WEBVTT

00:00:06.636 --> 00:00:09.077
統計には説得力があります

00:00:09.077 --> 00:00:12.541
それはそれは強力なので
人々や組織 そして国が

00:00:12.541 --> 00:00:17.747
最も重要な決定を下すときには
データを参考にします

00:00:17.747 --> 00:00:19.484
でもここに ある問題があります

00:00:19.484 --> 00:00:23.301
どんな統計でも 
その中に潜んでいるものが

00:00:23.301 --> 00:00:27.251
結果を全く逆に
してしまうことがあるのです

00:00:27.251 --> 00:00:30.920
例えば 年をとった親戚の手術のため

00:00:30.920 --> 00:00:33.737
２つの病院から１つを
選ばねばならないとしましょう

00:00:33.737 --> 00:00:36.434
各病院の直近1000人の患者のうち

00:00:36.434 --> 00:00:39.612
Ａ病院では900人が生存していましたが

00:00:39.612 --> 00:00:43.021
Ｂ病院では800人だけでした

00:00:43.021 --> 00:00:46.170
するとＡ病院を選ぶのが
良いように見えます

00:00:46.170 --> 00:00:47.843
でも決断する前に

00:00:47.843 --> 00:00:51.411
思い出してください
来院する患者の健康度は

00:00:51.411 --> 00:00:53.811
全員が同一ではありません

00:00:53.811 --> 00:00:56.703
各病院の直近1000人の患者を

00:00:56.703 --> 00:01:01.132
健康状態が良い者と
悪い者とに分けてみると

00:01:01.132 --> 00:01:03.772
見えてくる状況は
大きく変わってきます

00:01:03.772 --> 00:01:07.849
Ａ病院では 健康状態が悪い患者は
たった100人しか来ておらず

00:01:07.849 --> 00:01:10.325
そのうち30人が生存していますが

00:01:10.325 --> 00:01:14.852
Ｂ病院には状態の悪い患者が400人来て
210人を救うことができました

00:01:14.852 --> 00:01:17.169
だから健康状態が悪い患者の場合は

00:01:17.169 --> 00:01:20.741
Ｂ病院を選ぶ方が良いんです

00:01:20.741 --> 00:01:24.526
生存率は52.5%です

00:01:24.526 --> 00:01:28.445
ではその親戚の健康状態が
受診時に良好だったとしたら？

00:01:28.445 --> 00:01:32.271
不思議なことに Ｂ病院の方が
やはり良い選択なんです

00:01:32.271 --> 00:01:35.676
生存率は98%です

00:01:35.676 --> 00:01:38.733
ではどちらのグループの生存率も
Ｂ病院が勝っているのに

00:01:38.733 --> 00:01:44.830
どうしてＡ病院の生存率の方が
総計では上になるのでしょう？

00:01:44.830 --> 00:01:48.589
私たちが陥っているのは
「シンプソンのパラドックス」です

00:01:48.589 --> 00:01:51.899
同一のデータでも
グループの分け方によって

00:01:51.899 --> 00:01:54.664
逆の傾向を示すことがあるんです

00:01:54.664 --> 00:01:58.744
これがよく起きるのは 集められたデータが
ある条件変数を隠し持っているときです

00:01:58.744 --> 00:02:01.377
それはときに
潜伏変数と言われるもので

00:02:01.377 --> 00:02:06.584
結果に重要な影響を与えるような
隠れた別の要因のことです

00:02:06.584 --> 00:02:10.023
ここでの隠れた要因とは
訪れる患者の健康状態に関する

00:02:10.023 --> 00:02:13.264
相対的な比率です

00:02:13.264 --> 00:02:16.544
シンプトンのパラドックスは
単なる仮説ではありません

00:02:16.544 --> 00:02:18.924
現実の世界にときどき
現れているんです

00:02:18.924 --> 00:02:22.132
重要な場面でも起こっています

00:02:22.132 --> 00:02:24.130
英国でのある研究では

00:02:24.130 --> 00:02:27.600
喫煙者が非喫煙者よりも

00:02:27.600 --> 00:02:29.846
20年間にわたり
高い生存率を示しました

00:02:29.846 --> 00:02:33.307
しかし対象者を
年齢で区分してみると

00:02:33.307 --> 00:02:37.823
非喫煙者の平均年齢が
明らかに高いことが分かりました

00:02:37.823 --> 00:02:40.930
したがって 研究期間中に
死亡する確率がより高いわけです

00:02:40.930 --> 00:02:44.438
そもそも長く生きていますからね

00:02:44.438 --> 00:02:47.286
ここでは年齢が潜伏変数であり

00:02:47.286 --> 00:02:50.176
それに基づくグループ分けは
正確なデータ解釈に不可欠です

00:02:50.176 --> 00:02:51.559
別の例は

00:02:51.559 --> 00:02:54.281
フロリダの死刑に関する分析です

00:02:54.281 --> 00:02:58.265
殺人で有罪となった被告が
黒人か白人かで

00:02:58.265 --> 00:03:01.581
死刑宣告について人種の偏りは
全く見られませんでした

00:03:01.581 --> 00:03:06.396
しかし被害者の人種でグループ分けすると
別の結果が見えてきました

00:03:06.396 --> 00:03:07.969
被害者がどちらの場合でも

00:03:07.969 --> 00:03:11.091
黒人の被告の方が 
死刑宣告の確率が高かったのです

00:03:11.091 --> 00:03:15.066
白人被告の死刑宣告率が
総計するとわずかに高かったのは

00:03:15.066 --> 00:03:18.692
被害者が白人の場合

00:03:18.692 --> 00:03:21.359
被害者が黒人の場合よりも

00:03:21.359 --> 00:03:24.091
死刑判決が下されやすく

00:03:24.091 --> 00:03:28.483
大半の殺人は同じ人種間で
起きていたからです

00:03:28.483 --> 00:03:31.319
ではこのパラドックスに陥るのを
どうすれば避けられるでしょう？

00:03:31.319 --> 00:03:34.686
あいにく万能の答えはありません

00:03:34.686 --> 00:03:38.504
データはどのようにも
グループ化 または分割できるうえ

00:03:38.504 --> 00:03:42.106
誤解を招く あるいは恣意的な形で
カテゴリ化されたデータより

00:03:42.106 --> 00:03:46.638
総計の方が正確である場合もあります

00:03:46.638 --> 00:03:52.089
私たちにできることは
その統計が示す現実の状況を慎重に調べ

00:03:52.089 --> 00:03:55.977
潜伏変数が存在する可能性を
検討することです

00:03:55.977 --> 00:03:59.378
そうでないとデータで他人を操って

00:03:59.378 --> 00:04:02.649
自分の方針を通そうとする人たちに対し
私たちは無防備になってしまいます