Statisticile sunt convingătoare
Atât de mult încât oameni, organizații și țări întregi
Își bazează unele dintre cele mai importante decizii pe date organizate
Dar există o problemă cu asta
Orice set de statistici ar putea ascunde ceva în interiorul său
Ceva ce poate întoarce rezultatele complet pe dos
De exemplu, imaginează-ți că trebuie să alegi între două spitale
Pentru operația unei rude în vârstă
Din ultimii 1000 de pacienți ai fiecărui spital
900 au supraviețuit la Spitalul A
În timp ce doar 800 au supraviețuit la Spitalul B
Deci pare că Spitalul A e alegerea mai bună
Dar înainte să iei decizia
Amintește-ți că nu toți pacienții ajung la spital
Cu aceeași stare de sănătate
Și dacă împărțim ultimii 1000 de pacienți ai fiecărui spital
În cei care au sosit cu o stare bună de sănătate și cei
Care au sosit cu o stare precară de sănătate
Imaginea începe să arate foarte diferit
Spitalul A a avut doar 100 de pacienți care au sosit cu o stare precară de sănătate
Dintre care 30 au supraviețuit
Dar Spitalul B a avut 400, și au putut salva 210
Deci Spitalul B e alegerea mai bună
Pentru pacienții care ajung la spital cu o stare precară de sănătate
Cu o rată de supraviețuire de 52,5%
Și ce se întâmplă dacă sănătatea rudei tale e bună
Când ajunge la spital?
Destul de ciudat, Spitalul B e tot alegerea mai bună
Cu o rată de supraviețuire de peste 98%
Deci cum poate Spitalul A să aibă o rată de supraviețuire generală mai bună
Dacă Spitalul B are rate de supraviețuire mai bune pentru pacienți
În fiecare dintre cele două grupuri?
Ceea ce am descoperit e un caz al paradoxului lui Simpson
Unde același set de date poate părea să arate tendințe opuse
În funcție de cum e grupat
Asta se întâmplă des când datele agregate ascund o variabilă condițională
Cunoscută uneori ca o variabilă latentă
Care e un factor suplimentar ascuns ce influențează semnificativ rezultatele
Aici, factorul ascuns e proporția relativă a pacienților
Care sosesc cu o stare de sănătate bună sau precară
Paradoxul lui Simpson nu e doar un scenariu ipotetic
Apare din când în când în lumea reală
Uneori în contexte importante
Un studiu din Marea Britanie părea să arate
Că fumătorii aveau o rată de supraviețuire mai mare decât nefumătorii
Pe o perioadă de douăzeci de ani
Asta până când împărțirea participanților pe grupe de vârstă
A arătat că nefumătorii erau semnificativ mai în vârstă în medie
Și astfel, mai predispuși să moară în timpul perioadei de studiu
Tocmai pentru că trăiau mai mult în general
Aici, grupele de vârstă sunt variabila latentă
Și sunt vitale pentru a interpreta corect datele
O analiză a cazurilor de pedeapsă cu moartea din Florida
Părea să nu dezvăluie nicio disparitate rasială în condamnări
Între inculpații de culoare și cei albi condamnați pentru crimă
Dar împărțirea cazurilor după rasa victimei a spus o altă poveste
Inculpații de culoare erau mai predispuși să fie condamnați la moarte
Rata de condamnare generală puțin mai mare pentru inculpații albi
Se datora faptului că, cazurile cu victime albe
Erau mai predispuse să atragă o condamnare la moarte
Decât cazurile în care victima era de culoare
Și majoritatea crimelor aveau loc între persoane de aceeași rasă
Deci cum evităm să cădem în capcana paradoxului?
Din păcate, nu există un răspuns universal valabil
Datele pot fi grupate și împărțite în nenumărate moduri
Iar cifrele generale pot oferi uneori o imagine mai exactă
Decât datele împărțite în categorii înșelătoare sau arbitrare
Tot ce putem face e să studiem cu atenție situațiile reale
Pe care statisticile le descriu
Și să luăm în considerare dacă ar putea fi prezente variabile latente
Altfel, ne lăsăm vulnerabili în fața celor care ar folosi datele
Pentru a-i manipula pe alții și a-și promova propriile interese