[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,,Statystyki są przekonujące.
Dialogue: 0,0:00:09.08,0:00:12.54,Default,,0000,0000,0000,,Tak przekonujące, że ludzie, organizacje, a nawet całe kraje
Dialogue: 0,0:00:12.54,0:00:17.75,Default,,0000,0000,0000,,opierają część swoich kluczowych decyzji na zbiorach danych.
Dialogue: 0,0:00:17.75,0:00:19.48,Default,,0000,0000,0000,,Jest z tym jednak pewien problem.
Dialogue: 0,0:00:19.48,0:00:23.30,Default,,0000,0000,0000,,W każdym zestawie danych statystycznych może czaić się coś,
Dialogue: 0,0:00:23.30,0:00:27.25,Default,,0000,0000,0000,,co może wywrócić do góry nogami przedstawiane wyniki.
Dialogue: 0,0:00:27.25,0:00:30.92,Default,,0000,0000,0000,,Przykładowo, wyobraź sobie, że musisz wybrać jeden z dwóch szpitali,
Dialogue: 0,0:00:30.92,0:00:33.74,Default,,0000,0000,0000,,w którym Twój krewny w podeszłym wieku podda się operacji.
Dialogue: 0,0:00:33.74,0:00:36.43,Default,,0000,0000,0000,,Spośród 1000 ostatnich pacjentów każdego ze szpitali,
Dialogue: 0,0:00:36.43,0:00:39.61,Default,,0000,0000,0000,,900 przeżyło w Szpitalu A,
Dialogue: 0,0:00:39.61,0:00:43.02,Default,,0000,0000,0000,,podczas gdy zaledwie 800 przeżyło w Szpitalu B.
Dialogue: 0,0:00:43.02,0:00:46.17,Default,,0000,0000,0000,,Wygląda więc na to, że Szpital A to lepszy wybór.
Dialogue: 0,0:00:46.17,0:00:47.84,Default,,0000,0000,0000,,Jednak zanim podejmiesz decyzję
Dialogue: 0,0:00:47.84,0:00:51.41,Default,,0000,0000,0000,,pamiętaj, że nie wszyscy pacjenci przyjmowani do szpitala
Dialogue: 0,0:00:51.41,0:00:53.81,Default,,0000,0000,0000,,są w takim samym stanie zdrowia.
Dialogue: 0,0:00:53.81,0:00:56.70,Default,,0000,0000,0000,,Jeśli podzielimy ostatnich 1000 pacjentów każdego szpitala
Dialogue: 0,0:00:56.70,0:01:01.13,Default,,0000,0000,0000,,na tych w dobrym stanie zdrowia\Ni na tych w złym stanie zdrowia,
Dialogue: 0,0:01:01.13,0:01:03.77,Default,,0000,0000,0000,,zarysowuje się zupełnie odmienny obraz sytuacji.
Dialogue: 0,0:01:03.77,0:01:07.85,Default,,0000,0000,0000,,Szpital A miał zaledwie 100 pacjentów, którzy zostali przyjęci w złym stanie zdrowia,
Dialogue: 0,0:01:07.85,0:01:10.32,Default,,0000,0000,0000,,z których przeżyło 30.
Dialogue: 0,0:01:10.32,0:01:14.85,Default,,0000,0000,0000,,Podczas gdy Szpital B miał 400, z których przeżyło 210.
Dialogue: 0,0:01:14.85,0:01:17.17,Default,,0000,0000,0000,,Zatem Szpital B jest lepszym wyborem
Dialogue: 0,0:01:17.17,0:01:20.74,Default,,0000,0000,0000,,dla pacjentów przyjętych do szpitala w słabym stanie
Dialogue: 0,0:01:20.74,0:01:24.53,Default,,0000,0000,0000,,ponieważ wskaźnik przeżycia to 52,5%.
Dialogue: 0,0:01:24.53,0:01:28.44,Default,,0000,0000,0000,,A co jeśli Twój krewny jest w dobrym stanie zgłaszając się w szpitalu?
Dialogue: 0,0:01:28.44,0:01:32.27,Default,,0000,0000,0000,,Co dziwne, Szpital B jest nadal lepszym wyborem
Dialogue: 0,0:01:32.27,0:01:35.68,Default,,0000,0000,0000,,ponieważ wskaźnik przeżycia wynosi 98%.
Dialogue: 0,0:01:35.68,0:01:38.73,Default,,0000,0000,0000,,Jak to możliwe, że Szpital A ma ogólnie lepsze wyniki przeżywalności
Dialogue: 0,0:01:38.73,0:01:44.83,Default,,0000,0000,0000,,skoro Szpital B ma lepsze wskaźniki w obu grupach pacjentów?
Dialogue: 0,0:01:44.83,0:01:48.59,Default,,0000,0000,0000,,Trafiliśmy tu na tzw. Paradoks Simpsona.
Dialogue: 0,0:01:48.59,0:01:51.90,Default,,0000,0000,0000,,Ten sam zestaw danych zdaje się pokazywać przeciwne trendy
Dialogue: 0,0:01:51.90,0:01:54.66,Default,,0000,0000,0000,,w zależności od sposobu pogrupowania danych.
Dialogue: 0,0:01:54.66,0:01:58.74,Default,,0000,0000,0000,,Dzieje się tak często, gdy zebrane dane ukrywają zmienną warunkową,
Dialogue: 0,0:01:58.74,0:02:01.38,Default,,0000,0000,0000,,czasem nazywaną ukrytą zmienną,
Dialogue: 0,0:02:01.38,0:02:06.58,Default,,0000,0000,0000,,która jest ukrytym dodatkowym czynnikiem istotnie wpływającym na wyniki.
Dialogue: 0,0:02:06.58,0:02:10.02,Default,,0000,0000,0000,,W tym przypadku ukrytym czynnikiem jest względna proporcja pacjentów
Dialogue: 0,0:02:10.02,0:02:13.26,Default,,0000,0000,0000,,przyjmowanych do szpitala w dobrym lub złym stanie zdrowia.
Dialogue: 0,0:02:13.26,0:02:16.54,Default,,0000,0000,0000,,Paradoks Simpsona nie jest jedynie scenariuszem hipotetycznym.
Dialogue: 0,0:02:16.54,0:02:18.92,Default,,0000,0000,0000,,Ujawnia się czasami w rzeczywistym świecie.
Dialogue: 0,0:02:18.92,0:02:22.13,Default,,0000,0000,0000,,Czasem w istotnych sytuacjach.
Dialogue: 0,0:02:22.13,0:02:24.13,Default,,0000,0000,0000,,Pewne badanie w Wlk. Brytanii zdawało się wskazywać,
Dialogue: 0,0:02:24.13,0:02:27.60,Default,,0000,0000,0000,,że palacze mają wyższe wskaźniki przeżywalności niż niepalący
Dialogue: 0,0:02:27.60,0:02:29.85,Default,,0000,0000,0000,,w okresie dwudziestu lat.
Dialogue: 0,0:02:29.85,0:02:33.31,Default,,0000,0000,0000,,Kiedy podzielono uczestników na grupy wiekowe
Dialogue: 0,0:02:33.31,0:02:37.82,Default,,0000,0000,0000,,wskazano, że niepalący byli znacząco starsi, a tym samym
Dialogue: 0,0:02:37.82,0:02:40.93,Default,,0000,0000,0000,,prawdopodobieństwo ich śmierci w okresie badania było większe
Dialogue: 0,0:02:40.93,0:02:44.44,Default,,0000,0000,0000,,właśnie dlatego, że ogólnie żyli dłużej.
Dialogue: 0,0:02:44.44,0:02:47.29,Default,,0000,0000,0000,,W tym przypadku ukrytą zmienną są grupy wiekowe,
Dialogue: 0,0:02:47.29,0:02:50.18,Default,,0000,0000,0000,,a ich znajomość jest kluczowa dla właściwego odczytania wyników.
Dialogue: 0,0:02:50.18,0:02:51.56,Default,,0000,0000,0000,,W innym przykładzie,
Dialogue: 0,0:02:51.56,0:02:54.28,Default,,0000,0000,0000,,analiza przypadków zastosowania kary śmierci na Florydzie
Dialogue: 0,0:02:54.28,0:02:58.26,Default,,0000,0000,0000,,wydawała się wskazywać na równowagę rasową w orzekaniu
Dialogue: 0,0:02:58.26,0:03:01.58,Default,,0000,0000,0000,,tej kary dla białych i ciemnoskórych skazanych za morderstwo.
Dialogue: 0,0:03:01.58,0:03:06.40,Default,,0000,0000,0000,,Jednak podzielenie tych przypadków według rasy ofiary ujawniło inny obraz sytuacji.
Dialogue: 0,0:03:06.40,0:03:07.97,Default,,0000,0000,0000,,W każdym z przypadków
Dialogue: 0,0:03:07.97,0:03:11.09,Default,,0000,0000,0000,,ciemnoskórzy oskarżeni częściej byli skazywani na śmierć.
Dialogue: 0,0:03:11.09,0:03:15.07,Default,,0000,0000,0000,,Niewiele wyższy całościowy wskaźnik orzekania kary śmierci wobec białych oskarżonych
Dialogue: 0,0:03:15.07,0:03:18.69,Default,,0000,0000,0000,,wynikał z tego, że bardziej prawdopodobne było, że sprawy dotyczące białych ofiar
Dialogue: 0,0:03:18.69,0:03:21.36,Default,,0000,0000,0000,,zakończą się karą śmierci
Dialogue: 0,0:03:21.36,0:03:24.09,Default,,0000,0000,0000,,niż sprawy, w których ofiara była ciemnoskóra,
Dialogue: 0,0:03:24.09,0:03:28.48,Default,,0000,0000,0000,,a do większości zabójstw dochodziło wśród ludzi tej samej rasy.
Dialogue: 0,0:03:28.48,0:03:31.32,Default,,0000,0000,0000,,Jak zatem uniknąć wpadnięcia w pułapkę tego paradoksu?
Dialogue: 0,0:03:31.32,0:03:34.69,Default,,0000,0000,0000,,Niestety nie ma jednej dobrej odpowiedzi.
Dialogue: 0,0:03:34.69,0:03:38.50,Default,,0000,0000,0000,,Dane mogą być łączone i dzielone na wiele sposobów,
Dialogue: 0,0:03:38.50,0:03:42.11,Default,,0000,0000,0000,,a ogólne liczby mogą czasem dać dokładniejszy obraz
Dialogue: 0,0:03:42.11,0:03:46.64,Default,,0000,0000,0000,,niż dane podzielone na wprowadzające w błąd lub arbitralne kategorie.
Dialogue: 0,0:03:46.64,0:03:52.09,Default,,0000,0000,0000,,Najważniejsze, aby uważnie analizować rzeczywiste sytuacje opisywane statystykami
Dialogue: 0,0:03:52.09,0:03:55.98,Default,,0000,0000,0000,,i uważać, czy nie ma w nich ukrytych zmiennych.
Dialogue: 0,0:03:55.98,0:03:59.38,Default,,0000,0000,0000,,W innym przypadku, sami wystawiamy się na wpływ tych, którzy używają danych,
Dialogue: 0,0:03:59.38,0:04:02.65,Default,,0000,0000,0000,,aby manipulować innymi i osiągać własne cele.