[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,,สถิติสามารถโน้มน้าวคนได้
Dialogue: 0,0:00:09.08,0:00:12.54,Default,,0000,0000,0000,,มากพอที่ทำให้คน องค์กร \Nและประเทศทั้งหลาย
Dialogue: 0,0:00:12.54,0:00:17.75,Default,,0000,0000,0000,,ตัดสินใจในสิ่งสำคัญ ๆ บนพื้นฐาน\Nของข้อมูลที่ถูกจัดเป็นระบบแล้ว
Dialogue: 0,0:00:17.75,0:00:19.48,Default,,0000,0000,0000,,แต่ตรงนั้นแหละที่เป็นปัญหา
Dialogue: 0,0:00:19.48,0:00:23.30,Default,,0000,0000,0000,,สถิติชุดใด ๆ อาจมีสิ่งที่ซุ่มซ่อนอยู่ในนั้น
Dialogue: 0,0:00:23.30,0:00:27.25,Default,,0000,0000,0000,,บางอย่างทีอาจทำให้ผลลัพธ์\Nกลับหัวกลับหางไปอย่างสิ้นเชิง
Dialogue: 0,0:00:27.25,0:00:30.92,Default,,0000,0000,0000,,ยกตัวอย่างเช่น ลองนึกภาพว่า\Nคุณต้องเลือกระหว่าง 2 โรงพยาบาล
Dialogue: 0,0:00:30.92,0:00:33.74,Default,,0000,0000,0000,,ให้กับญาติสูงอายุของคุณ\Nเข้ารับการผ่าตัด
Dialogue: 0,0:00:33.74,0:00:36.43,Default,,0000,0000,0000,,จากคนไข้ 1,000 คนล่าสุด\Nของแต่ละโรงพยาบาล
Dialogue: 0,0:00:36.43,0:00:39.61,Default,,0000,0000,0000,,900 คน รอดชีวิตจากโรงพยาบาล A
Dialogue: 0,0:00:39.61,0:00:43.02,Default,,0000,0000,0000,,ในขณะที่มีเพียง 800 คน\Nที่รอดชีวิตจากโรงพยาบาล B
Dialogue: 0,0:00:43.02,0:00:46.17,Default,,0000,0000,0000,,ดังนั้น มันอาจดูเหมือนว่าโรงพยาบาล A \Nน่าจะเป็นทางเลือกที่ดีกว่า
Dialogue: 0,0:00:46.17,0:00:47.84,Default,,0000,0000,0000,,แต่ก่อนที่คุณจะตัดสินใจ
Dialogue: 0,0:00:47.84,0:00:51.41,Default,,0000,0000,0000,,พึงจำไว้ว่า คนไข้ทั้งหมด\Nที่เข้ามาที่โรงพยาบาล
Dialogue: 0,0:00:51.41,0:00:53.81,Default,,0000,0000,0000,,ไม่ได้เข้ามา\Nด้วยสภาวะสุขภาพแบบเดียวกัน
Dialogue: 0,0:00:53.81,0:00:56.70,Default,,0000,0000,0000,,และถ้าหากเราแบ่งคนไข้ 1,000 คนสุดท้าย\Nของแต่ละโรงพยาบาลออกเป็น
Dialogue: 0,0:00:56.70,0:01:01.13,Default,,0000,0000,0000,,ผู้ที่เข้ามายังโรงพยาบาลด้วยสภาพร่างกาย\Nที่แข็งแรงและไม่แข็งแรง
Dialogue: 0,0:01:01.13,0:01:03.77,Default,,0000,0000,0000,,ภาพรวมก็เริ่มที่จะดูต่างออกไป
Dialogue: 0,0:01:03.77,0:01:07.85,Default,,0000,0000,0000,,โรงพยาบาล A มีคนไข้เพียง 100 คน\Nที่เข้ามาด้วยสภาพร่างกายที่ไม่แข็งแรง
Dialogue: 0,0:01:07.85,0:01:10.32,Default,,0000,0000,0000,,ซึ่งมีผู้รอดชีวิต 30 คน
Dialogue: 0,0:01:10.32,0:01:14.85,Default,,0000,0000,0000,,แต่โรงพยาบาล B มี 400 คน\Nและพวกเขาช่วยชีวิตไว้ได้ 210 คน
Dialogue: 0,0:01:14.85,0:01:17.17,Default,,0000,0000,0000,,ฉะนั้น โรงพยาบาล B เป็นตัวเลือกที่ดีกว่า
Dialogue: 0,0:01:17.17,0:01:20.74,Default,,0000,0000,0000,,สำหรับผู้ป่วยที่เข้ามายังโรงพยบาล\Nด้วยสภาพร่างกายที่ไม่แข็งแรง
Dialogue: 0,0:01:20.74,0:01:24.53,Default,,0000,0000,0000,,ซึ่งอัตราการรอดชีวิตคือ 52.5%
Dialogue: 0,0:01:24.53,0:01:28.44,Default,,0000,0000,0000,,แล้วญาติของคุณมีสภาพร่างกายที่ดี\Nตอนเข้ามาที่โรงพยาบาลหรือเปล่า
Dialogue: 0,0:01:28.44,0:01:32.27,Default,,0000,0000,0000,,น่าแปลกที่โรงพยาบาล B\Nยังเป็นตัวเลือกที่ดีกว่า
Dialogue: 0,0:01:32.27,0:01:35.68,Default,,0000,0000,0000,,ด้วยอัตราการรอดชีวิต 98%
Dialogue: 0,0:01:35.68,0:01:38.73,Default,,0000,0000,0000,,แล้วโรงพยาบาล A \Nมีอัตราการรอดชีวิตทั้งหมดดีกว่าได้อย่างไร
Dialogue: 0,0:01:38.73,0:01:44.83,Default,,0000,0000,0000,,ถ้าโรงพยาบาล B มีอัตราการอดชีวิต\Nสำหรับผู้ป่วยในแต่ละกลุ่มสูงกว่า
Dialogue: 0,0:01:44.83,0:01:48.59,Default,,0000,0000,0000,,สิ่งที่เราเจออยู่นี้ คือ ซิมสันพาราด๊อก\N(Simpson's paradox)
Dialogue: 0,0:01:48.59,0:01:51.90,Default,,0000,0000,0000,,ซึ่งข้อมูลกลุ่มเดียวกัน\Nสามารถที่จะแสดงแนวโน้มที่ตรงข้ามกันได้
Dialogue: 0,0:01:51.90,0:01:54.66,Default,,0000,0000,0000,,ขึ้นอยู่กับว่าเราจะจัดกลุ่มมันอย่างไร
Dialogue: 0,0:01:54.66,0:01:58.74,Default,,0000,0000,0000,,มันเกิดขึ้นเป็นประจำเมื่อข้อมูลที่ถูกนำมารวมกัน\Nซ่อนตัวแปรที่มีเงื่อนไขเอาไว้
Dialogue: 0,0:01:58.74,0:02:01.38,Default,,0000,0000,0000,,บางครั้งมันถูกเรียกว่า ตัวแปรซุกซ่อน
Dialogue: 0,0:02:01.38,0:02:06.58,Default,,0000,0000,0000,,ซึ่งซ่อนปัจจัยอื่น ๆ \Nที่มีผลต่อผลลัพท์อย่างมีนัยสำคัญ
Dialogue: 0,0:02:06.58,0:02:10.02,Default,,0000,0000,0000,,ในที่นี้ ปัจจัยที่ถูกซ่อนอยู่\Nคืออัตราส่วนสัมพัทธ์ของคนไข้
Dialogue: 0,0:02:10.02,0:02:13.26,Default,,0000,0000,0000,,ผู้ซึ่งมาที่โรงพยาบาลด้วยสภาพร่างกาย\Nที่แข็งแรงหรือไม่แข็งแรง
Dialogue: 0,0:02:13.26,0:02:16.54,Default,,0000,0000,0000,,ซิมสันพาราด๊อกไม่ได้เป็นเพียง\Nเหตุการณ์ในทางทฤษฎี
Dialogue: 0,0:02:16.54,0:02:18.92,Default,,0000,0000,0000,,มันเกิดขึ้นจริง ๆ เป็นครั้งคราว
Dialogue: 0,0:02:18.92,0:02:22.13,Default,,0000,0000,0000,,บางครั้งในบริบทที่สำคัญ
Dialogue: 0,0:02:22.13,0:02:24.13,Default,,0000,0000,0000,,การศึกษาหนึ่งในสหราชอาณาจักร\Nแสดงว่า
Dialogue: 0,0:02:24.13,0:02:27.60,Default,,0000,0000,0000,,ผู้ที่สูบบุหรี่มีอัตราการรอดชีวิต\Nสูงกว่าผู้ที่ไม่สูบบุหรี่
Dialogue: 0,0:02:27.60,0:02:29.85,Default,,0000,0000,0000,,ตลอดระยะเวลายี่สิบปี
Dialogue: 0,0:02:29.85,0:02:33.31,Default,,0000,0000,0000,,จนกระทั่งเราแบ่งกลุ่มคนไข้ตามกลุ่มอายุ
Dialogue: 0,0:02:33.31,0:02:37.82,Default,,0000,0000,0000,,ซึ่งจะแสดงให้เห็นว่าผู้ที่ไม่สูบบุหรี่\Nมีอายุเฉลี่ยมากกว่าอย่างมีนัยสำคัญ
Dialogue: 0,0:02:37.82,0:02:40.93,Default,,0000,0000,0000,,และดังนั้น จึงเป็นไปได้มากกว่า\Nที่พวกเขาจะเสียชีวิตในช่วงทดสอบ
Dialogue: 0,0:02:40.93,0:02:44.44,Default,,0000,0000,0000,,เนื่องจากพวกเขาโดยส่วนมากมีอายุมากกว่า
Dialogue: 0,0:02:44.44,0:02:47.29,Default,,0000,0000,0000,,นี่คือกลุ่มอายุที่มีตัวแปรซุกซ่อน
Dialogue: 0,0:02:47.29,0:02:50.18,Default,,0000,0000,0000,,และมีความสำคัญต่อการตีความข้อมูล\Nอย่างถูกต้อง
Dialogue: 0,0:02:50.18,0:02:51.56,Default,,0000,0000,0000,,ในอีกตัวอย่างหนึ่ง
Dialogue: 0,0:02:51.56,0:02:54.28,Default,,0000,0000,0000,,การวิเคราะห์คดีของรัฐฟลอริด้า\Nเกี่ยวกับการลงโทษประหารชีวิต
Dialogue: 0,0:02:54.28,0:02:58.26,Default,,0000,0000,0000,,เหมือนว่าจะเปิดเผยว่า\Nไม่มีความแตกต่างระหว่างเชื้อชาติ
Dialogue: 0,0:02:58.26,0:03:01.58,Default,,0000,0000,0000,,ระหว่างผู้ต้องหาผิวดำและขาว\Nที่โดนตั้งข้อหาฆาตกรรม
Dialogue: 0,0:03:01.58,0:03:06.40,Default,,0000,0000,0000,,แต่การแบ่งคดีตามสีผิวของเหยื่อ\Nบอกเรื่องราวที่ต่างกันออกไป
Dialogue: 0,0:03:06.40,0:03:07.97,Default,,0000,0000,0000,,ไม่ว่าในสถานการณ์ไหน
Dialogue: 0,0:03:07.97,0:03:11.09,Default,,0000,0000,0000,,ผู้ต้องหาผิวดำ\Nมักจะถูกตัดสินประหารชีวิตมากกว่า
Dialogue: 0,0:03:11.09,0:03:15.07,Default,,0000,0000,0000,,อัตราการตัดสินที่สูงกว่าเล็กน้อย\Nสำหรับผู้ต้องหาผิวขาว
Dialogue: 0,0:03:15.07,0:03:18.69,Default,,0000,0000,0000,,เป็นเพราะว่าคดีที่มีเหยื่อเป็นคนผิวขาว
Dialogue: 0,0:03:18.69,0:03:21.36,Default,,0000,0000,0000,,มักจะถูกตัดสินให้ได้รับโทษประหาร
Dialogue: 0,0:03:21.36,0:03:24.09,Default,,0000,0000,0000,,มากกว่ากรณีที่เหยื่อเป็นคนผิวดำ
Dialogue: 0,0:03:24.09,0:03:28.48,Default,,0000,0000,0000,,และฆาตกรรมส่วนใหญ่จะเกิดขึ้น\Nในกลุ่มผู้มีสีผิวเดียวกัน
Dialogue: 0,0:03:28.48,0:03:31.32,Default,,0000,0000,0000,,ฉะนั้น เราจะหลีกเลี่ยง\Nการตกหลุมพาราด๊อกได้อย่างไร
Dialogue: 0,0:03:31.32,0:03:34.69,Default,,0000,0000,0000,,น่าเสียดายที่มันไม่มีคำตอบตายตัว
Dialogue: 0,0:03:34.69,0:03:38.50,Default,,0000,0000,0000,,ข้อมูลสามารถถูกจัดกลุ่ม\Nและถูกแบ่งได้หลายรูปแบบ
Dialogue: 0,0:03:38.50,0:03:42.11,Default,,0000,0000,0000,,และจำนวนทั้งหมด \Nบางครั้งให้ภาพที่แม่นยำ
Dialogue: 0,0:03:42.11,0:03:46.64,Default,,0000,0000,0000,,กว่าข้อมูลที่ถูกแบ่งเป็นหมวดหมู่\Nที่ชวนสับสนและไร้กฎเกณฑ์
Dialogue: 0,0:03:46.64,0:03:52.09,Default,,0000,0000,0000,,ทั้งหมดที่เราทำได้คือศึกษาสถานการณ์\Nที่สถิติอธิบายอย่างระมัดระวัง
Dialogue: 0,0:03:52.09,0:03:55.98,Default,,0000,0000,0000,,และพิจารณาว่ามันมีตัวแปรซุกซ่อนอยู่หรือเปล่า
Dialogue: 0,0:03:55.98,0:03:59.38,Default,,0000,0000,0000,,มิฉะนั้นแล้ว เราทำให้ตัวเราเสี่ยง\Nกับผู้ที่อาจใช้ข้อมูล
Dialogue: 0,0:03:59.38,0:04:02.65,Default,,0000,0000,0000,,ในการเหนี่ยวนำคนอื่น ๆ \Nและส่งเสริมแผนการของพวกเขาเอง