[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:06.64,0:00:09.08,Default,,0000,0000,0000,,Le statistiche sono persuasive.
Dialogue: 0,0:00:09.08,0:00:12.54,Default,,0000,0000,0000,,Così tanto che persone,\Norganizzazioni e intere nazioni
Dialogue: 0,0:00:12.54,0:00:17.55,Default,,0000,0000,0000,,basano alcune delle loro decisioni\Npiù importanti su dati aggregati.
Dialogue: 0,0:00:17.71,0:00:19.48,Default,,0000,0000,0000,,Ma questo pone un problema.
Dialogue: 0,0:00:19.48,0:00:23.30,Default,,0000,0000,0000,,Ogni statistica potrebbe\Nnascondere al suo interno
Dialogue: 0,0:00:23.30,0:00:27.25,Default,,0000,0000,0000,,qualcosa in grado di capovolgere\Ncompletamente i risultati.
Dialogue: 0,0:00:27.25,0:00:30.92,Default,,0000,0000,0000,,Per esempio, immagina\Ndi dover scegliere tra due ospedali
Dialogue: 0,0:00:30.92,0:00:33.61,Default,,0000,0000,0000,,per l'operazione di un anziano parente.
Dialogue: 0,0:00:33.74,0:00:36.43,Default,,0000,0000,0000,,Analizzando gli ultimi 1000 pazienti\Ndi ogni ospedale,
Dialogue: 0,0:00:36.43,0:00:39.61,Default,,0000,0000,0000,,900 sono sopravvissuti nell'ospedale A,
Dialogue: 0,0:00:39.61,0:00:42.84,Default,,0000,0000,0000,,mentre solo 800 sono sopravvissuti\Nnell'ospedale B.
Dialogue: 0,0:00:43.02,0:00:46.17,Default,,0000,0000,0000,,Sembrerebbe che l'ospedale A\Nsia la scelta migliore.
Dialogue: 0,0:00:46.17,0:00:47.84,Default,,0000,0000,0000,,Ma, prima di prendere\Nuna decisione,
Dialogue: 0,0:00:47.84,0:00:51.41,Default,,0000,0000,0000,,considera che non tutti i pazienti\Narrivano all'ospedale
Dialogue: 0,0:00:51.41,0:00:53.81,Default,,0000,0000,0000,,nello stesso stato di salute.
Dialogue: 0,0:00:53.81,0:00:56.70,Default,,0000,0000,0000,,Se dividiamo gli ultimi 1000 pazienti\Ndi ogni ospedale
Dialogue: 0,0:00:56.70,0:00:58.92,Default,,0000,0000,0000,,in quelli che sono arrivati\Nin buona salute
Dialogue: 0,0:00:58.92,0:01:01.13,Default,,0000,0000,0000,,e quelli che sono arrivati\Nin cattiva salute,
Dialogue: 0,0:01:01.13,0:01:03.77,Default,,0000,0000,0000,,il quadro inizia a sembrare molto diverso.
Dialogue: 0,0:01:03.77,0:01:07.85,Default,,0000,0000,0000,,L'ospedale A ha ricevuto solo\N100 pazienti in cattiva salute,
Dialogue: 0,0:01:07.85,0:01:10.32,Default,,0000,0000,0000,,di cui 30 sono sopravvissuti.
Dialogue: 0,0:01:10.32,0:01:14.67,Default,,0000,0000,0000,,Ma l'ospedale B ne ha ricevuti 400,\Nriuscendo a salvarne 210.
Dialogue: 0,0:01:14.85,0:01:17.17,Default,,0000,0000,0000,,Per cui l'ospedale B\Nè una scelta migliore
Dialogue: 0,0:01:17.17,0:01:20.74,Default,,0000,0000,0000,,per i pazienti che arrivano\Nin cattiva salute,
Dialogue: 0,0:01:20.74,0:01:24.53,Default,,0000,0000,0000,,con una probabilità\Ndi sopravvivenza del 52,5%.
Dialogue: 0,0:01:24.53,0:01:28.44,Default,,0000,0000,0000,,E se la salute del tuo parente\Nè buona quando arriva in ospedale?
Dialogue: 0,0:01:28.44,0:01:32.27,Default,,0000,0000,0000,,Sorprendentemente l'ospedale B\Nresta la scelta migliore,
Dialogue: 0,0:01:32.27,0:01:35.68,Default,,0000,0000,0000,,con un tasso di sopravvivenza\Nsuperiore al 98%.
Dialogue: 0,0:01:35.68,0:01:39.30,Default,,0000,0000,0000,,Allora come mai il tasso di sopravvivenza\Ntotale dell'ospedale A è superiore
Dialogue: 0,0:01:39.30,0:01:41.83,Default,,0000,0000,0000,,se l'ospedale B ha un tasso\Ndi sopravvivenza più alto
Dialogue: 0,0:01:41.83,0:01:44.47,Default,,0000,0000,0000,,per i pazienti di ognuno dei due gruppi?
Dialogue: 0,0:01:44.83,0:01:48.59,Default,,0000,0000,0000,,Quello in cui siamo incappati\Nè un esempio del paradosso di Simpson,
Dialogue: 0,0:01:48.59,0:01:51.90,Default,,0000,0000,0000,,dove gli stessi dati\Nsembrano mostrare trend differenti
Dialogue: 0,0:01:51.90,0:01:53.87,Default,,0000,0000,0000,,a seconda di come\Nsono raggruppati.
Dialogue: 0,0:01:53.87,0:01:56.87,Default,,0000,0000,0000,,Questo accade spesso quando dati aggregati
Dialogue: 0,0:01:56.87,0:01:58.74,Default,,0000,0000,0000,,nascondono una variabile condizionata,
Dialogue: 0,0:01:58.74,0:02:01.38,Default,,0000,0000,0000,,qualcosa conosciuto come\Nvariabile nascosta,
Dialogue: 0,0:02:01.38,0:02:06.35,Default,,0000,0000,0000,,che è un fattore nascosto che influenza\Nsignificativamente i risultati.
Dialogue: 0,0:02:06.35,0:02:10.02,Default,,0000,0000,0000,,Qui il fattore nascosto\Nè la proporzione dei pazienti
Dialogue: 0,0:02:10.02,0:02:13.26,Default,,0000,0000,0000,,che arrivano in buona o cattiva salute.
Dialogue: 0,0:02:13.26,0:02:16.54,Default,,0000,0000,0000,,Il paradosso di Simpson\Nnon è solo uno scenario ipotetico.
Dialogue: 0,0:02:16.54,0:02:18.92,Default,,0000,0000,0000,,Appare di tanto in tanto nel mondo reale,
Dialogue: 0,0:02:18.92,0:02:22.13,Default,,0000,0000,0000,,a volte in contesti importanti.
Dialogue: 0,0:02:22.13,0:02:24.13,Default,,0000,0000,0000,,Uno studio in Inghilterra sembrò mostrare
Dialogue: 0,0:02:24.13,0:02:27.60,Default,,0000,0000,0000,,che i fumatori avevano un tasso\Ndi sopravvivenza superiore ai non fumatori
Dialogue: 0,0:02:27.60,0:02:29.85,Default,,0000,0000,0000,,su un periodo di 20 anni.
Dialogue: 0,0:02:29.85,0:02:33.31,Default,,0000,0000,0000,,Questo fino a che si divisero\Ni partecipati per gruppi d'età
Dialogue: 0,0:02:33.31,0:02:37.82,Default,,0000,0000,0000,,e si vide che i non fumatori erano\Nin media significativamente più vecchi,
Dialogue: 0,0:02:37.82,0:02:40.93,Default,,0000,0000,0000,,e quindi era più facile che morissero\Ndurante il periodo del test
Dialogue: 0,0:02:40.93,0:02:44.44,Default,,0000,0000,0000,,proprio perché, in generale,\Navevano vissuto più a lungo.
Dialogue: 0,0:02:44.44,0:02:47.29,Default,,0000,0000,0000,,In questo caso, i gruppi d'età\Nsono la variabile nascosta
Dialogue: 0,0:02:47.29,0:02:50.18,Default,,0000,0000,0000,,e sono indispensabili\Nper interpretare correttamente i dati.
Dialogue: 0,0:02:50.18,0:02:52.01,Default,,0000,0000,0000,,In un altro esempio, un'analisi
Dialogue: 0,0:02:52.01,0:02:54.28,Default,,0000,0000,0000,,dei casi di pena di morte in Florida
Dialogue: 0,0:02:54.28,0:02:58.26,Default,,0000,0000,0000,,sembrò mostrare l'assenza\Ndi disparità razziale nelle sentenze
Dialogue: 0,0:02:58.26,0:03:01.58,Default,,0000,0000,0000,,tra gli accusati di omicidio\Nbianchi e neri.
Dialogue: 0,0:03:01.58,0:03:06.40,Default,,0000,0000,0000,,Ma dividere i casi per la razza\Ndelle vittime diede risultati diversi.
Dialogue: 0,0:03:06.40,0:03:07.97,Default,,0000,0000,0000,,In entrambe le situazioni,
Dialogue: 0,0:03:07.97,0:03:11.13,Default,,0000,0000,0000,,gli accusati neri avevano più probabilità\Ndi una sentenza capitale.
Dialogue: 0,0:03:11.13,0:03:15.07,Default,,0000,0000,0000,,La percentuale un po' più alta di bianchi\Ncondannati alla sentenza capitale
Dialogue: 0,0:03:15.07,0:03:18.69,Default,,0000,0000,0000,,era dovuta al fatto che\Ni casi con vittime bianche
Dialogue: 0,0:03:18.69,0:03:21.36,Default,,0000,0000,0000,,ottenevano più spesso la sentenza capitale
Dialogue: 0,0:03:21.36,0:03:24.09,Default,,0000,0000,0000,,rispetto ai casi con vittime nere,
Dialogue: 0,0:03:24.09,0:03:28.48,Default,,0000,0000,0000,,e la maggior parte degli omicidi\Navveniva tra persone della stessa razza.
Dialogue: 0,0:03:28.48,0:03:31.32,Default,,0000,0000,0000,,Quindi come possiamo evitare\Ndi cadere in questo paradosso?
Dialogue: 0,0:03:31.32,0:03:34.69,Default,,0000,0000,0000,,Sfortunatamente, non esiste\Nnessuna risposta che vada sempre bene.
Dialogue: 0,0:03:34.69,0:03:38.50,Default,,0000,0000,0000,,I dati possono essere raggruppati\Ne divisi in moltissimi modi
Dialogue: 0,0:03:38.50,0:03:42.27,Default,,0000,0000,0000,,e le cifre complessive in alcuni casi\Npossono dare un'immagine più corretta
Dialogue: 0,0:03:42.27,0:03:46.64,Default,,0000,0000,0000,,rispetto ai dati raggruppati\Nin categorie arbitrarie o fuorvianti.
Dialogue: 0,0:03:46.64,0:03:49.09,Default,,0000,0000,0000,,Tutto ciò che possiamo fare\Nè studiare attentamente
Dialogue: 0,0:03:49.09,0:03:52.09,Default,,0000,0000,0000,,la situazione reale\Ndescritta dalla statistica
Dialogue: 0,0:03:52.09,0:03:55.79,Default,,0000,0000,0000,,e considerare se possono essere presenti\Ndelle variabili nascoste.
Dialogue: 0,0:03:55.79,0:03:59.38,Default,,0000,0000,0000,,Se no saremo vulnerabili nei confronti\Ndi coloro che vorrebbero usare i dati
Dialogue: 0,0:03:59.38,0:04:02.80,Default,,0000,0000,0000,,per manipolare gli altri\Ne promuovere i propri obiettivi.