 10 אמריקאים לא מאמינים למידע כלכלי

About 4 out of 10 Americans distrust the economic data

that gets reported by government.

שמדווח על ידי הממשל.

Among supporters of President Trump it's even higher;

אצל תומכים של הנשיא טראמפ זה אפילו גבוה יותר;

it's about 7 out of 10.

זה בערך 7 מתוך 10.

I don't need to tell anyone here

אני לא צריכה לספר לכם פה

that there are a lot of dividing lines in our society right now,

שיש הרבה יותר קווים מפרידים בחברה שלנו עכשיו,

and a lot of them start to make sense,

והרבה מהם מתחילים להיות הגיוניים,

ברגע שאתם מבינים את היחסים של האנשים עם מספרים ממשלתיים.

once you understand people's relationships with these government numbers.

On the one hand, there are those who say these statistics are crucial,

מצד אחד, יש את אלה שאומרים שסטטיסטיקות הן חיוניות,

that we need them to make sense of society as a whole

שאנחנו צריכים אותן כדי להבין את החברה שלנו ככלל

in order to move beyond emotional anecdotes

כדי לעבור מעבר לאנקדוטות רגשיות

and measure progress in an [objective] way.

ולמדוד התקדמות בדרך סובייקטיבית.

And then there are the others,

ואז יש את האחרים,

who say that these statistics are elitist,

שאומרים שהסטטיסטיקות הן אליטיסטיות,

maybe even rigged;

אולי אפילו מוטות;

they don't make sense and they don't really reflect

הן לא הגיוניות והן לא באמת משקפות מה שקורה בחיי היומיום של אנשים.

what's happening in people's everyday lives.

It kind of feels like that second group is winning the argument right now.

זה קצת מרגיש כאילו הקבוצה השניה זוכה בטיעונים עכשיו.

We're living in a world of alternative facts,

אנחנו חיים בעולם של עובדות אלטרנטיביות,

where people don't find statistics this kind of common ground,

שבו אנשים לא רואים בסטטיסטיקה כסוג של מכנה משותף,

this starting point for debate.

כנקודת ההתחלה הזו לויכוח.

This is a problem.

זו בעיה.

There are actually moves in the US right now

יש למעשה תנועות בארצות הברית עכשיו

to get rid of some government statistics altogether.

כדי להיפטר לגמרי מכמה סטטיסטיקות ממשלתיות.

Right now there's a bill in congress about measuring racial inequality.

ממש עכשיו יש הצעת חוק בקונגרס בנוגע למדידת חוסר שוויון גזעני.

The draft law says that government money should not be used

הצעת החוק אומרת שכסף ממשלתי לא צריך להיות בשימוש

to collect data on racial segregation.

בשביל לאסוף מידע על הפרדה גזעית.

This is a total disaster.

זה אסון מוחלט.

If we don't have this data,

אם אין לנו מידע,

how can we observe discrimination,

איך אנחנו יכולים לראות אפליה,

let alone fix it?

שלא לדבר על לתקן אותה?

In other words:

במילים אחרות:

How can a government create fair policies

איך ממשל יכול לייצר מדיניות הוגנת

if they can't measure current levels of unfairness?

אם הם לא יכולים למדוד רמות נוכחיות של חוסר הוגנות?

This isn't just about discrimination,

זה לא רק נוגע לאפליה,

it's everything -- think about it.

זה הכל -- חשבו על זה.

איך אנחנו יכולים לחוקק בנוגע לבריאות

How can we legislate on health care

אם אין לנו מידע טוב על בריאות ועוני?

if we don't have good data on health or poverty?

איך יכול להיות לנו דיון ציבורי על הגירה

How can we have public debate about immigration

אם אנחנו לא יכולים לפחות להסכים

if we can't at least agree

on how many people are entering and leaving the country?

על כמה אנשים נכנסים ויוצאים מהמדינה?

Statistics come from the state; that's where they got their name.

סטטיסטיקות מגיעות מהמדינה; משם הן קיבלו את שמן.

הנקודה היתה למדוד טוב יותר את האוכלוסיה

The point was to better measure the population

כדי לשרת אותה טוב יותר.

in order to better serve it.

אז אנחנו צריכים את המספרים הממשלתיים האלה,

So we need these government numbers,

but we also have to move beyond either blindly accepting

אבל אנחנו גם צריכים לנוע מעבר לקבלה עיוורת או דחייה עיוורת שלהם.

or blindly rejecting them.

We need to learn the skills to be able to spot bad statistics.

אנחנו צריכים ללמוד את הכישורים להיות מסוגלים לזהות סטטיסטיקות גרועות.

I started to learn some of these

התחלתי ללמוד כמה מאלה

when I was working in a statistical department

כשעבדתי במחלקת הסטטיסטיקה

שהיא חלק מהאומות המאוחדות.

that's part of the United Nations.

Our job was to find out how many Iraqis had been forced from their homes

העבודה שלנו היתה לגלות כמה עיראקים הוצאו בכוח מבתיהם

as a result of the war,

כתוצאה מהמלחמה,

and what they needed.

ומה הם צריכים.

זו היתה עבודה באמת חשובה, אבל היא גם היתה ממש קשה.

It was really important work, but it was also incredibly difficult.

Every single day, we were making decisions

כל יום, עשינו החלטות

that affected the accuracy of our numbers --

שהשפיעו על הדיוק של המספרים שלנו --

decisions like which parts of the country we should go to,

החלטות כמו לאיזה חלקים של המדינה אנחנו צריכים ללכת,

who we should speak to,

עם מי צריך לדבר,

which questions we should ask.

איזה שאלות אנחנו צריכים לשאול.

And I started to feel really disillusioned with our work,

והתחלתי להרגיש באמת באשליה מהעבודה שלנו,

because we thought we were doing a really good job,

בגלל שחשבנו שעשינו עבודה ממש טובה,

but the one group of people who could really tell us were the Iraqis,

אבל הקבוצה היחידה של האנשים שבאמת יכלה לספר לנו היתה העיראקים,

and they rarely got the chance to find our analysis, let alone question it.

ורק לעיתים רחוקות הם קיבלו את ההזדמנות לגלות את האנליזה שלנו, שלא לדבר על לפקפק.

So I started to feel really determined

אז התחלתי להרגיש ממש נחושה

that the one way to make numbers more accurate

שהדרך היחידה לעשות את המספרים יותר מדוייקים

is to have as many people as possible be able to question them.

היא שכמה שיותר אנשים יהיו מסוגלים לפקפק בהם.

So I became a data journalist.

אז הפכתי לעיתונאית מידע.

My job is finding these data sets and sharing them with the public.

העבודה שלי היא לגלות את מערכי המידע האלה ולחלוק אותם עם הציבור.

Anyone can do this, you don't have to be a geek or a nerd.

כולם יכולים לעשות את זה, אתם לא חייבים להיות גיקים או חנונים.

אתם יכולים להתעלם מהמילים האלו; הם בשימוש על ידי אנשים

You can ignore those words; they're used by people

trying to say they're smart while pretending they're humble.

שמנסים להגיד שהם חכמים בעודם מעמידים פנים שהם צנועים.

ממש כל אחד יכול לעשות את זה.

Absolutely anyone can do this.

I want to give you guys three questions

אני רוצה לשאול אתכם שלוש שאלות

that will help you be able to spot some bad statistics.

שיעזרו לכם להיות מסוגלים לזהות כמה סטטיסטיקות גרועות.

So, question number one is: Can you see uncertainty?

אז, שאלה מספר אחת היא האם אתם יכולים לראות חוסר וודאות?

One of things that's really changed people's relationship with numbers,

אחד הדברים שבאמת שינו את היחסים של אנשים עם מספרים,

and even their trust in the media,

ואפילו את האמון שלהם בתקשורת,

has been the use of political polls.

היו השימוש בסקרים פוליטיים.

I personally have a lot of issues with political polls

לי אישית יש הרבה בעיות עם סקרים פוליטיים

because I think the role of journalists is actually to report the facts

בגלל שאני חושבת שהתפקיד של עיתונאים הוא למעשה לדווח על העובדות

and not attempt to predict them,

ולא לנסות לחזות אותן,

especially when those predictions can actually damage democracy

בעיקר כשהתחזיות האלו יכולות למעשה לפגוע בדמוקרטיה על ידי סימון אנשים:

by signaling to people: don't bother to vote for that guy,

אל תטרחו להצביע לאיש הזה, אין לו סיכוי.

he doesn't have a chance.

הבה נניח את זה בצד בינתיים ונדבר על הדיוק של המאמץ הזה.

Let's set that aside for now and talk about the accuracy of this endeavor.

בהתבסס על בחירות ארציות באנגליה, איטליה, ישראל

Based on national elections in the UK, Italy, Israel

and of course, the most recent US presidential election,

וכמובן, הבחירות האחרונות בארצות הברית,

using polls to predict electoral outcomes

שימוש בסקרים כדי לחזות את תוצאות הבחירות

is about as accurate as using the moon to predict hospital admissions.

מדויק בערך כמו שימוש בירח כדי לחזות אשפוז בבתי חולים.

No, seriously, I used actual data from an academic study to draw this.

לא, באמת, השתמשתי במידע אמיתי ממחקר אקדמי כדי לצייר את זה.

There are a lot of reasons why polling has become so inaccurate.

יש הרבה סיבות למה סקרים הפכו ללא מדוייקים.

Our societies have become really diverse,

החברות שלנו הפכו לבאמת מגוונות,

which makes it difficult for pollsters to get a really nice representative sample

מה שגורם לקושי לסוקרים לקבל דוגמה באמת מייצגת

of the population for their polls.

של האוכלוסיה עבור הסקרים שלהם.

People are really reluctant to answer their phones to pollsters,

אנשים באמת נמנעים מלענות בטלפון לסוקרים,

and also, shockingly enough, people might lie.

וגם, למרבה ההפתעה, אנשים יכולים לשקר.

But you wouldn't necessarily know that to look at the media.

אבל לא בהכרח תדעו זאת אם תביטו בתקשורת.

For one thing, the probability of a Hillary Clinton win

ראשית, ההסתברות שהילרי קלינטון תנצח

was communicated with decimal places.

תוקשרה עם נקודות עשרוניות.

We don't use decimal places to describe the temperature.

אנחנו לא משתמשים בנקודות עשרוניות כדי לתאר את הטמפרטורה.

How on earth can predicting the behavior of 230 million voters in this country

איך לעזאזל תחזית ההתנהגות של 230 מליון בוחרים במדינה

be that precise?

יכולה להיות כל כך מדוייקת?

And then there were those sleek charts.

ואז יש את הגרפים היפים האלה.

See, a lot of data visualizations will overstate certainty, and it works --

הבינו, הרבה מצורות הצגת מידע מפריזות ב-וודאות, וזה עובד --

these charts can numb our brains to criticism.

הטבלאות האלו יכולות להקהות את המוחות שלנו לביקורת.

When you hear a statistic, you might feel skeptical.

כשאתם שומעים סטטיסטיקה, אתם אולי מרגישים סקפטיים.

As soon as it's buried in a chart,

ברגע שזה קבור בגרף,

זה מרגיש כמו סוג של מדע אובייקטיבי,

it feels like some kind of objective science,

and it's not.

וזה לא.

So I was trying to find ways to better communicate this to people,

אז ניסיתי לגלות דרכים לתקשר את זה לאנשים טוב יותר,

to show people the uncertainty in our numbers.

כדי להראות לאנשים את חוסר הוודאות במספרים שלנו.

What I did was I started taking real data sets,

מה שעשיתי היה להתחיל לקחת מאגרי נתונים אמיתיים,

and turning them into hand-drawn visualizations,

ולהפוך אותם לתצוגות מידע המצויירות ידנית,

so that people can see how imprecise the data is;

כך שאנשים יוכלו לראות כמה לא מדוייק המידע;

כך שאנשים יכולים לראות שאדם עשה את זה,

so people can see that a human did this,

אדם מצא את המידע והראה אותו.

a human found the data and visualized it.

For example, instead of finding out the probability

לדוגמה, במקום לגלות את ההסתברות

of getting the flu in any given month,

של לקבל שפעת בכל חודש מסויים,

you can see the rough distribution of flu season.

אתם יכולים לראות את ההתפלגות הגסה של עונות השפעת.

This is --

זה --

(Laughter)

(צחוק)

a bad shot to show in February.

תמונה גרועה להראות בפברואר.

But it's also more responsible data visualization,

אבל זה גם הצגת מידע יותר אחראית,

because if you were to show the exact probabilities,

בגלל שאם הייתם מראים את ההסתברויות המדוייקות,

maybe that would encourage people to get their flu jabs

אולי זה יעודד אנשים לקבל חיסונים לשפעת בזמן הלא נכון.

at the wrong time.

The point of these shaky lines

הנקודה של הקווים הרעועים האלה

is so that people remember these imprecisions,

היא שאנשים יזכרו את חוסר הדיוקים האלה,

but also so they don't necessarily walk away with a specific number,

אבל גם שהם לא בהכרח ילכו עם מספר מסויים,

but they can remember important facts.

אבל הם יכולים לזכור עובדות חשובות.

Facts like injustice and inequality leave a huge mark on our lives.

עובדות כמו חוסר צדק וחוסר שוויון משאירים סימן גדול על החיים שלנו.

Facts like Black Americans and Native Americans have shorter life expectancies

עובדות כמו שלאמריקאים שחורים ולאמריקאים ילידים יש תוחלת חיים קצרה יותר

than those of other races,

מאלו מגזעים אחרים,

and that isn't changing anytime soon.

וזה לא ישתנה בקרוב.

Facts like prisoners in the US can be kept in solitary confinement cells

עובדות כמו שאסירים בארצות הברית יכולים להיות מוחזקים בתאי בידוד

that are smaller than the size of an average parking space.

שקטנים יותר מגודל של מקום חניה ממוצע.

The point of these visualizations is also to remind people

הנקודה של ההדגמות האלה היא גם להזכיר לאנשים

of some really important statistical concepts,

כמה חשובים רעיונות סטטיסטים,

concepts like averages.

רעיונות כמו ממוצעים.

So let's say you hear a claim like,

אז בואו נגיד שאתם שומעים טענה כמו,

"The average swimming pool in the US contains 6.23 fecal accidents."

"בריכת השחיה הממוצעת בארצות הברית מכילה 6.23 תאונות צואתיות."

That doesn't mean every single swimming pool in the country

זה לא אומר שכל בריכה במדינה

contains exactly 6.23 turds.

מכילה 6.23 צואות.

So in order to show that,

אז כדי להראות את זה,

I went back to the original data, which comes from the CDC,

חזרתי למידע המקורי, שמגיע מהמרכז לשליטה במחלות,

who surveyed 47 swimming facilities.

שסקר 47 מתקנים של בריכות שחיה.

And I just spent one evening redistributing poop.

וביליתי רק ערב אחד בלפזר מחדש קקי.

So you can kind of see how misleading averages can be.

אז אתם יכולים לראות כמה מטעה הממוצע הזה יכול להיות.

(Laughter)

(צחוק)

OK, so the second question that you guys should be asking yourselves

אוקיי, אז השאלה השניה שאתם צריכים לשאול את עצמכם

to spot bad numbers is:

לזהות מספרים גרועים היא:

Can I see myself in the data?

האם אני יכול למצוא את עצמי במידע?

This question is also about averages in a way,

השאלה הזו נוגעת גם לממוצעים בדרך מסויימת,

because part of the reason why people are so frustrated

בגלל שחלק מהסיבה שאנשים כל כך מתוסכלים

with these national statistics,

מהסטטיסטיקות הארציות האלו,

היא שהן לא באמת מספרות את הסיפור של מי מנצח ומי מפסיד

is they don't really tell the story of who's winning and who's losing

from national policy.

ממדיניות לאומית.

It's easy to understand why people are frustrated with global averages

זה קל להבין למה אנשים מתוסכלים מממוצעים עולמיים

כשהם לא מתאימים לחוויות האישיות שלהם.

when they don't match up with their personal experiences.

I wanted to show people the way data relates to their everyday lives.

רציתי להראות לאנשים את הדרך שמידע מתייחס לחיים היום יומיים שלהם.

התחלתי את טור הייעוץ הזה שנקרא "מונה היקרה,"

I started this advice column called "Dear Mona,"

שם אנשים יכתבו לי שאלות ודאגות

where people would write to me with questions and concerns

והייתי מנסה לענות להם עם מידע.

and I'd try to answer them with data.

אנשים שאלו אותי כל דבר.

People asked me anything.

שאלות כמו, "האם זה נורמלי לישון במיטה נפרדת מאשתי?"

questions like, "Is it normal to sleep in a separate bed to my wife?"

"האם אנשים מתחרטים על כתובות הקעקע שלהם?"

"Do people regret their tattoos?"

"מה זה אומר למות מסיבות טבעיות?"

"What does it mean to die of natural causes?"

All of these questions are great, because they make you think

כל השאלות האלו מעולות, בגלל שהן גורמות לכם לחשוב

על דרכים למצוא ולתקשר את המספרים האלה.

about ways to find and communicate these numbers.

If someone asks you, "How much pee is a lot of pee?"

אם מישהו שואל אתכם, "כמה פיפי זה הרבה פיפי?"

שזו שאלה שנשאלתי,

which is a question that I got asked,

you really want to make sure that the visualization makes sense

אתם באמת רוצים לדאוג שהויזואליזציה תהיה הגיונית

לכמה שיותר אנשים שאפשר.

to as many people as possible.

These numbers aren't unavailable.

המספרים האלה כן זמינים.

Sometimes they're just buried in the appendix of an academic study.

לפעמים הם סתם קבורים בנספח של מחקר אקדמי.

And they're certainly not inscrutable;

והם בהחלט לא בלתי מובנים;

if you really wanted to test these numbers on urination volume,

אם אתם באמת רוצים לבחון את המספרים האלה על כמות השתן,

אתם יכולים לקחת בקבוק ולנסות בעצמכם.

you could grab a bottle and try it for yourself.

(Laughter)

(צחוק)

The point of this isn't necessarily

הנקודה של זה היא לא בהכרח שכל מאגר נתונים חייב להיות קשור ספציפית אליכם.

that every single data set has to relate specifically to you.

אני מתעניינת לכמה נשים בצרפת נתנו קנסות

I'm interested in how many women were issued fines in France

על לבישת רעלה, או ניקאב,

for wearing the face veil, or the niqab,

אפילו אם אני לא חייה בצרפת או לובשת כיסוי פנים.

even if I don't live in France or wear the face veil.

The point of asking where you fit in is to get as much context as possible.

הנקודה של לשאול איך זה מתאים אליך היא לקבל כמה שיותר הקשר.

So it's about zooming out from one data point,

זה מדבר על להסתכל מרחוק מנקודת מבט אחת,

like the unemployment rate is five percent,

כמו שרמת האבטלה היא חמישה אחוזים,

ולראות איך היא משתנה עם הזמן,

and seeing how it changes over time,

or seeing how it changes by educational status --

או לראות איך היא משתנה על ידי סטטוס חינוכי --

this is why your parents always wanted you to go to college --

זו הסיבה שההורים שלכם תמיד רצו שתלכו למכללה --

or seeing how it varies by gender.

או לראות כמה זה משתנה לפי מגדר.

Nowadays, male unemployment rate is higher

היום, אבטלה גברית גבוהה יותר

than the female unemployment rate.

מרמת האבטלה הנשית.

Up until the early '80s, it was the other way around.

עד לתחילת שנות ה 80, זה היה הפוך.

זה סיפור על אחד השינויים הגדולים

This is a story of one of the biggest changes

that's happened in American society,

שהתרחשו בחברה האמריקאית,

וזה הכל שם בתרשים, ברגע שאתם מביטים מעבר לממוצעים.

and it's all there in that chart, once you look beyond the averages.

הצירים הם הכל;

The axes are everything;

once you change the scale, you can change the story.

ברגע שאתם משנים את קנה המידה, אתם יכולים לשנות את הסיפור.

OK, so the third and final question that I want you guys to think about

אוקיי, אז השאלה השלישית והאחרונה שאני רוצה שתחשבו עליה

when you're looking at statistics is:

כשאתם מביטים בסטטיסטיקה היא:

How was the data collected?

איך המידע נאסף?

So far, I've only talked about the way data is communicated,

עד עכשיו, דיברתי רק על הדרך שמידע מתוקשר,

אבל הדרך בה הוא נאסף משנה באותה מידה.

but the way it's collected matters just as much.

אני יודעת שזה קשה,

I know this is tough,

בגלל שמתודולוגיות יכולות להיות אטומות ולמעשה סוג של משעממות,

because methodologies can be opaque and actually kind of boring,

אבל יש כמה שלבים פשוטים שאתם יכולים לעשות כדי לבדוק את זה.

but there are some simple steps you can take to check this.

I'll use one last example here.

אני אשתמש בדוגמה אחת אחרונה פה.

One poll found that 41 percent of Muslims in this country support jihad,

סקר אחד גילה ש-41 אחוזים מהמוסלמים במדינה תומכים בג'יהאד,

which is obviously pretty scary,

שזה בברור די מפחיד,

and it was reported everywhere in 2015.

וזה דווח בכל מקום ב-2015.

When I want to check a number like that,

כשאני רוצה לבדוק מספר כמו זה,

I'll start off by finding the original questionnaire.

אני אתחיל בלמצוא את השאלון המקורי.

It turns out that journalists who reported on that statistic

מסתבר שעיתונאים שדיווחו על הסטטיסטיקות האלה

ignored a question lower down on the survey

התעלמו משאלה במורד הסקר

that asked respondents how they defined "jihad."

ששאלה משיבים איך הם מגדירים "ג'יהאד."

And most of them defined it as,

ורובם הגדירו אותו,

"Muslims' personal, peaceful struggle to be more religious."

כ"מאבק האישי הרגוע של 'מוסלמי' להיות יותר דתי."

Only 16 percent defined it as, "violent holy war against unbelievers."

רק 16 אחוז הגדירו אותו כ"מלחמה אלימה קדושה נגד לא מאמינים."

This is the really important point:

זו נקודה באמת חשובה:

based on those numbers, it's totally possible

בהתבסס על המספרים האלה, זה לגמרי אפשרי

that no one in the survey who defined it as violent holy war

שאף אחד בסקר שהגדיר אותו כמלחמה קדושה אלימה

also said they support it.

גם אמרו שהם תומכים בה.

Those two groups might not overlap at all.

שתי הקבוצות האלה אולי לא חופפות בכלל.

It's also worth asking how the survey was carried out.

זה גם שווה לשאול איך הסקר נערך.

This was something called an opt-in poll,

זה היה משהו שנקרא סקר לפי בחירה,

which means anyone could have found it on the internet and completed it.

מה שאומר שכל אחד היה יכול למצוא אותו באינטרנט ולמלא אותו.

אין דרך לדעת אם האנשים האלה אפילו מזדהים כמוסלמים.

There's no way of knowing if those people even identified as Muslim.

And finally, there were 600 respondents in that poll.

ולבסוף, יש 600 משיבים בסקר.

There are roughly three million Muslims in this country,

יש בערך שלושה מליון מוסלמים במדינה,

according to Pew Research Center.

לפי מרכז המחקר פיו.

זה אומר שהסקר דיבר בהערכה גסה לאחד מתוך 5,000 מוסלמים במדינה.

That means the poll spoke to roughly one in every 5,000 Muslims

in this country.

This is one of the reasons

זו אחת הסיבות

why government statistics are often better than private statistics.

שסטטיסטיקות ממשלתיות הרבה פעמים טובות יותר מסטטיסטיקות פרטיות.

A poll might speak to a couple hundred people, maybe a thousand,

סקר אולי ידבר לכמה מאות אנשים, אולי לאלף,

or if you're L'Oreal, trying to sell skin care products in 2005,

או אם אתם לוריאל, מנסים למכור מוצרי טיפול בעור ב-2005,

then you spoke to 48 women to claim that they work.

אז דיברתם עם 48 נשים כדי לטעון שהם עובדים.

(Laughter)

(צחוק)

Private companies don't have a huge interest in getting the numbers right,

לחברות פרטיות אין אינטרס גדול להגיע למספר נכון,

they just need the right numbers.

הן פשוט רוצות מספרים מתאימים.

Government statisticians aren't like that.

סטטיסטיקאים ממשלתיים לא עובדים ככה.

In theory, at least, they're totally impartial,

בתאוריה, לפחות, הם לגמרי לא מוטים,

not least because most of them do their jobs regardless of who's in power.

בין היתר בגלל שהם עושים את העבודה שלהם בלי קשר למי מחזיק בשלטון.

They're civil servants.

הם עובדי ציבור.

And to do their jobs properly,

וכדי לעשות את העבודה שלהם טוב,

they don't just speak to a couple hundred people.

הם לא מדברים רק לכמה מאות אנשים.

Those unemployment numbers I keep on referencing

מספרי התעסוקה האלה שאני ממשיכה להתייחס אליהם

come from the Bureau of Labor Statistics,

מגיעים מסטטיסטיקות של לשכת התעסוקה,

and to make their estimates,

וכדי לעשות את ההערכות שלהם,

they speak to over 140,000 businesses in this country.

הם מדברים עם יותר מ-140,000 עסקים במדינה.

I get it, it's frustrating.

אני מבינה, זה מתסכל.

If you want to test a statistic that comes from a private company,

אם אתם רוצים לבחון סטטיסטיקה שמגיעה מחברה פרטית,

אתם יכולים לקנות את קרם הפנים לכם ולכמה חברים, לנסות אותו,

you can buy the face cream for you and a bunch of friends, test it out,

אם זה לא עובד, אתם יכולים להגיד שהמספרים היו שגויים.

if it doesn't work, you can say the numbers were wrong.

אבל איך אתם מתשאלים סטטיסטיקות ממשלתיות?

But how do you question government statistics?

אתם רק ממשיכים לבדוק הכל.

You just keep checking everything.

גלו איך הם אוספים את המספרים.

Find out how they collected the numbers.

גלו אם אתם רואים כל מה שאתם צריכים על התרשים.

Find out if you're seeing everything on the chart you need to see.

אבל אל תתייאשו מהמספרים לגמרי בגלל שאם תעשו זאת,

But don't give up on the numbers altogether, because if you do,

נעשה החלטות של מדיניות ציבורית בחשיכה,

we'll be making public policy decisions in the dark,

בשימוש בלא יותר מאינטרסים פרטיים להנחות אותנו.

using nothing but private interests to guide us.

Thank you.

תודה לכם.

(מחיאות כפיים)

(Applause)